About The Role

1、团队与服务管理：统筹运维团队日常管理与工作协调，制定并落实数据中心运维服务标准（SLA），保障计算、存储、网络等软硬件系统的整体稳定、安全与高效运行。
2、架构规划与优化：主导基础架构的规划、扩容与升级，持续优化大型异构计算集群、超大规模分布式文件系统（如Parastor、Lustre、GPFS）及超高速网络（如InfiniBand、RoCE）的性能与高可用性。
3、调度与作业管理：负责SLURM、LSF等主流集群资源调度系统的规划部署、队列优化及策略调优，保障超算资源的高效分配与作业流转。
4、运维自动化建设：主导运维自动化体系建设，带领团队开发自动化运维、监控告警及数据统计平台，规范运维流程，输出高标准运维体系文档与技术规范。
5、用户服务与生态建设：组织团队高效响应科研、产业用户的定制化软件安装、编译器/函数库调优及环境调试需求，建立并完善高水平用户技术支持与服务体系。
1、本科及以上学历，计算机、应用数学、物理、材料等相关专业；5年以上高性能计算（HPC）或大型数据中心运维经验，其中3年以上运维团队管理经验。
2、精通Linux操作系统，熟练掌握Shell、Python、Go等至少一种编程语言，具备大规模集群自动化部署及运维工具（如Ansible、Puppet、Kubernetes等）的实际建设经验。
3、深入理解HPC及AI大模型训练等应用场景，熟悉异构超级计算系统（CPU+GPU/国产加速卡）的架构特点及主流科学计算、深度学习软件生态。
4、具备优秀的团队领导力、统筹协调能力与危机处理能力，能在高压环境下快速定位并解决复杂系统故障。
5、具备极强的沟通表达、文字撰写及项目管理能力，能高效输出运维方案、汇报材料及服务报告。
6、敬业严谨，具备高度的网络安全意识；有志投身国产自主计算平台建设及生态开拓者优先。

This is an external listing. JobSpring does not represent or verify the employer. Report this listing

智算运维经理（郑州）(J13864)

About The Role