算法运维工程师

岗位职责： 1、负责部门服务器、存储、GPU算力设备及网络设备等硬件资源的全周期管理，涵盖需求分析、选型采购、上架部署、容量规划以及迭代升级等工作 2、承担GPU算力集群的搭建、配置、性能优化与日常维护，确保AI训练任务和推理服务的高效稳定运行 3、统筹中间件（如 MySQL、Redis、Elasticsearch、Nginx、Doris 等）的部署实施、集群构建、调优维护、数据备份恢复及故障应对，保障业务系统的高可用性 4、建设并持续优化覆盖全栈的监控体系（包括硬件、网络、AI算力、中间件及应用层），合理选用监控工具（如 Prometheus、Grafana、Zabbix、ELK 等），实现监控可视化与智能告警 5、主导DevOps体系构建，设计并推进符合公司实际业务需求的CI/CD流水线（基于 GitLab CI、Jenkins、GitHub Actions 等工具），支持研发团队实现自动化编译、测试与发布，提升交付效率 岗位要求： 1、计算机或信息技术相关专业，本科及以上学历； 2、具备5年以上IT运维工作经验，其中至少2年运维团队管理经历，有GPU算力集群运维背景或大型互联网/科技企业运维管理经验者优先； 3、熟练掌握Linux/Unix操作系统，具备扎实的Shell/Python/Go等至少一种编程语言能力，可独立开发自动化脚本或运维工具； 4、了解服务器、存储、GPU（NVIDIA A100/H100 等）、网络设备的硬件架构与运维标准；具备GPU集群部署、分布式训练环境配置（如 TensorFlow/PyTorch 分布式）、算力调度工具（如 Kubernetes GPU 调度、Slurm）使用经验者优先； 5、熟悉主流中间件（Redis、Kafka、Elasticsearch、Nginx、Doris）的集群部署、性能调优与故障处理流程；了解MySQL/PostgreSQL等数据库的基本运维操作（如备份恢复、主从复制）； 6、熟练使用至少一种主流监控方案（Prometheus+Grafana/Zabbix/ELK），具备监控平台搭建与告警策略优化经验；有重大故障应急响应、根因定位与复盘总结经历，能制定有效的应急预案； 7、熟悉CI/CD流程的设计与实施，具备GitLab CI/Jenkins等工具的实际应用经验；掌握IaC工具（Terraform/Ansible），可实现基础设施的自动化部署与配置管理；具备容器化（Docker）、编排技术（Kubernetes）实践经验者优先； 8、具备基本的网络安全与数据安全意识，熟悉常见安全防护手段（如漏洞扫描、权限控制、数据加密与备份）；了解相关IT合规规范与监管要求； 9、目标明确，具备良好的沟通表达能力和执行力，工作态度认真严谨，责任心强