岗位职责
负责智算平台的日常监控与维护工作，包括但不限于服务器、存储设备、网络设备等硬件设施的状态监测，确保各硬件组件正常运行，及时发现并处理硬件、软件故障告警。
负责智算平台各类资源的管理，包括计算资源(如CPU、GPU 等)、存储资源、网络资源等，实时掌握资源的使用情况，合理调配资源。根据业务需求的变化，及时调整资源分配方案，为新的智能计算任务提供充足且适配的资源保障。
工作经验要求
本科及以上学历，计算机科学与技术、软件工程、网络工程等相关专业。
通常具有 3 年以上IT运维工作经验，有智算平台或类似大规模计算平台运维经验。
精通 Linux 操作系统，掌握常用的命令行工具和系统管理工具，能够熟练进行系统安装、配置、维护和故障排查。
熟悉计算机硬件体系结构，了解服务器、存储设备网络设备等硬件的基本原理和常见故障处理方法。
掌握至少一种编程语言，如 Python、Shell 等，用于开发、维护自动化运维工具和脚本。熟悉网络原理和网络协议，能够进行网络配置、故障排查和网络性能优化;了解分布式存储系统、并行计算、高性能计算等相关知识，对智算平台的运行原理有一定的理解。
熟悉常见监控工具(如 Zabbix、Prometheus 等)和日志分析工具(如 ELK 等)，能够利用这些工具进行平台监控和故障分析。
其它
在面对复杂的故障情况和紧急的运维任务时，能够保持冷静，迅速采取行动，解决问题并恢复平台正常运行。
具有较强的学习能力，能够不断学习和掌握新的运维技术和知识，关注智能计算领域的发展动态，及时了解相关新技术对运维工作的影响，并将其应用到实际工作中。