岗位职责

1. 负责自动驾驶云平台及HPC集群的运行维护，监控系统运行状态，及时响应各类告警，执行日常巡检与健康检查。
2. 主导平台运行中的问题定位与故障排查，必要时按照流程进行问题升级与处理闭环。
3. 参与生产环境部署、调试与交付，为用户提供一线技术支持（L1），包括故障响应、需求变更和现场支持。
4. 配合客户或驻地单位的运维团队开展系统监控、平台变更和应急响应，协调现场与远程团队间的沟通。
5. 撰写并维护系统运行报告、安装配置记录、故障分析文档及改进建议。
6. 持续理解用户需求，参与用户培训、服务评估及需求研讨活动，提升用户满意度。
岗位要求
1. 操作系统与脚本能力
• 熟练掌握主流
  Linux 系统（SUSE、RHEL、Ubuntu）运维与调优，具备1-3年或以上相关经验。
• 熟悉 Shell 脚本，具备编写自动化脚本的能力，有使用 Python、Bash、Ansible 等经验优先。
2. 集群与存储基础
• 了解高性能计算（HPC）系统架构，熟悉
  Slurm、Lustre、BeeGFS 或并行/对象存储系统。
• 能基本操作以太网及
  InfiniBand / RDMA 高速互连网络，有实际支持经验者优先。
3. 监控与故障排查
• 熟悉常见监控系统（如 Zabbix、Prometheus + Grafana），具备性能监控、告警分析及优化能力。
• 有较强的问题定位、日志分析与系统故障排查能力。
4. 沟通与协作能力
• 具备良好的沟通协调能力，情绪稳定，能够快速理解用户需求，协调内外部资源解决问题。
• 能接受阶段性出差或驻点用户现场工作，积极配合用户运维团队完成任务。
5. 学历与背景
• 本科及以上学历，计算机、信息技术、电子工程、数学等相关专业优先。
• 
  

  加分项（优先考虑）

  • 有自动驾驶、数据中心、云平台或AI训练平台运维经验。
  • 熟悉 ITIL 变更流程或具备
    DevOps 实践经验。
  • 英语读写能力良好，能够阅读英文技术文档。