岗位职责：
1. 负责云平台的可用性保障，包括但不限于k8s集群管理、监控及相关业务支撑；
2. 负责云平台的容量规划、基础设施保障、初始化配置、日常故障处理等工作；
3. 负责云平台的监控告警体系建设，按照实际场景编写告警规则，定制监控Dashboard；
4. 制定云平台运维On Call策略、标准流程及规范，完成运维工作文档的编写；
5. 负责编写各种运维脚本及工具，推动自动化运维；
6. 负责向云平台贡献基础设施代码；
任职要求：
1. 计算机科学、电子工程或相关领域的学士学位，研究生学位优先。
2. 至少五年相关领域的工作经验，具有GPU集群管理和维护经验者优先。
3. 熟悉Linux操作系统和网络基础设施。
4. 精通一种或多种脚本语言（如Go、Python等）。
5. 有使用和管理大规模分布式系统的经验，熟悉Kubernetes等容器化技术者优先。
6. 具备优秀的问题解决能力和团队合作精神。