超算集群SRE工程师

超算集群SRE工程师致力于构建稳定、高效、可观测的AI基础设施运维体系，为量化研究及大模型业务保驾护航。你将负责大规模算力集群的生命周期管理与稳定性治理，通过自动化运维、性能调优及可观测性建设，解决复杂的分布式系统故障，持续提升GPU/CPU集群的资源利用率与运行效率，推动运维体系的标准化与智能化。 岗位职责 集群稳定性治理：负责大规模Kubernetes集群管理，提升容器服务整体的稳定性、安全性和高可用性，保障AI业务稳定。 平台运维工程化：参与AI基础设施的自动化体系建设，包括集群生命周期管理、智能监控告警、故障自愈及可观测性体系构建，实现运维流程的标准化。 故障排查与性能优化：负责线上故障响应、根因分析和复盘，协同研发及基础设施团队排查Linux、容器、网络（如 RDMA/NCCL）及存储I/O等相关问题，持续推动平台性能与可靠性优化。 任职要求 【校招】 本科及以上学历，计算机、软…… 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 24889 个上海岗位（全城各职能合计），其中 1212 个公开标注了薪资。按这些标注统计：月薪（税前）主流区间 8K ~ 20K（25~75 分位），中位约 12K，最低 0.8K、最高 113K。