朝阳区
职位详情
职位描述：
1）负责阿里云AI人工智能平台（PAI）的运维保障，构建超大规模GPU集群的稳定性支撑体系，涵盖可观测性链路建设、监控告警机制、故障应急响应与处理、SLA可用性指标优化等
2）开发AI方向的运维管控系统，借助自动化手段提升运维效能，实现交付与变更的CICD流程、GPU节点的快速纳管与自愈能力、智能诊断与问题定界等功能
3）推进AIOps智能运维实践，运用AI算法增强系统稳定性能力，覆盖异常行为识别、根因分析以及基于大模型与智能体Agent的运维场景落地
4）主导稳定性架构的技术规划与项目推进，推动基础架构云原生演进、跨AZ容灾设计、产品可维护性架构升级等关键技术实施
职位要求：
1）具备3年以上K8S或主流大数据平台运维经验，掌握分布式系统工作机制及Linux底层原理，有AI IaaS&PaaS平台或GPU集群运维开发背景者优先考虑
2）熟练使用Golang/Python/Java中至少一种编程语言，具备运维平台类系统开发经历，拥有AIOps相关实践经验者更佳
3）具有扎实的生产环境稳定性建设实战能力，熟悉高可用架构设计、监控可观测体系、故障应急流程、SLA与可用率管理、节点级自愈机制等关键环节
4）具备良好的沟通协调能力和项目推动力，工作认真细致，抗压能力强，富有责任心
1）负责阿里云AI人工智能平台（PAI）的运维保障，构建超大规模GPU集群的稳定性支撑体系，涵盖可观测性链路建设、监控告警机制、故障应急响应与处理、SLA可用性指标优化等
2）开发AI方向的运维管控系统，借助自动化手段提升运维效能，实现交付与变更的CICD流程、GPU节点的快速纳管与自愈能力、智能诊断与问题定界等功能
3）推进AIOps智能运维实践，运用AI算法增强系统稳定性能力，覆盖异常行为识别、根因分析以及基于大模型与智能体Agent的运维场景落地
4）主导稳定性架构的技术规划与项目推进，推动基础架构云原生演进、跨AZ容灾设计、产品可维护性架构升级等关键技术实施
职位要求：
1）具备3年以上K8S或主流大数据平台运维经验，掌握分布式系统工作机制及Linux底层原理，有AI IaaS&PaaS平台或GPU集群运维开发背景者优先考虑
2）熟练使用Golang/Python/Java中至少一种编程语言，具备运维平台类系统开发经历，拥有AIOps相关实践经验者更佳
3）具有扎实的生产环境稳定性建设实战能力，熟悉高可用架构设计、监控可观测体系、故障应急流程、SLA与可用率管理、节点级自愈机制等关键环节
4）具备良好的沟通协调能力和项目推动力，工作认真细致，抗压能力强，富有责任心
2026-07-26 14:52
IP属地：北京
职位福利
本科3-5年Golang大数据引擎Java大数据运维经验Python/Shell
阿里云计算有限公司
不需要融资 · 10000人以上
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
it运维工程师（含部分自动化开发职责）
1.1-1.8万元/月
运维开发工程师3-5年本科DockerZabbix/Prometheus运维开发经验Python/Shell计算机相关专业
北京 朝阳区
阿里云智能-运维稳定性架构师-杭州/北京
4-7万元/月
运维开发工程师5-10年本科Golang通信/工程相关专业Java运维开发经验Python/Shell计算机相关专业
北京 朝阳区
收藏职位
