运维架构师

【岗位职责】 "1、运维架构整体设计：负责大规模GPU集群、IB/RoCE高速网络、分布式存储、调度资源的运维架构规划与迭代，设计高可用运维架构、故障域隔离、容量架构、扩容演进方案，支撑超大规模AI算力集群的持续规模化扩张。 2、运维体系标准化建设：搭建完整的智算集群运维SOP、变更体系、故障治理体系、值班体系、容灾预案，统一运维规范、基线标准、版本标准、巡检标准，实现运维工作体系化、可复制、可规模化。 3、运营系统架构设计：对接内部云管平台、Infra加速团队，设计算力运营、监控观测、资源管理、SLA履约、资产健康管理整体架构，定义数据口径、指标体系、告警体系、可视化大盘架构。 4、集群可运维性优化：针对GPU异构集群、IB/RoCE网络、多机通信、训练任务场景，优化集群可观测性、故障自愈、故障快速定位能力，降低运维压力，提升集群整体可用率与算力利用率。 5、重大技术风险治理：主导P0/…… 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。