中国平安
分布式存储AIOps工程师
分布式存储AIOps工程师
发布于 大约 2 个月前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
本科
软件工程
机器学习
PyTorch
TensorFlow
MLOps
异常检测
分布式存储
AIOps
时序预测
Ceph
AI 估算 · 30k–50k
AIOps+分布式存储复合技能稀缺，大厂高薪，深圳市场行情30-50k/月，年终奖丰厚。
职位详情
关于这个职位
该职位负责构建分布式存储（如Ceph）的智能运维平台，利用机器学习和数据分析实现故障预测、异常检测和根因定位
你将处理海量日志和指标数据，训练时序预测模型，并推动运维智能化转型
适合有AIOps实战经验、精通分布式存储和机器学习的工程师
最低要求
计算机相关专业本科及以上学历，3年以上分布式存储运维经验，有实际的AIOps项目落地经验，对智能运维体系有深刻理解和浓厚兴趣
精通分布式存储架构（Ceph/RADOS优先），熟悉数据分布策略、一致性协议及故障恢复机制，具备PB级集群运维调优经验
掌握机器学习全流程能力：熟练使用Python及ML框架（PyTorch/TensorFlow/Sklearn）、具备时序预测（ARIMA/DeepAR）、异常检测（LOF/VAE）等场景实战经验、熟悉特征工程、模型评估及MLOps工具链（MLflow/Kubeflow）
熟练开发运维自动化脚本（Python/Go），熟悉Ansible/SaltStack等配置管理工具
熟悉运维领域经典算法：如根因分析（因果推断/贝叶斯网络）、容量规划（时间序列分解/蒙特卡洛模拟），具备LLM应用经验者优先（如基于GPT构建运维知识问答系统）
工作职责
基于机器学习与大数据技术，构建分布式存储（如Ceph）的智能运维平台，实现故障预测（如硬盘故障率建模）、异常检测（时序数据分析）及根因定位
对存储集群的日志（如Ceph OSD日志）、指标（延迟、IOPS、网络丢包率）进行多维度分析，构建特征工程并训练预测模型（如LSTM/Prophet时序预测）
实现关键场景的AI赋能，包括：容量预测、智能告警、根因分析等为运维团队提供AI能力培训，推动传统运维向智能化运维转型
AI 洞察
优缺点分析
优点
- 技术前沿：结合分布式存储和AI，属于高价值复合技能，市场稀缺
- 大厂平台：中国平安提供稳定环境、丰富数据和跨业务场景
- 成长空间：AIOps是运维趋势，积累经验后可成为行业专家
- 技术难度高：需要同时精通存储系统和机器学习，学习曲线陡峭
- 竞争激烈：该岗位吸引顶尖人才，面试要求高
- 适合有分布式存储运维背景、热爱AI技术、希望在智能运维领域深耕的工程师
缺点 / 挑战
- 工作强度大：大厂运维可能面临on-call和紧急故障处理压力
角色解读
- 技术深耕：成为AIOps领域专家，主导智能运维平台架构演进
- 管理方向：晋升为运维团队技术负责人或AI运维部门经理
- 跨界发展：转向AI平台开发、数据科学或云原生架构师
- 构建分布式存储智能运维平台，利用机器学习实现故障预测、异常检测和根因定位
- 分析海量日志和时序指标数据，进行特征工程并训练预测模型（如LSTM、Prophet）
- 实现容量预测、智能告警等AI场景，并为运维团队提供AI能力培训
- 精通分布式存储架构（Ceph/RADOS），具备PB级集群运维调优经验
- 掌握机器学习全流程，包括Python、PyTorch/TensorFlow、时序预测和异常检测算法
- 熟悉运维自动化脚本（Python/Go）和配置管理工具（Ansible/SaltStack）
申请策略
- 了解平安的存储架构和业务场景，在面试中展示针对性方案
- 准备一个完整的AIOps项目案例，从问题定义到模型部署
- 突出AIOps项目落地经验，包括故障预测、异常检测等具体案例
- 强调Ceph/RADOS运维调优经验，特别是PB级集群规模
- 展示机器学习项目成果，如时序预测模型效果、特征工程方法
- 补充MLOps工具链（MLflow/Kubeflow）的实践经验
- 学习LLM应用，如基于GPT构建运维知识问答系统
面试指南
- STAR法则：情境-任务-行动-结果，清晰展示项目背景和个人贡献
- 技术对比：比较不同方案的优缺点，展示深度思考
- 端到端思维：从数据采集到模型部署监控，体现全流程能力
- 请描述一个你主导的AIOps项目，包括技术选型和效果
- Ceph的故障恢复机制是什么？如何优化读写性能？
- 如何对时序数据进行异常检测？请比较几种常用算法
- 如何设计一个硬盘故障预测模型？特征如何选择？
- 你如何将机器学习模型部署到生产环境并持续监控？
匹配度报告
68
综合匹配度
大厂AIOps岗位，前沿技术栈，薪资优厚，但WLB一般。
适合人群
适合追求技术成长、高薪资，能接受一定工作强度的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活40
使命价值60
薪资福利匹配
80较高
薪资水平较高，大厂福利完善，但JD未明确具体薪资和福利细节。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
90较高
技术栈前沿（AIOps、LLM），成长空间大，但JD未明确晋升路径。
技术前沿前沿/新兴技术
技术栈Ceph、AIOps、机器学习、时序预测、Python、PyTorch、TensorFlow、异常检测、MLOps、LLM
业务类型cost_center
工作生活匹配
40较低
JD未提及远程或弹性工作，大厂运维可能涉及on-call，WLB一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
60中等
智能运维提升系统稳定性，有一定社会价值，但行业属性偏内部支持。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs