岗位职责
- 建设灵骏集群监管控系统核心能力，不断提升客户在云上使用灵骏智算集群产品的自动化、智能化程度。
- 建设满足业务场景和数据合规要求的智算集群库存管理体系，结合节点调度、性能分析、故障自动化处理、租户运维功能等核心体系能力，持续提升灵骏智算集群产品竞争力。
- 建设智算集群和管控系统自身高可用体系，如智算集群健康检测、节点与集群异常快速处置体系、管控组件故障自动定位、自动恢复、自适应容灾、云原生技术实施及落地等，保障业务持续可用、保障线上系统稳定性。
- 建设异构算力统一管理及资源调度系统，持续智算集群资源利用率、降低计算成本。
- 持续跟踪AI智算、云原生及智能运维领域新技术，结合业务场景进行创新。
- 该职位涉及值班响应的职责，在服务级别协议（SLA）时间内做出对客响应，推动客户问题的解决，改善客户体验。
职位要求
- 拥有5年以上大规模分布式系统设计及研发经验，独立负责过包含多模块的业务子系统，包括接口定义、架构设计及关键分布式问题的技术方案细化等工作。
- 编程基本功扎实，熟悉数据结构和算法，熟练掌握Golang/Java/Python/C++中至少一种开发语言。
- 系统工程能力扎实过硬，线上稳定性意识强，对于复杂的线上系统具备较强的技术敏感度和故障排查经验；有过线上系统监控体系、变更体系/流程设计和研发经验者优先。
- 业务感觉良好，有具有出色的抽象设计能力，思路清晰，善于思考，能独立分析和解决问题，能够主导并驱动完整的技术产品项目者优先。
- 具备较复杂项目的良好管理能力，有项目负责人或者研发团队接口人经验者优先。
- 团队协作能力良好，有实线或者虚线带人完成技术项目者优先。
- 熟悉AI框架、云原生、微服务原理和设计模式者优先。
