纬创资通
HPC 系統效能優化與平台開發工程師
HPC 系統效能優化與平台開發工程師
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公高性能计算
高性能计算
Hpc
自动化运维
集群架构
值不值得投
71综合评分
综合评分 71
上市巨头HPC算力底座核心岗，技术壁垒高、成长空间大，但需承担24/7现场运维与高压排障挑战。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
1.8万
比高性能计算中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 220 个在招
市场机会
选择不多
台北 · 高性能计算 · 1 个在招
职位详情
关于这个职位
该职位负责端到端高效能运算（HPC）平台的规划、建置与运维，涵盖软硬件集群架构设计、高速网络部署及自动化管理
你需要处理系统效能优化、故障诊断与硬件维护，确保HPC集群24/7稳定高效运行
最低要求
职位描述中未明确列出独立的任职要求模块，但根据核心职责推断需具备：1. 熟悉HPC软硬件集群架构规划及高速网络（InfiniBand、Ethernet）部署与调优
掌握BCM、Ansible、Slurm、Kubernetes等自动化部署与监控工具
具备Linux（RHEL）集群环境下的系统运维、效能优化及硬件故障诊断与RMA协调能力
工作职责
HPC 软硬件集群架构规划：设计高效能运算集群的整体架构，包含计算节点、存储系统与高速互联网络，评估效能需求并优化资源配置
网络系统配置与管理：规划与部署高速网络（如 InfiniBand、Ethernet），进行效能调优、流量监控与故障排除，确保低延迟与高带宽传输
HPC 集群建置、自动化管理与硬件维护：执行集群硬件机架组装、布线、配置与预防性维护
开发与实施自动化工具（例如 BCM、Ansible、Slurm、Kubernetes），实现集群部署、监控与扩展
管理CPU、GPU计算节点、GPU 加速器与存储设备的生命周期
平台运行问题诊断与解决：处理 HPC 平台运行中的技术、效能与信息安全问题，包括系统崩溃、资源争用与漏洞修补
快速响应事件，进行根本原因分析（RCA）并制定预防措施
软硬件运维与系统监控：持续监控系统健康状态（使用 BCM、Nagios、Prometheus、Grafana 等工具），确保软硬件设备 24/7 正常运转
执行 RHEL 操作系统与应用软件的安装、升级与优化
硬件专业故障排查：在 Linux 集群环境中诊断并解决服务器、网络设备与周边硬件故障，应用逻辑分析与诊断工具
协调供应商 RMA 流程，确保最小化停机时间
AI 洞察
优缺点分析
优点
- 处于AI与高性能计算爆发的核心赛道，算力基础设施经验具有极高的行业壁垒与稀缺性
- 能够深入接触底层硬件（CPU/GPU加速器）与高速网络，积累从硬件组装到软件调优的端到端全栈能力
- 依托跨国巨头企业平台，有机会参与大规模企业级HPC集群的建设，项目经验含金量高
- 涉及大量硬件机架组装、布线及现场排障，工作环境可能包含机房噪音与物理劳动，需适应现场运维节奏
- 适合具备扎实Linux底层运维功底、对硬件与网络架构有浓厚兴趣，且能在高压环境下快速定位并解决复杂系统故障的硬核技术人才
缺点 / 挑战
- 需保障系统24/7正常运转，可能面临突发系统崩溃或硬件故障的紧急响应压力，对排障速度与抗压能力要求高
角色解读
- 纵向可发展为HPC基础架构专家或资深系统架构师，主导更大规模算力集群的设计与优化
- 横向可向AI算力平台架构、云原生HPC或技术管理岗位转型，把握AI时代算力基础设施的核心需求
- 负责HPC（高效能运算）集群的整体架构规划，包括计算节点、存储系统与高速网络（InfiniBand/Ethernet）的设计与部署
- 开发并实施自动化工具（如Ansible、Slurm、Kubernetes），实现集群的自动化部署、监控与扩展
- 处理系统运行中的技术、效能与安全问题，进行根本原因分析（RCA）及硬件故障诊断与RMA协调
- 精通Linux（RHEL）集群环境运维，具备服务器、网络设备及周边硬件故障的逻辑分析与诊断能力
- 熟练掌握HPC调度与自动化管理工具，如Slurm、BCM、Ansible、Kubernetes等
- 熟悉高速网络（InfiniBand、Ethernet）的部署、效能调优与流量监控，确保低延迟与高带宽传输
申请策略
- 了解纬创资通在AI服务器与算力基础设施领域的业务布局，面试时可结合其硬件制造优势探讨HPC平台的软硬协同优化方案
- 突出在Linux集群环境下的运维经验，特别是使用Slurm、Kubernetes等工具进行大规模节点管理与自动化部署的项目
- 详细列举参与过的HPC或高性能计算集群架构设计案例，包括计算节点、存储与InfiniBand高速网络的规划与调优成果
- 强调硬件故障诊断与RMA流程管理经验，展示在最小化停机时间方面的具体贡献与根本原因分析（RCA）能力
- 深入学习GPU加速器（如NVIDIA DGX系列）的生命周期管理与集群调度优化，以契合当前AI算力平台的发展趋势
- 提升Prometheus、Grafana等监控工具的二次开发与告警规则定制能力，增强系统健康状态的可视化与自动化预警水平
面试指南
- 故障排查类问题采用“现象确认 -> 日志/监控数据分析 -> 隔离测试 -> 根因定位 -> 修复与预防（RCA）”的结构化思路回答
- 架构规划类问题采用“需求分析（算力/存储/网络带宽） -> 拓扑设计 -> 瓶颈预测与调优策略 -> 自动化与监控方案”的逻辑展开
- 请描述一次你处理过的最复杂的HPC集群系统崩溃或资源争用事件，你是如何进行根本原因分析（RCA）并解决的？
- 在规划包含CPU/GPU计算节点与InfiniBand网络的HPC集群时，你会如何评估效能需求并优化资源配置？
- 你如何使用Ansible或Slurm实现集群的自动化部署与扩展？请分享一个你开发或实施自动化工具的具体案例
- 当Linux集群环境中出现服务器或网络设备硬件故障时，你的诊断逻辑是什么？如何协调供应商RMA以最小化停机时间？
- 复习InfiniBand网络原理、Slurm调度器配置及Linux内核网络调优参数，准备应对底层技术细节的拷问
- 梳理过往项目中涉及硬件生命周期管理、RMA流程及24/7系统保障的实际案例，用数据量化你的运维成果（如降低停机时间百分比）
职位点评
薪资福利75
成长发展85
工作生活40
使命价值80
薪资福利
75中等
作为上市巨头企业的核心技术支撑岗，薪资福利具备市场竞争力，但JD未明确披露具体薪资数字与特殊津贴。
薪资信号未披露（AI估算：1.3千–2.2万/月）
成长发展
85较高
岗位涉及端到端HPC架构与底层软硬件技术，技术壁垒高，能积累极具稀缺性的算力基础设施经验。
技术前沿前沿/新兴技术
技术栈HPC、InfiniBand、Slurm、Kubernetes、Ansible、Prometheus、Grafana、Linux、GPU
业务类型ambiguous
工作生活
40较低
岗位明确要求硬件机架组装、布线及24/7系统监控与故障快速响应，工作强度与现场运维压力较大，WLB难以保证。
工作模式未明确
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
80较高
HPC与AI算力基础设施是当前科技发展的核心底座，岗位具有推动前沿科技落地的使命感与行业前景。
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
纬创资通 的其他在招职位
相似职位推荐
Watch Jobs