腾讯
AI数据中⼼⽹络运营⼯程师
AI数据中⼼⽹络运营⼯程师
发布于 大约 14 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
本科
信息技术与基础设施
BGP
RDMA
RoCE
SONiC
ECN
PFC
Dcqcn
Gnmi
Spine-Leaf
AI 估算 · 20k–35k
腾讯大厂，技术难度高，AI基础设施方向薪资竞争力强，2年经验对应中级工程师水平。
职位详情
关于这个职位
作为腾讯AI数据中心的网络运营工程师，你将负责大规模RoCE网络的日常运维、故障处理和性能优化，确保AI业务的高可用与低延迟
你将接触到前沿的无损网络技术，与团队协作推动自动化运维工具的建设，并持续积累网络运营知识体系
最低要求
一、基本要求
计算机科学、通信工程、电子信息或相关专业本科及以上学历
年以上数据中心网络运维/运营经验
熟悉数据中心网络架构（Spine-Leaf / Clos / Fat-Tree），有大规模（千台交换机以上）网络运营经验优先
二、专业技能
路由与交换：熟练掌握 BGP（eBGP/iBGP）、ECMP、VLAN、LACP / MLAG（M-LAG）等协议的原理与配置
RoCE 网络：理解 RoCEv2 协议栈、无损以太网设计原则，熟悉 PFC / ECN 机制与 DCQCN 算法参数调优
交换机操作：熟悉至少一种主流数据中心交换机平台（如 SONiC、Cumulus、NX-OS、EOS、CloudEngine）的配置与故障排查
网卡与驱动：了解 RDMA 网卡（如 NVIDIA ConnectX 系列）的基本配置，包括 QoS 映射、PFC 配置、固件升级等
监控与遥测：了解网络遥测技术（gNMI Streaming Telemetry、INT 带内遥测）及流采样（sFlow / NetFlow），能基于计数器与时序数据进行根因分析
三、能力素质
较强的逻辑分析能力和故障排查思维，能在压力下快速定位复杂网络问题
良好的沟通协作能力，能与开发、架构、业务团队高效配合
责任心强，能接受 oncall 轮值，保障关键业务的网络可用性
持续学习意愿，关注业界 RoCE/无损网络/AI 网络的技术演进
工作职责
网络运营保障：负责数据中心 RoCE 网络的日常运维，包括网络监控、告警处理、变更管理，保障网络高可用和低延迟
故障诊断与应急：主导网络故障的快速定位与恢复，尤其是 PFC Storm / PFC Deadlock、丢包、链路降级、拥塞扩散等无损以太网典型问题的诊断处理
性能调优：根据业务负载特征，调整拥塞控制策略（PFC 阈值 / ECN 标记 / DCQCN 算法参数）、交换机 Buffer 策略（Headroom / Shared Buffer / α 值）、ECMP 负载均衡策略等，持续优化网络吞吐和延迟表现
容量规划：参与网络架构评审和容量规划，评估现网瓶颈，为扩容/新建集群提供技术方案
自动化运维：协同开发团队，推动网络运维工具和自动化平台的需求定义与落地，提升运维效率
文档与知识沉淀：建设网络运营知识库，输出最佳实践、故障案例库和操作手册
优先资格
有大规模（千台交换机以上）网络运营经验优先
AI 洞察
优缺点分析
优点
- 腾讯大平台，接触超大规模AI网络，技术积累深厚
- 涉及RoCE/无损网络等前沿技术，保持行业竞争力
- 团队专业，有完善的导师和培训体系
- 技术深度高，要求持续学习，学习曲线较陡
- 适合有2年以上网络运维经验、对AI和数据中心网络有浓厚兴趣、能接受高强度工作的技术人才
缺点 / 挑战
- 需要oncall轮值，工作压力大，可能影响生活平衡
角色解读
- 向网络架构专家方向发展，深入理解大规模数据中心网络设计
- 可向AI基础设施技术管理岗位转型，结合业务需求推动网络创新
- 积累故障处理经验后，成为团队技术骨干或负责人
- 负责AI数据中心RoCE网络的日常运维，包括监控、告警处理和变更管理，保障网络高可用与低延迟
- 主导网络故障的快速定位与恢复，特别是PFC死锁、丢包等无损网络典型问题的诊断
- 根据业务负载调整拥塞控制参数和交换机Buffer策略，持续优化网络吞吐和延迟
- 精通BGP、RoCEv2、PFC/ECN等协议原理及配置
- 熟悉至少一种主流数据中心交换机平台（如SONiC、NX-OS）的故障排查
- 了解RDMA网卡配置和网络遥测技术，具备根因分析能力
申请策略
- 了解腾讯云AI业务方向，在面试中体现对业务的理解
- 准备好实际故障案例，展示逻辑分析和解决问题能力
- 突出RoCE相关项目经验，如PFC调优或故障处理案例
- 强调大规模网络运维经历，展示故障排查和自动化能力
- 列出掌握的交换机平台和脚本语言（如Python），体现技术广度
- 补充对SONiC、gNMI等新技术的了解，可提前学习
- 复习无损网络理论（DCQCN、ECN），准备技术面试
面试指南
- 技术问题：从原理到实践，先解释机制，再结合自己的经验
- 故障案例：采用STAR法则，强调排查逻辑和最终效果
- 开放问题：展示学习能力和团队协作意识
- 请解释RoCEv2的工作原理以及PFC和ECN的作用
- 如何处理PFC死锁？描述排查步骤
- 你过去处理过的最复杂的网络故障是什么？如何解决的？
- 如何优化数据中心网络的延迟和吞吐？
- 你对自动化运维有什么看法？如何推动工具落地？
职位点评
71
综合评分
腾讯大厂，前沿技术栈，薪资优厚，但工作强度大且需oncall。
更适合这类人
适合极度看重技术成长和薪资、能接受较高工作强度的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展90
工作生活40
使命价值70
薪资福利
85较高
腾讯大厂薪资福利优厚，但JD未明确数字，整体竞争力强。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
90较高
涉及RoCE/无损网络等前沿技术，有知识库建设和最佳实践输出，成长空间大。
技术前沿前沿/新兴技术
技术栈RoCE、PFC、ECN、DCQCN、BGP、SONiC、RDMA、Spine-Leaf、gNMI、sFlow
成长机会建设网络运营知识库、输出最佳实践
业务类型cost_center
工作生活
40较低
现场办公且要求oncall轮值，WLB较差，但深圳核心地段办公。
工作模式仅现场办公
办公地点市区核心地段
加班情况明确要求弹性/高强度
使命价值
70中等
AI基础设施支撑行业发展，但网络运营对社会直接影响有限。
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