岗位职责：

1. 熟练掌握 Linux 操作系统原理和常用命令，熟悉 CentOS、Ubuntu 等主流操作系统

2. 负责GPU、CPU、异构计算设备的日常运维、软硬件排障

3. 了解NCCL-TEST、MPIRUN、slurm，进行多集群NCCL-TEST测试、调优等

4. 参与ROCE、InfiniBand智算项目，包括技术方案编写、技术支撑、项目实施管理及后期的运维服务

5. 对所负责的项目组提供技术支持，协助解决项目中的技术问题

6. 负责项目交付后的培训指导工作

7. 日常维护与数据备份‌，负责客户线上问题响应处理，在出现异常情况时及时报警并跟进解决

任职要求：

1. 熟练掌握 Linux 操作系统原理和常用命令，熟悉 CentOS、Ubuntu 等主流操作系统

2. 熟悉GPU、机器学习技术原理，有GPU硬件、驱动、Cuda、Mellanox(sharp)网络等运维和调优经验

3. ROCE V2针对服务端进行调测，针对速率、丢包进行优化等

4. 熟悉实施文档、部署文档的编制工作

5. 熟悉Slurm/mpirun、nccl-test

6. 熟练使用Python、Shell等语言，具备开发自动化运维系统的能力

7. 熟练使用自动化运维工具，ansible、saltstack等

8. 掌握主流监控系统（如zabbix、grafana、prometheus、夜莺等）

9. 掌握Linux系统管理、网络基础知识；至少熟练使用一种自动化运维工具（如Ansible）；熟悉容器技术（例如Docker、Kubernetes）；掌握监控工具（例如Prometheus、Zabbix）的使用

10. 项目交付过程中的部署、调试、维护等技术支持工作‌，包括对现场问题进行跟踪维护，输出问题解决方案