平头哥平头哥-AI集群运维专家（机房与网络方向）-上海

工作描述

任职要求
我们希望你具备：
● 计算机、电子、自动化等相关专业本科及以上学历
● 5年以上IT基础设施、IDC运维、系统工程或HPC运维经验
● 熟悉主流服务器架构（x86_64 / ARM）及BIOS/BMC/IPMI远程管理
● 掌握Linux系统管理（CentOS/Ubuntu）、Shell脚本、基本网络知识（TCP/IP、VLAN、BGP等）
● 有大规模服务器集群部署和维护经验，熟悉RAID、磁盘阵列、带外管理
● 具备良好的文档习惯、问题排查能力和应急响应意识
● 能适应短期现场服务器上架、设备调试等工作场景（如需进入机房）。
加分项（强烈优先）：
● 有NVIDIA GPU集群部署经验，熟悉CUDA驱动、nvidia-smi、DCGM等工具
● 熟悉RDMA 技术栈：InfiniBand、RoCE v2、UCX、OFED/MOFED 驱动
● 使用过 nccl-tests 进行通信性能测试，能解读带宽/延迟结果
● 了解NCCL通信模式与多节点拓扑优化（如 rank mapping、socket affinity）
● 熟悉数据中心…