阿里云阿里云智能-服务器质量工程高级技术专家-质量工程
任职要求
1、通讯、计算机、电子工程相关专业，有扎实的计算机底层硬件基础知识； 2、从事8年以上的服务器/存储/核心路由器硬件开发和维护工作，熟悉异构服务器的硬件架构、精通数字电路、模拟电路设计，具备全流程硬件产品开发、制造、服务相关经验者优先； 3、熟悉BIOS、BMC、FW、结构、AC/DC电源、信号仿真、散热、测试等领域知识，可以组织各团队完…
工作职责
1、负责AI异构服务器（搭载NVIDIA/AMD/国产AI芯片）的端到端交付质量保障和线上运维，负责搭建异构服务器的可靠性评估以及预测体系，风险应急以及恢复体系； 2、对标业界标杆，引入先进质量运维管理方法，并制定相关产品的全流程质量运维管控方案并主导实施，开展供应商质量审核、质量体系评估、运维能力管理，确保改善措施的有效实施； 3、主导分析解决和预防重大产品质量运维问题，主导产品质量问题分析、定位及质量问题的处理与预防； 4、持续跟踪硬件相关领域的技术发展趋势，结合对阿里业务应用场景的深入分析，并推动相关技术的产品化实现。
● 负责蚂蚁内部服务器质量，对服务器在内部业务侧的满意度负责，牵头量产服务器的日常及重大问题处理，保障问题解决进度与质量，输出并推进最优解决方案落地，通过复盘形成技术侧、管理侧改进机制； ● 负责AI异构服务器（GPU/NPU芯片）的端到端交付质量保障，搭建异构服务器的可靠性评估及预测体系、风险应急及恢复体系； ● 主导供应商质量管理，建立供应商质量管理流程，通过季度审查、质量稽核等运作，确保质量目标与标准的落实和持续改进，开展供应商质量审核、质量体系评估与运维能力管理； ● 识别服务器运行质量风险，主动规划并开展质量专项活动，保障应用侧风险可控、业务侧满意度达成； ● 对标业界标杆，引入先进质量运维管理方法，制定相关服务器的全流程质量运维管控方案并主导实施，确保改善措施的有效落地。
1. 多地域 CPU 与 GPU 服务器自动化装机流程的设计与研发（PXE / Metal Kubed / Ironic / MAAS / Cobbler 等方案） 2. 装机镜像（OS image）制作与版本管理：内核、驱动、ofed、cuda 等基线维护 3. 服务器装机与 K8s 加节点流程联动（自动注册、健康体检、加入调度池） 4. 与硬件运维、SRE 协同建设带外管理平台（IPMI / Redfish 批量操作）与服务器全生命周期平台 5. 装机流程的可观测性、失败重试与灰度回滚机制建设
1. 架构规划与运维：负责服务器、存储及灾备系统架构规划、部署、运维与优化，保障高可用、高安全、高性能； 2. 自动化工具开发：使用Powershell、Shell、Python开发自动化工具，结合Saltstack、Ansible提升效率、降低风险，承担数据中心硬件巡检、环境监控、资源调配工作； 3. ITIL流程落地与故障响应：遵循ITIL体系，落地故障、变更管理等流程，快速排查服务器、存储、网络故障，主导重大故障应急响应与根因分析，建立预防机制； 4. 项目参与与风险管控：参与大型架构或IT服务项目，负责方案落地、进度及风险管控，健全风险合规体系，落实数据安全与隐私保护； 5. 技术创新探索：跟踪IT新技术，探索虚拟化、容器化、云平台应用，推动技术创新与架构优化； 6. 应急响应保障：承担7×24小时应急oncall，保障生产故障、业务需求、灾备切换的分钟级响应和小时级修复，确保业务连续性，严守运维红线。