K8s 训练平台研发工程师（训练工作负载与稳定性）

1.训练作业编排：维护与演进各类训练作业的 Operator；把"多个异构角色、常驻服务与有终态任务共存、部分角色在另一个集群"这类新形态抽象成通用的工作负载原语（角色、生命周期、依赖、暴露、卷、放置）； 2.训练稳定性：多机作业启动失败、节点加入超时、通信 hang、掉卡、OOM 的检测与自动处置；作业级与角色级的自愈、抢占后恢复、断点续训的平台支持； 3.运行效率：作业启动时长（镜像分发与预热、懒加载）、存储读写（共享工作区、检查点读写）、跨集群网络这些基础设施层面的瓶颈定位与优化； 4.训练侧 oncall：配合 SRE 建立训练作业的告警、诊断工具与 SOP，压降重复故障； 5.业务接入：作为训练类新业务（包括强化学习项目）接入平台时的技术对接人，把业务侧的特殊需求沉淀成通用能力； 【任职要求】 1.本科及以上学历，两年及以上经验，精通 Go； 2.独立设计并上线过至少一个生产级…… 完整岗位描述与官方投递入口,请登录后在岗位详情页查看。

本站当前在招 3032 个上海技术研发岗位，其中 100 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 12K ~ 23K（25~75 分位），中位约 20K，最低 4K、最高 100K。