运维开发

HuizhouFull-timePosted Nov 19, 2026

Job description

  1. 负责GPU集群日常运维:服务器、InfiniBand/RoCE网络、并行存储的部署、监控与故障处理,保障训练/推理业务连续性;

  2. 基于K8s/Volcano/Slurm落地算力调度策略(分时复用、优先级、配额),持续提升GPU利用率与集群效率;

  3. 负责推理服务运维(vLLM/Triton等),保障高并发下的稳定性与延迟表现;

  4. 建设智算平台监控可观测与AIOps能力(故障预测、自动巡检),推动运维自动化;

  5. 参与算力成本运营(FinOps)与国产算力(昇腾等)适配验证,沉淀运维SOP与知识库。

  6. 参与智能服务台与运维 Agent 建设:问题自动分类、工单派发、告警分析、节点巡检等 Agent 流程,推动运维从"人盯"走向"Agent + 平台";将常用运维操作与排障步骤封装为可被 Agent 调用的工具/技能(脚本 + SOP 文档)

  7. 本科及以上学历,计算机、通信、电子等相关专业;

  8. 3年以上云计算或AI基础设施运维经验,有GPU集群(百卡级及以上)实际运维调优经历;

  9. 熟悉Linux、Kubernetes、Python/Shell自动化,了解NVIDIA生态(CUDA/DCGM/NCCL);

  10. 有大模型本地化部署与推理服务运维经验(vLLM/TensorRT-LLM等至少一种生产环境实践);

  11. 良好的故障定位能力与协作意识,能接受7×24轮值。

Description copied from Desay SV's careers page. Read the full posting before you apply.

More jobs at Desay SV

See all openings at Desay SV

More jobs in Huizhou

See all jobs in China