锦鲤求职岗位描述
工作内容
硬件运维与告警能力建设：负责线上服务器的硬件运维工作，包括但不限于服务器硬件的日常巡检、故障排查与修复、硬件升级与优化等；主导硬件运维相关的告警能力建设，通过监控系统及时发现硬件故障，制定合理的告警策略，确保故障能够快速响应和处理。
运维体系建设与优化：参与构建和完善服务器硬件运维体系，制定标准化的运维流程和规范，提升运维效率和质量；结合实际运维需求，引入先进的运维工具和技术，推动运维自动化和智能化发展。
故障数据分析与运营：针对不同厂商和不同型号的硬件设备，收集、整理和分析故障数据，挖掘潜在问题和隐患；通过数据驱动的方式，优化硬件选型和配置，降低硬件故障率，提高系统的稳定性和可靠性。
团队协作与指导：带领团队中的员工开展工作，合理分配任务，提供技术指导和培训，提升团队整体的技术水平和工作效率；与业务部门保持密切沟通，了解业务需求，协调资源，确保运维工作与业务发展紧密结合；积极推动现网问题的整治，主动发现并排查现网中的相关隐患，保障业务的稳定运行。
操作系统问题排查与优化：熟悉主流操作系统（如 Linux、Windows 等），能够利用 coredump 等技术手段快速定位操作系统相关问题；对操作系统进行性能优化和安全加固，提升系统的稳定性和安全性。
智算硬件运维与优化：负责 GPU 等智算硬件产品的运维工作，包括硬件的安装、调试、监控与维护；针对智算业务需求，优化 GPU 等硬件的配置与性能，确保智算任务的高效运行。
任职条件
硬件运维经验：
1.本科以上学历，具备 3 年及以上服务器硬件运维经验，熟悉主流服务器硬件架构和工作原理，能够熟练处理各类硬件故障。
2.有与 JDM（联合设计制造）、OEM（原始设备制造商）等厂商合作的经验，了解不同厂商硬件的特点和优势，能够根据业务需求合理选型和采购硬件设备。
3.熟悉常见的服务器硬件技术栈，包括但不限于：
服务器架构：x86 架构、ARM 架构等。
存储设备：SATA、SAS、NVMe 等存储接口，SSD、HDD 等存储介质，RAID 技术等。
网络设备：以太网、光纤通道等网络技术，交换机、路由器等网络设备的配置与管理。
电源与散热：服务器电源系统、散热模块的原理与维护。
4.熟悉 GPU 等智算硬件产品，了解其工作原理、性能特点及应用场景；具备 GPU 硬件的安装、调试、监控与维护经验；熟悉常见的智算硬件技术栈，包括但不限于：
GPU 架构：NVIDIA CUDA 架构、AMD ROCm 架构等。
GPU 接口：PCIe 接口、NVLink 接口等。
GPU 管理工具：NVIDIA SMI（System Management Interface）、NVIDIA GPU 优化工具等。
智算硬件集群：GPU 集群的构建与管理，包括集群的网络拓扑、存储配置等。
5.操作系统知识：
精通主流操作系统的安装、配置和管理，熟悉操作系统的内核机制、网络协议栈、文件系统等核心模块。
能够熟练使用 coredump、性能分析工具等技术手段，快速定位和解决操作系统层面的复杂问题
6.监控与告警能力：
熟悉常见的监控工具（如 Prometheus、Zabbix 等），具备丰富的监控系统搭建和维护经验。
能够根据硬件运维需求，设计合理的监控指标和告警规则，确保告警的准确性和及时性。
7.数据分析能力： 具备较强的数据分析能力，能够运用数据分析工具（如 Excel、SQL 等）对硬件故障数据进行挖掘和分析。
8.沟通与协作能力： 具备良好的沟通能力和团队协作精神，能够与不同部门的人员进行有效沟通，协调资源解决问题。能够带领团队完成复杂的运维任务，提升团队的整体战斗力。