岗位职责 1、保障大规模K8S集群的稳定运行，可以快速定位及解决K8S集群中的问题，工作内容包含：宿主资源管理、集群生命周期管理，核心组件变更、证书管理等、巡检、重保、数据备份和恢复； 2、善于通过自动化手段提升工作效率，开发自动化工具提升oncall效率 3. 有大规模GPU集群管理经验 ， 熟悉训练和推理的基本逻辑，了解机器学习的常用框架，可以快速处理GPU相关的需求和问题 。 职位要求 1、本科及以上学历，计算机或者相关专业，2年以上运维相关工作经验，有CKA证书优先； 2、精通Linux操作系统，熟悉TCP/IP、HTTP等协议，有良好的网络、存储、安全、计算机体系结构方面的知识等。 3、精通kubernetes/docker的架构技术及其内部实现原理，至少3年Kubernetes实际业务编排、管理及运维经验，有容器技术、kubernetes、Dorker等开发经验者优先。 4、熟悉Ansible等自动化运维技术，能熟练使用python/Golang其中至少一种语言运维开发，优先考虑会编写opeator者，善于通过自动化方式解决运维工作中标准操作流程。 5、具有良好沟通能力和服务意识，能够独立解决项目的问题，善于总结和编写文档。 6、有工作热情，较强的学习能力，高度的责任心、良好的沟通技巧和团队合作精神。