中国平安
IaaS运维资深工程师
IaaS运维资深工程师
发布于 大约 17 小时前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
本科
CUDA
NVIDIA
GPU服务器
自动化运维
AI 估算 · 30k–50k
资深运维工程师，深圳地区，AI+GPU技术稀缺，薪资竞争力强，月薪30-50K合理。
职位详情
关于这个职位
这个职位是平安集团的IaaS运维资深工程师，专注于大规模物理服务器集群（含GPU服务器）的部署、监控与优化，支撑AI训练和推理业务
你需要负责自动化运维方案设计、硬件故障处理以及监控体系搭建，确保系统高可用
适合有5年以上数据中心运维经验、精通Linux和GPU技术、对自动化运维有热情的技术专家
最低要求
本科及以上学历，计算机、通信、电子或相关专业
年以上服务器运维经验，具备大规模数据中心运维背景者优先
精通Linux系统（如CentOS、Ubuntu、Rocky Linux）的安装、配置、优化与故障排查
熟悉主流服务器品牌的硬件架构与管理工具（iDRAC、iLO、BMC等）
具备GPU服务器运维经验，熟悉NVIDIA GPU驱动、CUDA、NCCL、NVIDIA Driver、NVLink、GPUDirect等技术
熟练掌握Shell/Python脚本编程，能编写自动化运维脚本
熟悉Ansible、SaltStack、Puppet等配置管理工具者优先
熟悉监控系统（Prometheus + Grafana、Zabbix、ELK等）的搭建与使用
了解TCP/IP、VLAN、BGP等网络基础知识，能配合网络团队完成服务器网络配置
工作职责
负责大规模物理服务器集群（含GPU服务器）的部署、配置、监控、维护与优化，保障系统高可用性与稳定性
主导GPU服务器（如NVIDIA A100/H100等）的部署、驱动安装、CUDA环境配置及性能调优，支持AI训练与推理业务
设计并实施服务器自动化运维方案，包括系统初始化、固件升级、配置管理、批量部署等，提升运维效率
负责服务器硬件故障诊断与处理，协调厂商进行维修与更换，建立完善的硬件生命周期管理机制
搭建和维护服务器监控体系（如Prometheus、Zabbix、Grafana等），实现对CPU、内存、磁盘、GPU利用率、温度、功耗等关键指标的实时监控与告警
配合DevOps团队实现CI/CD流程中对物理资源的自动化调度与管理
编写和维护技术文档，包括部署手册、故障处理SOP、应急预案等
参与机房基础设施规划，协助完成服务器上架、网络布线、电源管理等现场运维工作
跟踪GPU、AI计算、高性能计算（HPC）等领域的最新技术趋势，推动运维体系持续演进
AI 洞察
优缺点分析
- 接触前沿的GPU和AI基础设施技术，积累高含金量的运维经验
- 大平台（平安）稳定，业务场景复杂，能锻炼大规模运维能力
- 技术团队成熟，有机会与DevOps和AI团队协作，拓宽知识面
- 职业发展路径清晰，可向架构师或专家岗晋升
- 现场办公，可能需要处理紧急故障，偶有加班
- 技术迭代快，需持续学习新硬件和软件栈
- 大规模环境运维压力大，对故障排查和抗压能力要求高
- 适合热爱底层基础设施、对GPU和高性能计算有浓厚兴趣、享受技术挑战并追求稳定平台的资深运维工程师
角色解读
- 可向IaaS架构师方向发展，主导数据中心整体架构设计
- 也可深入AI基础设施领域，成为GPU计算或高性能计算专家
- 有机会转向运维开发（DevOps）或云平台团队，参与更大规模的系统设计
- 管理大规模物理服务器集群，涵盖GPU服务器，确保高可用与稳定性
- 主导GPU服务器的部署、驱动安装及CUDA环境配置，优化AI训练和推理性能
- 设计并实施自动化运维方案，包括批量部署、配置管理和监控体系搭建
- 处理硬件故障，协调厂商维修，建立硬件生命周期管理机制
- 精通Linux系统管理，熟悉CentOS、Ubuntu等发行版
- 熟悉GPU服务器运维，掌握NVIDIA驱动、CUDA、NCCL等技术
- 熟练使用Shell/Python编写自动化脚本，了解Ansible等配置管理工具
- 掌握监控系统如Prometheus、Grafana、Zabbix的搭建和使用
申请策略
- 准备一个自己主导的运维项目案例，详细阐述从问题到解决方案的过程
- 关注平安在AI和金融科技领域的布局，面试时展现对业务的理解
- 突出大规模数据中心运维经验，尤其是GPU服务器管理的具体案例
- 强调自动化脚本编写能力，列出用Ansible等工具实现的部署、监控项目
- 展示故障排查和性能调优经历，最好有量化结果（如故障率降低、效率提升）
- 体现对NVIDIA GPU生态的熟悉程度，如CUDA、NCCL、NVLink
- 若缺乏GPU经验，可自学NVIDIA深度学习GPU安装与配置，并在业余项目实践
- 强化Python和Shell脚本能力，熟悉CI/CD工具（如Jenkins）
面试指南
- STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)
- 技术问题分步回答：先说原理，再举实例，最后总结心得
- 协作问题强调沟通方法和角色分工
- 请描述一次你处理大规模服务器故障的经历，你是如何快速定位和解决的？
- 谈谈你对GPU服务器运维的理解，包括驱动安装、CUDA版本管理及性能调优？
- 如何设计一个自动化运维方案来管理上千台服务器的配置和固件升级？
- 你用什么监控工具？如何设置告警阈值避免误报？
- 描述一次你与网络团队或DevOps团队协作完成任务的经历
匹配度报告
68
综合匹配度
大厂资深运维岗，GPU/AI前沿技术栈，技术成长空间大，但WLB较一般。
适合人群
适合追求技术成长、拥抱AI前沿、不介意现场办公和偶尔加班的运维专家。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展90
工作生活50
使命价值60
薪资福利匹配
70中等
薪资未披露但大厂通常提供有竞争力的薪酬和稳定福利，不过未明确高额激励。
薪资信号未披露 (30K-50K/月)
成长发展匹配
90较高
职位涉及前沿GPU、AI技术，能深度参与大规模运维体系建设，技术成长空间大。
技术前沿前沿/新兴技术
技术栈Linux、GPU、NVIDIA、CUDA、Ansible、Prometheus、Grafana、Python、Shell
业务类型cost_center
工作生活匹配
50较低
未提及远程或灵活工作时间，现场办公且可能应对突发故障，WLB一般。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
60中等
平安作为金融科技巨头，社会影响力中性，AI运维对内部业务有支撑价值但非外部公益。
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