智算集群运维工程师

【岗位职责】 岗位职责 1. 负责大规模GPU集群从服务器到 Kubernetes 资源池的全生命周期运维。 2. 负责 NVIDIA GPU 驱动、GPU Operator、Device Plugin、DCGM 和容器GPU 运行环境。 3. 负责 IB/ROCE、RDMA、PFC/ECN、NCCL 训练网络的需求、验收与故障定位，并与IT 网络团队协作。 4. 负责 Kubernetes 控制面、节点、CNI、CSI、容器运行时、DNS、证书和升级。 5. 负责训练存储、共享文件系统、对象存储接入、缓存和数据挂载健康。 6. 保障大规模分布式训练，处理调度失败、NCCL timeout、掉卡、性能退化和节点故障。 7. 建设自动化纳管、巡检、变更、排空、恢复和退役能力。 8. 参与值班、重大任务保障、故障复盘、容量规划和供应商协同。 【任职要求】 任职要求 1. 5年以上 Linux…… 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 10699 个深圳岗位（全城各职能合计），其中 945 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 12K ~ 22K（25~75 分位），中位约 16K，最低 2K、最高 100K。