初级驻场GPU服务器运维工程师

该职位来源于猎聘 【岗位职责】 1. 硬件运维与资产管理（IDC现场工作）

• 设备上下架：负责GPU服务器、交换机等网络设备的收货、开箱、上架、物理连线（电源线、网线、光纤、IB线）及标签规范化化张贴。
• 硬件排障：熟练通过BMC/IPMI等带外管理工具或现场排查，定位服务器硬件故障。负责内存、硬盘、电源、风扇及GPU加速卡的拔插、更换与测试。
• 厂商对接：配合服务器硬件厂商（如浪潮、新华三、戴尔、NVIDIA等）工程师进行现场部件更换，追踪维修进度。
• 资产盘点：维护IDC机房现场的硬件资产台账（CMDB），确保实物与系统数据一致，管理现场备品备件库。 2. 系统与环境部署
• OS安装：负责大批量GPU服务器的Linux操作系统安装（Ubuntu/CentOS等）及基础网络配置。
• 驱动与环境：负责NVIDIA GPU显卡驱动（Driver）、CUDA Toolkit、cuDNN等基础深度学习运行环境的安装与初步配置。
• 基础测试：使用nvidia-smi、nvddl、gpu-burn 等工具对新上架或维修后的GPU服务器进行压力测试和健康度检查。 3. 日常巡检与监控响应
• 现场巡检：每日按SOP执行机房现场巡检（温湿度、异响、报警灯状态、动环系统状态），填写巡检日志。
• 告警响应：监控Zabbix/Prometheus等告警平台，对服务器死机、网络中断、GPU掉卡/过热等初级告警进行第一层响应（L1 Support）。
• 升级跟进：对于无法独立解决的复杂系统级或网络级故障，快速收集日志并准确升级至高级SRE工程师或网络工程师，配合完成故障恢复（保障SLA目标）。 【任职要求】 1. 基本要求
• 统招大专及以上学历，计算机科学、网络工程、电子信息等相关专业优先。
• 1年以上IDC数据中心运维或Linux系统运维经验（优秀的应届毕业生亦可考虑）。
• 能够适应IDC机房环境（噪音、低温），接受一定程度的倒班或周末值班安排（7x24小时响应要求）。 2. 专业技能
• 系统基础： 熟悉Linux操作系统基础命令，了解文件权限、进程管理、系统日志查看及基本网络配置（IP/路由/DNS）。
• 硬件知识： 熟悉X86服务器内部架构，了解CPU、内存、RAID阵列卡、NVMe SSD的工作原理。
• GPU认知： 了解GPU服务器与普通CPU服务器的物理区别，对主流NVIDIA GPU（如A100/H100/RTX 4090等）、PCIe与SXM架构有一定认知者优先。
• 网络基础： 了解基础网络拓扑，认识常见的光模块、光纤线、DAC线缆，了解交换机基本连线规则。 3. 软性素质
• 极强的执行力和责任心，做事严谨细致（机房操作无小事，需严格遵守SOP规范）。
• 具备良好的沟通表达能力及服务意识（需对接客户及二线技术团队）。
• 具备一定的抗压能力，在突发故障时能保持冷静并按流程处理。