平安科技IaaS运维高级工程师

任职要求

1、本科及以上学历，计算机、通信、电子或相关专业；
2、5年以上服务器运维经验，具备大规模数据中心运维背景者优先；
3、精通Linux系统的安装、配置、优化与故障排查；
4、熟悉主流服务器品牌（如Dell、HPE、浪潮、华为）的硬件架构与管理工具（iDRAC、iLO、BMC等）；
5、具备GPU服务器运维经验，熟悉NVIDIA GPU驱动、CUDA、NCCL、NVIDIA Driver、NVLink、GPUDirect等技术；
6、熟练掌握Shell/Python脚本编程，能编写自动化…

工作职责

1、负责大规模物理服务器集群（含GPU服务器）的部署、配置、监控、维护与优化，保障系统高可用性与稳定性；
2、主导GPU服务器（如NVIDIA A100/H100等）的部署、驱动安装、CUDA环境配置及性能调优，支持AI训练与推理业务；
设计并实施服务器自动化运维方案，包括系统初始化、固件升级、配置管理、批量部署等，提升运维效率；
3、负责服务器硬件故障诊断与处理，协调厂商进行维修与更换，建立完善的硬件生命周期管理机制；
4、搭建和维护服务器监控体系（如Prometheus、Zabbix、Grafana等），实现对CPU、内存、磁盘、GPU利用率、温度、功耗等关键指标的实时监控与告警；
5、配合DevOps团队实现CI/CD流程中对物理资源的自动化调度与管理；
6、编写和维护技术文档，包括部署手册、故障处理SOP、应急预案等；
7、参与机房基础设施规划，协助完成服务器上架、网络布线、电源管理等现场运维工作；
8、跟踪GPU、AI计算、高性能计算（HPC）等领域的最新技术趋势，推动运维体系持续演进。