广州·花都区
职位详情
岗位职责：
负责由8卡16台H100服务器构成的算力集群的现场日常巡检、运行监控与系统维护，确保集群持续稳定运转，保障算力服务的高可用性与输出稳定性。
实时掌握集群硬件运行状态，涵盖服务器主机、GPU模组、网络单元及存储设备等，及时识别并处置硬件异常，包括故障部件更换、兼容性问题诊断与处理。
承担集群操作系统的部署、驱动安装、虚拟化平台配置及相关软件环境的更新优化，保障软硬件协同工作的高效性与兼容性。
维护集群网络结构，确保各节点间通信畅通，及时排查网络故障，实施性能调优，提升数据交互的稳定性与传输效率。
定期开展集群性能评估与数据分析，采集关键性能参数，针对瓶颈环节提出改进方案并落地执行，持续提升整体计算效能。
制定并落实集群数据备份机制，保障信息资产安全，能够在数据丢失或系统异常时快速完成恢复操作。
建立完整的运维技术文档体系，包括设备清单、故障处理日志、标准操作流程等，确保运维过程规范、可查、可追溯。
参与集群扩容与版本升级项目，配合完成新设备上架、通电调试及现场技术支持工作。
对突发性系统故障具备快速响应能力，制定应急处理预案并组织实施，最大限度降低对业务连续性的影响。
关注行业前沿技术发展动态，结合实际运维经验，提出切实可行的技术优化与架构改进建议。
任职要求：
学历与专业：本科及以上学历，计算机科学与技术、电子信息工程、软件工程、自动化等相关专业背景。
工作经验：
具备2年以上服务器集群运维实践经验，有H100、A100等高性能GPU服务器运维经历者优先考虑。
具有大型算力中心或数据中心现场支持经验者优先。
专业技能：
熟悉服务器硬件组成，掌握CPU、内存、硬盘、GPU等核心部件的工作机制及常见故障排查方法。
熟练掌握Linux系统（如CentOS、Ubuntu）的安装配置、系统管理与性能优化，具备常用命令操作及脚本开发能力（如Shell、Python）。
熟悉GPU驱动程序、CUDA环境的部署与调试流程，了解GPU虚拟化相关技术者优先。
具备基础网络知识，理解TCP/IP协议栈，能完成交换机、路由器等网络设备的基本配置与故障定位。
具有一定存储系统认知，了解SAN、NAS等典型存储架构者优先。
熟练使用主流监控工具（如Zabbix、Prometheus）及日志分析工具，实现系统状态可视化管理。
个人素质：责任心强，具备良好的职业操守，能适应高强度工作节奏和7×24小时应急值守要求。
具备出色的故障分析与解决能力，能够独立判断并高效处理复杂系统问题。
拥有良好的沟通协作意识，能与研发、技术支持等多方团队紧密配合。
工作严谨细致，重视操作规范，具备较强的文档整理与撰写能力。
持有RHCE、CCNA等相关专业技术认证者优先。
负责由8卡16台H100服务器构成的算力集群的现场日常巡检、运行监控与系统维护，确保集群持续稳定运转，保障算力服务的高可用性与输出稳定性。
实时掌握集群硬件运行状态，涵盖服务器主机、GPU模组、网络单元及存储设备等，及时识别并处置硬件异常，包括故障部件更换、兼容性问题诊断与处理。
承担集群操作系统的部署、驱动安装、虚拟化平台配置及相关软件环境的更新优化，保障软硬件协同工作的高效性与兼容性。
维护集群网络结构，确保各节点间通信畅通，及时排查网络故障，实施性能调优，提升数据交互的稳定性与传输效率。
定期开展集群性能评估与数据分析，采集关键性能参数，针对瓶颈环节提出改进方案并落地执行，持续提升整体计算效能。
制定并落实集群数据备份机制，保障信息资产安全，能够在数据丢失或系统异常时快速完成恢复操作。
建立完整的运维技术文档体系，包括设备清单、故障处理日志、标准操作流程等，确保运维过程规范、可查、可追溯。
参与集群扩容与版本升级项目，配合完成新设备上架、通电调试及现场技术支持工作。
对突发性系统故障具备快速响应能力，制定应急处理预案并组织实施，最大限度降低对业务连续性的影响。
关注行业前沿技术发展动态，结合实际运维经验，提出切实可行的技术优化与架构改进建议。
任职要求：
学历与专业：本科及以上学历，计算机科学与技术、电子信息工程、软件工程、自动化等相关专业背景。
工作经验：
具备2年以上服务器集群运维实践经验，有H100、A100等高性能GPU服务器运维经历者优先考虑。
具有大型算力中心或数据中心现场支持经验者优先。
专业技能：
熟悉服务器硬件组成，掌握CPU、内存、硬盘、GPU等核心部件的工作机制及常见故障排查方法。
熟练掌握Linux系统（如CentOS、Ubuntu）的安装配置、系统管理与性能优化，具备常用命令操作及脚本开发能力（如Shell、Python）。
熟悉GPU驱动程序、CUDA环境的部署与调试流程，了解GPU虚拟化相关技术者优先。
具备基础网络知识，理解TCP/IP协议栈，能完成交换机、路由器等网络设备的基本配置与故障定位。
具有一定存储系统认知，了解SAN、NAS等典型存储架构者优先。
熟练使用主流监控工具（如Zabbix、Prometheus）及日志分析工具，实现系统状态可视化管理。
个人素质：责任心强，具备良好的职业操守，能适应高强度工作节奏和7×24小时应急值守要求。
具备出色的故障分析与解决能力，能够独立判断并高效处理复杂系统问题。
拥有良好的沟通协作意识，能与研发、技术支持等多方团队紧密配合。
工作严谨细致，重视操作规范，具备较强的文档整理与撰写能力。
持有RHCE、CCNA等相关专业技术认证者优先。
2026-06-07 14:36
IP属地：广东广州
职位福利
学历不限经验不限网络运维系统运维运维经验
中通服建设有限公司
不需要融资 · 1000-9999人
鱼泡安全保障
如遇到办证收费、刷单、传销、诱导买车等违规行为，请立即向鱼泡直聘投诉举报投诉举报 >
附近适合您的职位
收藏职位
