崗位職責(zé)

●Kubernetes運(yùn)維–設(shè)計、運(yùn)行并優(yōu)化AWS、GoogleCloud以及本地多集群的大規(guī)模

Kubernetes環(huán)境；根據(jù)需要擴(kuò)展至Azure或OracleCloud。

●InfrastructureasCode–使用Terraform/Pulumi管理全部基礎(chǔ)設(shè)施，遵循GitOps工作

流。

●CI/CD–維護(hù)自動化構(gòu)建與發(fā)布流水線，實現(xiàn)安全回滾。

●GPU集群管理–負(fù)責(zé)NVIDIA驅(qū)動、MIG分區(qū)、自動擴(kuò)縮容及固件更新；如有需要，支持

AMDGPU。

●可觀測性–運(yùn)營并擴(kuò)展Prometheus+Grafana，制定SLI/SLO，并自動化容量監(jiān)控。

●事故響應(yīng)–參與值班輪值，主導(dǎo)事后復(fù)盤，持續(xù)完善運(yùn)行手冊。

●標(biāo)準(zhǔn)化與賦能–建立統(tǒng)一的SRE流程，向團(tuán)隊傳授最佳實踐。

任職要求

●精通Kubernetes內(nèi)核及大規(guī)模集群運(yùn)維，包含云端與本地部署。

●熟練掌握AWS和GoogleCloud；了解Azure或OracleCloud或Lambda、Nebius等

GPU云更佳。

●精通Terraform、GitOps工具（ArgoCD等）以及CI/CD流水線。

●深入理解Linux系統(tǒng)與網(wǎng)絡(luò)原理。

●具備NVIDIAGPU集群管理經(jīng)驗；熟悉AMD/ROCm體系者優(yōu)先。

●熟練使用Prometheus與Grafana棧并能應(yīng)對大規(guī)模場景。

●良好的中英文書面與口頭溝通能力，能適應(yīng)跨時區(qū)協(xié)作。