硬件运维工程师

岗位定位： 负责智算中心基础设施层（网络、算力、存储及安全设备）的全生命周期运维保障，确保物理层及网络层的稳定、高效运行，处于7×24待命状态。 日常巡检与监控：负责智算中心内核心交换机、IB网络、防火墙、GPU服务器、高性能存储等硬件设备的日常巡检、性能监控及健康度分析，建立并维护设备台账。 故障排查与处置：快速定位并解决硬件层、网络层的突发故障，包括但不限于GPU掉卡、服务器宕机、InfiniBand/RoCE网络拥塞、存储节点异常、光模块/线缆故障等，撰写RCA报告。 部署与优化：配合进行新到设备的收货、上架、加电、BMC配置、固件升级及操作系统灌装；负责大规模集群的网络布线规划，持续优化机柜内的风道与功耗管理。 安全管理：实施物理安全与网络安全策略，包括ACL策略配置、漏洞扫描、安全加固及日志审计，配合完成等保测评。 资产管理：负责备品备件的全流程管理，包括光模块、线缆、GPU板卡、电源模块等，定期盘点并及时补充。 方案沉淀：编写并持续优化运维SOP、应急预案及MOP，推动运维标准化。

学历与经验：本科及以上学历，通信、计算机、电子工程等相关专业，3年以上大型数据中心或大型互联网硬件/IDC运维经验。 硬件能力：精通x86/ARM服务器架构，熟悉主流GPU（如NVIDIA H系列）服务器的硬件组成、供电与散热要求；具备独立排查硬件故障的能力。 网络能力：深入理解TCP/IP协议，精通VLAN、VXLAN、BGP、OSPF等协议；必须熟悉InfiniBand或RoCE v2等高性能网络技术，能熟练使用ibdiagnet、perfquery等工具。 工具使用：熟练使用Zabbix、Prometheus或商业化DCIM监控系统。 职业素养：具备强烈的责任心、严谨的逻辑思维，能适应智算中心投产初期的快节奏与高强度，持有CCNP/HCIP或同等认证者优先。