职位&公司对比

职位详情

• 上海
• 5-10年
• 大专

• IDC机房运维
• Python/Shell
• 通信相关专业
• 运维经验

【岗位职责】 1、集群运维和优化： 负责大规模GPU集群的日常运维，包括但不限于系统部署、配置管理、监控告警、故障排查与解决，确保集群的高效稳定运行。 负责大规模GPU集群的日常运维，包括但不限于系统部署、配置管理、监控告警、故障排查与解决，确保集群的高效稳定运行。 2、硬件测试选型： 负责服务器整机和重要配件的选型和测试，为采购提供选型依据。 负责服务器整机和核心配件的选型和测试，为公司采购提供可靠选型依据和行情价格，降低公司硬件风险和成本投入 3、性能调优： 统筹管理GPU资源和有效分配，优化集群资源利用率，提升AI训kanzhun练效率和吞吐量。 4、自动化建设： 开发和维护自动化运维脚本及工具，实现集群运维的自动化和智能化，降低人为操作风险，提高效率。 5、技术研究与应用： 深入了解AI训练流程和技术，跟踪最新GPU技术动态，探索并引kanzhun入新技术以提升系统性能和稳定性。 6、维护分布式存储系统：ceph、GPFS等。 7、管理虚拟化和容器化：管理kvm虚拟化和docker容器化环境。 8、建立完善的监控告警系统。 【任职要求】 1、5年以上技术领域相关工作经验，具备从0-1的项目落地研发经验。 1、操作系统：熟练掌握红帽系和debian系的主要操作系统（centos，redhat，rocky，deBOSS直聘bian，ubuntu等）；能够进行操作系统内核编译、裁减和驱动适配等操作。 2、AI软硬件知识：包括GPU相关的硬件知识和AI开发栈的基础知识，能够配置AI所需基本类库和运行时环境。 3、深入理解分布式系统原理，有大规模服务器集群运维经验（千台物理服务器管理经验和能力） 4、能够熟练使用一门主流的编程语言（python、golang），独立来自BOSS直聘完成项boss目开发的能力。 5、存储知识和技能：能够部署和管理PB级别的分布式存储系统，例如ceph。 加分项： 有AI相关行业的从业经验和技术热情对行业有信仰 对IDC行业和互联网行业有比较开阔的视野和认知及有相关资源背景人脉