崗位職責

●Kubernetes運維–設計、運行并優(yōu)化AWS、GoogleCloud以及本地多集群的大規(guī)模

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

●InfrastructureasCode–使用Terraform/Pulumi管理全部基礎設施，遵循GitOps工作

流。

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

●GPU集群管理–負責NVIDIA驅動、MIG分區(qū)、自動擴縮容及固件更新；如有需要，支持

AMDGPU。

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

●事故響應–參與值班輪值，主導事后復盤，持續(xù)完善運行手冊。

●標準化與賦能–建立統(tǒng)一的SRE流程，向團隊傳授最佳實踐。

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，能適應跨時區(qū)協(xié)作。