京东GOC技术支持岗
任职要求
1. 具有 3 年以上互联网行业中大型系统运维或质量保障经验，拥有流程优化、过程改进、系统高可用性架构设计经验者优先； 2. 具备出色的沟通协调以及结构化表达能力，能够迅速理解业务模式，在紧急…
工作职责
1. 落实并完善业务运维保障体系，涵盖线上问题管理、全维度全链路监控管理、生产变更管控、故障容灾演练、稳定性文化建设等； 2. Oncall应急响应，实时关注生产系统的健康状况，追踪线上异常事件，推动跨业务跨部门高效协作，缩短故障恢复时间； 3. 辨识核心业务风险场景，构建并维护风险监控大盘，借助监控迅速发现问题，并辅助进行原因预判与定位； 4. 通过故障复盘输出有效改进措施，跟踪改进措施的落实情况，防止重复故障出现，同时不断优化运维平台产品。
1.负责腾讯云基础设施运营平台系统的架构设计和开发，包括监控告警、自动化平台、运营分析和大数据处理集群等系统的开发与维护； 2.通过运维自动化、智能化的建设，提升腾讯云运维效率与质量； 3.通过机器学习、海量数据处理等相关技术，支持腾讯云智能化运维及精细化运营。
职位简介 负责在 大规模 Kubernetes 集群 中设计、优化云网络架构与 GPU 虚拟化调度体系，支持 AI、大数据、电商等业务场景。您将深入 Linux 内核、虚拟化与容器网络技术栈，运用 eBPF 等工具提升系统性能与稳定性，并推动跨云平台的资源优化与整合 核心职责 1.设计与优化 Kubernetes 云网络架构（CNI、VPC），确保高性能、低延迟和稳定性。 2.基于 Cilium/Calico 等网络插件进行二次开发，支持跨集群通信和多租户隔离。 3.研究与落地 GPU 虚拟化技术（vGPU、MIG、GPU Passthrough），实现多租户隔离与动态资源调度。 4.应用 eBPF、perf、sysdig 等工具监控和分析网络与 GPU 虚拟化性能瓶颈。 5.在 混合云/多云环境 中实现跨平台网络与 GPU 兼容性优化。 6.开发定制 Kubernetes 设备插件和 Operator，优化容器网络与 GPU 资源管理。
1、项目管理能力优秀，能够主导并管理多个代码类大语言模型（LLM）训练项目，确保按时交付、符合质量标准并达成目标；跟踪项目进展，识别风险，并采取必要的纠正措施以保证项目按计划推进；与产品经理、研究员、数据标注员及其他跨职能团队成员建立并维护良好的合作关系，同步项目进展，解决问题并协调各方期望，确保项目成功交付； 2、流程设计及优化，设计、管理并优化代码类LLM训练项目的工作流程，包括训练设计、质量保证（QA）流程及效果追踪，以满足项目需求；与产品经理、项目负责人及跨职能团队紧密协作，确保质量标准与项目目标保持一致； 3、运营优化，开展质量与效率优化实验，提升代码类训练数据的运营流程；主导并支持跨数据领域的通用标注运营优化计划；制定并维护技术指南及案例手册，确保数据生产的高质量与一致性； 4、数据监控及分析，设计并实施稳健的数据分析策略，系统评估训练集与验证集质量通过统计建模、可视化分析及编程方法，全面监测标注质量、模型表现及数据集覆盖度采用分片评估、提示词敏感性测试及聚类错误分析，精准识别数据缺口、边界案例与失效模式，运用Python（Pandas/NumPy/Matplotlib）及SQL工具链，生成可落地的改进建议，保障数据管道健康度，与模型训练标注员及研发紧密协作，基于数据洞察指导训练策略调整，推动以数据为核心的项目迭代。
开发并维护高可用，易扩展的后端服务 优化后端服务的性能和可扩展性，分析并解决系统中的性能瓶颈。 设计和实现高效的 API 以及微服务架构，支持复杂的业务逻辑需求。 与前端、算法、DevOps 以及其他后端团队密切合作，共同推动技术解决方案的落地。