GPU集群运维工程师(J10808)

1. GPU集群全栈运维实施 ● 负责大规模GPU集群的日常运维，涵盖GPU服务器硬件、高速网络、集群存储及Kubernetes容器平台的稳定运行。 ● 负责GPU集群的部署实施：从上架验收、网络配置、存储挂载、k8s容器平台部署的全流程实施 ● 建立并维护运维规范：编写GPU故障处理手册、网络连通性测试标准、存储性能基线等 2. 监控告警与故障响应 ● 构建集群监控体系：部署监控GPU运行状态；配置IB/RoCE网络流量监控；搭建存储健康状态看板等 ● On-Call响应：处理训练任务异常中断，执行紧急故障隔离等 ● 故障定位：报告GPU硬件、网络/存储、服务器等故障，配合SRE团队输出故障分析方案 3. 平台工具与效能优化 ● 开发运维自动化脚本，实现批量节点巡检与故障分析，优化资源交付效率 ● 集群容量与成本管理：监控GPU利用率、存储水位增长，定期输出资源使用报告，协助制定扩容方案…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 18762 个北京岗位（全城各职能合计），其中 2681 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 7K ~ 20K（25~75 分位），中位约 10K，最低 2K、最高 300K。

本岗位标注月薪 25K ~ 30K，高于该范围约 90% 的在招岗位。