AI网络运维工程师

Job description

岗位职责

• 负责算力集群RoCEv2/IB无损网络规划与实施，承接算力平台网络运维运营；
• 负责Spine-Leaf架构下的交换机配置、布线管理、光模块/光纤故障排查与PFC死锁定位；
• 负责RDMA网络方案落地，支撑AllReduce/NCCL训练主平面高速互联与跨可用区高速互联；
• 负责集群网络监控告警与故障快速定位，建立网络SLA保障机制；
• 负责集群流量工程、QoS策略与变更割接管理，制定网络变更与回滚SOP；
• 负责网络设备配置备份、合规检查与网络资产管理，配合安全部门推进网络安全加固；
• 参与PD分离、训练-推理网络隔离等架构演进方案的落地，支撑万卡级集群网络扩展；
• 配合算力调度工程师完成拓扑感知调度网络层数据准备，主导网络性能调优与压测。

岗位要求

1、计算机/通讯工程/网络工程等相关专业，统招本科及以上学历 2、3年以上数据中心网络运维经验，有千卡以上智算集群RoCE/IB网络规划建设及调优运维经验； 3、熟悉主流RDMA网络方案，有云厂商RDMA/弹性RDMA网络使用经验者优先； 4、熟悉华为CloudEngine/Cisco/Juniper交换机，精通BGP/OSPF/MLAG/VXLAN/EVPN等协议； 5、精通RoCEv2/IB/PFC/ECN等无损网络协议，有PFC死锁、ECN调优、NCCL AllReduce链路排障实战经验； 6、熟悉400G/800G光模块、AOC/DAC线缆规格与故障判别方法，了解光端面检测仪使用； 7、熟悉Prometheus/Grafana等网络监控体系； 8、持CCNP/HCIP/HCIE及以上认证者优先； 9、具备较强的领域内故障排查和解决能力，能独立处理复杂技术问题，具备良好的沟通能力和团队协作精神，能适应值班和应急响应工作。