初速度
SRE高级运维工程师
SRE高级运维工程师
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公DevOps/SRE
DevOps/SRE
Dcgm
Go
Gpu集群运维
Nvidia-Smi
可观测体系
自动化运维
值不值得投
78综合评分
综合评分 78
自动驾驶赛道核心基础架构岗，技术栈前沿且壁垒高，薪资竞争力强，但需承担一定的故障响应压力。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4万
与DevOps/SRE中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
18 个在招
市场机会
选择面较广
北京 · DevOps/SRE · 66 个在招
职位详情
关于这个职位
该职位负责保障各产品线服务的稳定高效运行，推动运维自动化与标准化建设，并快速响应和解决各类故障
你需要具备大规模K8S集群和GPU集群的运维经验，通过自动化工具提升运维效率，优化整体运维架构
最低要求
计算机相关专业，至少5年以上工作经验，具备工程化思维和自动化意识
具备大规模生产级别自建 K8S 集群（单集群至少 500 worker 节点以上）搭建及运维排障经验，且熟悉主流可观测体系及日志体系的构建及维护
负责GPU集群日常运维、驱动与固件管理、监控告警（利用率/显存/温度/功耗）及故障排查处理，熟悉nvidia-smi、DCGM、Kubernetes/Docker及Linux系统运维，具备大规模GPU集群运维经验者优先
熟悉 Linux 操作系统，了解 Linux 操作系统基本原理
熟悉 Python，Go 中的至少一门编程语言，熟悉 Shell 脚本
工作职责
负责各产品线服务的稳定、高效运行，跟踪用户体验，优化运维架构
推动运维自动化/标准化方案设计，自动化工具及平台研发，提升运维效率
及时响应各类故障报警，快速解决问题恢复业务
优先资格
具备大规模GPU集群运维经验者优先
AI 洞察
优缺点分析
优点
- 接触行业前沿的大规模GPU集群与K8S技术，技术壁垒高，个人核心竞争力强
- 身处自动驾驶/人工智能赛道，业务前景广阔，作为核心支撑岗位受公司重视
- 需应对大规模集群的复杂故障，对排障逻辑、底层原理掌握及抗压能力要求极高
- GPU集群运维涉及底层硬件与驱动，技术栈深且迭代快，学习曲线较为陡峭
- 适合具备扎实底层系统功底、热爱自动化与基础架构，且能在高压环境下快速定位解决复杂问题的资深运维工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 从高级SRE向SRE专家或运维架构师发展，深入自动驾驶底层算力调度与大规模集群治理
- 也可向基础架构技术管理或运维团队负责人方向转型，统筹整体稳定性保障体系
- 保障自动驾驶等核心产品线服务的稳定运行，处理线上故障并优化运维架构
- 主导运维自动化和标准化建设，开发自动化工具和平台以提升整体效能
- 负责大规模K8S集群及GPU集群的日常运维、监控告警与底层故障排查
- 精通大规模K8S集群（500节点以上）的搭建与排障，熟悉可观测与日志体系建设
- 熟练掌握Linux系统原理，具备Python/Go/Shell编程能力以开发自动化脚本与工具
- 具备GPU集群运维经验，熟悉nvidia-smi、DCGM等底层硬件监控与驱动管理工具
申请策略
- 了解初速度在自动驾驶领域的业务布局，准备关于高并发、高可用架构设计及重大故障复盘的完整案例
- 突出大规模K8S集群（500+节点）的实战经验及可观测体系建设的量化成果
- 详细列举GPU集群运维、驱动管理及自动化平台开发的具体项目与业务收益
- 深入学习GPU底层架构及DCGM等监控工具的高级用法，提升Go语言在云原生组件开发中的应用能力
- 复习Linux内核网络与存储子系统原理，以应对大规模集群的底层排障需求
面试指南
- 采用STAR法则，强调故障场景的复杂性、排查思路的逻辑性以及最终通过自动化手段根治问题的成果
- 对于架构设计题，从需求分析、技术选型、高可用设计到落地收益进行结构化阐述
- 如何设计并维护一个500节点以上的K8S集群？遇到过哪些性能瓶颈或坑？
- GPU集群中显存泄漏或温度过高的故障如何排查？请分享具体案例
- 请分享一个你主导的运维自动化平台开发案例，解决了什么痛点？
- 在可观测性体系建设中，你如何选型并落地日志与监控告警体系？
- 复习K8S底层原理（如网络、调度、存储）及Linux内核基础，准备至少两个大规模集群故障排查的完整复盘案例
- 了解自动驾驶业务对算力调度和低延迟的要求，思考SRE如何更好地赋能业务
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
职位面向5年以上经验的高级SRE，涉及GPU与大规模K8S，技术门槛高，一线城市薪资具备较强竞争力。
薪资信号未披露（AI估算：3千–5万/月）
成长发展
90较高
涉及大规模GPU集群与K8S等前沿基础架构技术，技术深度与广度兼具，能极大提升个人在AI基础设施领域的核心竞争力。
技术前沿前沿/新兴技术
技术栈Kubernetes、Docker、GPU集群、nvidia-smi、DCGM、Python、Go、Linux
业务类型cost_center
工作生活
50较低
JD未提及工作模式与WLB相关信息，但SRE岗位通常需要响应故障报警，可能存在一定的on-call压力。
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
80较高
服务于自动驾驶这一具有重大社会价值与广阔前景的赛道，岗位虽为底层支撑，但对保障自动驾驶安全与体验至关重要。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs