阿里云阿里云云智能-IaaS集成与研发专家/高级专家-专有云（存储方向）
任职要求
1. 扎实的编程基础，熟悉C/C++/Go等编程语言，熟悉多并发与高性能编程。 2. 熟悉分布式存储引擎设计，熟悉分布式一致性协议、高性能存储等前沿技术，具备文件系统核心模块开发经验。 3. 了解NVMe协议栈与SSD，熟悉SPDK与用户态文件系统。 4. 熟悉GPU或相关AI加速芯片，熟悉主流深…
工作职责
1. 负责智算高性能存储系统架构设计与开发，面向AI训练场景的高性能并行文件系统模块开发，设计多级元数据服务架构，支撑海量文件与高吞吐数据流。 2. 软硬件定义，机型设计，构建存算协同机制，实现GPU Direct Storage、KV Cache/Share，不断提升存储系统性能和减少计算。 3. 保障存储系统高可用与数据安全，通过分布式强一致性、同/异步复制提升数据可靠性，设计系统自愈能力应对磁盘/节点异常，增强系统可观测和易运维能力，并通过测试与故障注入得到验证。
1. 负责智算高性能存储系统架构设计与开发，面向AI训练场景的高性能并行文件系统模块开发，设计多级元数据服务架构，支撑海量文件与高吞吐数据流。 2. 软硬件定义，机型设计，构建存算协同机制，实现GPU Direct Storage、KV Cache/Share，不断提升存储系统性能和减少计算。 3. 保障存储系统高可用与数据安全，通过分布式强一致性、同/异步复制提升数据可靠性，设计系统自愈能力应对磁盘/节点异常，增强系统可观测和易运维能力，并通过测试与故障注入得到验证。
1、基础设施运维，包括Kubernetes、Docker/Containerd、Linux操作系统等技术方向； 2、运维体系建设，包括标准化、可观测性、故障诊断等运维能力； 3、运维平台建设，规划并设计自动化方案，持续提升运维效率，控制运维风险。
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。
1、负责Linux/Windows操作系统技术路线规划、维护及定制化方案，满足业务需求； 2、负责Linux/Windows操作系统基础服务规划、部署及运维； 3、解决业务运行在服务器操作系统上遇到的各种问题故障，如：异常重启、Hang死、panic、deadlock、踩内存、网络丢包及性能问题等； 4、参与及统筹操作系统整体架构规划、开发计划、技术演进规划、项目类跟进等； 5、给上层业务提供操作系统专家技术支持、技术架构等专业建议，与业务合作进行系统性能调优、问题分析及架构优化； 6、负责操作系统内核调优及AI For OS新技术研究，跟踪业界前沿技术，并根据业务需要引入开源社区成果落地。