缺口：2
薪资范围：30K-35K
工作形式：远程
地区要求：中国大陆以外
团队技术环境
AWS 公有云与私有物理机房混合云架构
多套 Kubernetes 集群及云地 K8s 整合
多类型 NVIDIA GPU 集群运维
CI/CD 自动化流水线
全球 CDN 加速、VPN 组网及跨机房网络安全
Prometheus、VictoriaMetrics、Grafana、Alertmanager、Loki、Sentry、PMM、OTEL 等监控体系
岗位职责
负责 AWS 与自建机房的整合、资源调度及跨云服务迁移。
负责容量规划、资源成本优化及跨机房基础设施管理。
管理 Proxmox 虚拟化平台，包括模板、迁移、存储及物理机上下架。
负责多套 Kubernetes 集群的升级、节点扩缩容、网络和存储管理。
保障核心服务的高可用、稳定性和故障快速恢复。
负责 NVIDIA Driver、CUDA、GPU Operator 的版本管理和集群维护。
处理 GPU Xid、掉卡、功耗异常等问题，负责推理和训练服务的资源调度及镜像分发。
实施加密存储、密钥及证书管理，包括轮换和最小权限控制。
负责 SSH、堡垒机访问控制及 CI/CD 供应链安全。
建设和完善监控告警体系，治理告警缺口。
主导线上故障排查、根因分析（RCA）及复盘改进。
负责入侵事件应急响应，包括取证、止血和系统加固。
编写自动化运维工具，提升部署、监控、排障和资源管理效率。
配合团队完成运维文档、技术规范和应急预案沉淀。
任职要求
5年以上运维或 SRE 工作经验，有混合云或自建机房实战经验。
精通 Kubernetes、Docker，熟悉 Terraform、Ansible、Helm 和 GitOps。
深入掌握 AWS VPC、EKS、EC2、S3、IAM 等核心服务。
有 AWS 多账号治理、权限管理和成本优化经验。
熟悉 Linux 内核及系统故障排查。
熟悉 TCP/IP、DNS、TLS、HTTP 等网络协议。
有敏感数据加密、静态存储加密（Encryption at Rest）实践经验。
熟悉 KMS、SOPS、Sealed Secrets、KSO 等安全方案。
熟练使用 Python、Go 或 Bash 开发自动化工具。
能接受远程协作及 on-call 值班安排。
具备良好的文档习惯、沟通能力和故障处理能力。
年龄要求：38岁以下。
加分项
有 NVIDIA GPU 集群运维经验。
熟悉 MIG、Time-slicing、RDMA、DCGM 监控。
熟悉 Proxmox/KVM、Ceph/ZFS、NFS 等存储技术。
有 MySQL 高可用、备份恢复经验。
有 ClickHouse、M
ความคิดเห็น
ยังไม่มีความคิดเห็น