超算平台SRE工程师(J20392)

• 负责万卡超算集群、多云、多集群环境的高可用性、稳定性和性能保障。 • 构建和优化监控、告警、日志、追踪、容量规划及自动化运维体系。 • 支撑训练、推理和资产管理平台的端到端可靠性和性能优化。 • 接触前沿技术：Prometheus/Grafana、Loki、K8s Operator、自动化运维、云原生平台。 【任职要求】 精通 Linux 系统、Shell/Python/Go 脚本，熟悉集群管理和运维工具。 • 熟悉 Kubernetes、容器化部署、网络和存储管理。 • 有大型 HPC/AI 超算集群或云原生平台 SRE 运维经验优先。 加分项： • 熟悉 GPU/AI 作业调度与性能优化。 • 有多云、多集群环境下监控、告警和容量管理经验。 • 有自动化运维、CI/CD、SLO/SLA 制定与落地经验