运维开发工程师

岗位职责： （1）负责HPC集群（CPU/GPU/异构计算节点）的部署与日常运维，管理Slurm/PBS/LSF等作业调度系统。 （2）开展并行计算任务（MPI/OpenMP）的资源优化与性能调优，提高系统整体运算效能。 （3）制定自动化运维策略，涵盖节点状态监控、故障自动恢复、日志集中分析等功能模块。 （4）构建监控与告警平台（Prometheus/Grafana/），持续追踪集群运行状态及关键性能参数。 任职要求： （1）全日制本科及以上学历，掌握HPC系统架构，具备Slurm/PBS类调度器实际操作经验，理解MPI/OpenMP并行编程机制。 （2）熟练进行Linux系统维护，掌握Shell/Python/Go中至少一种脚本语言，可开发自动化运维脚本。 （3）熟悉DevOps技术体系（Ansible/Terraform/Jenkins/GitLab CI），了解容器化及云原生相关技术。 （4）具有Prometheus/Zabbix等监控平台部署经验，能够快速识别和解决集群性能问题。 （5）具备高度的责任意识与故障排查能力，拥有良好的沟通协作素养。 （6）有GPU集群（NVIDIA/CUDA）运维或RDMA高速网络性能优化实践经历。 （7）了解Lustre/GPFS等并行文件系统，或具备大规模存储架构调优经验。 （8）知晓HPC与公有云平台（AWS/Azure Batch/阿里云）混合部署的技术路径。