算力运维负责人

1. 全面负责公司300P算力集群及数据中心运维平台的整体规划、架构设计与落地执行，搭建“标准化、自动化、数据化”一体化运维体系，保障各类业务系统、研发测试平台高可用性（SLA≥99.9%），确保GPU集群整体使用率及平均调用率≥85%，推动运维成本实现年降15%以上。 2. 统筹公司整体IT及算力运维全流程管理，主导监控告警体系升级，实现服务器、数据库、中间件、业务链路、算力节点全维度覆盖，搭建全套自动化部署工具（Jenkins、GitLab CI等）及运维中台，优化故障排查、变更管理、应急响应及算力扩容全流程，确保故障平均修复时间（MTTR）≤30分钟、变更成功率≥98%。 3. 管控核心运维工作，指导团队完成算力资源（物理机、虚拟机、容器集群、GPU/CPU节点）规划、全链路监控配置、数据备份与异地容灾方案落地，以及系统与算力性能调优，全面保障数据库、各类业务系统及算力支撑的稳定、高效运行。 4. 建立并持续迭代运维标准作业程序（SOP）、变更管理规范、应急响应机制及各项运维管理制度，搭建科学完善的运维服务质量考核指标，严格落实行业合规要求及数据安全规定，杜绝数据泄露、算力滥用等各类运维风险。 5. 负责运维团队（含基础运维、数据库运维、自动化运维、算力运维）的人才梯队搭建、绩效管理及技术培训工作，引入行业先进运维理念，推动团队成员专业能力与管理能力双提升，落地公司运维人才战略，协调研发、架构、安全等跨部门协作，助力DevOps理念落地执行。 6. 全面负责IAAS、MAAS、PAAS全体系运维管理与优化，承担数据中台、标注平台、数据湖等各类数据平台的运维工作，保障相关系统稳定运行，同时配合业务需求完成功能迭代优化，适配最新AI技术发展趋势。

1. 教育背景：计算机、信息技术及相关专业本科及以上学历。 2. 工作经验：具备8年以上运维相关工作经验，其中至少5年中大型运维团队管理经验；必须拥有100P及以上大规模算力集群运维管理经验，熟悉GPU/CPU算力节点运维、算力调度及能耗优化，具备GPU调优经验者优先考虑。 3. 技术能力：精通运维自动化、监控告警、数据备份与容灾相关技术，熟练运用Jenkins、GitLab CI、ELK Stack等运维工具；深入理解云原生、Kubernetes（K8s）生态，具备容器集群运维与调优经验者优先；掌握Python、Shell等至少一种编程语言，具备平台开发视野者优先；精通Hadoop、Spark、Flink及各类数据库底层原理，具备数据平台开发经验者优先。 4. 核心能力：具备极强的突发故障应急处置能力，能够快速定位并高效解决算力及业务系统各类复杂问题；具备优秀的统筹规划、团队管理及跨部门沟通协调能力，可带领团队高效达成各项运维目标，推动运维体系持续优化升级。 5. 合规意识：熟悉行业监管标准及数据安全相关规定（如供应链数据安全规范、等保相关要求），具备完善的合规运维意识，拥有相关合规运维经验者优先。