公司简介
开放创新AI是一家全球科技公司，专注于开发用于管理AI工作负载的先进解决方案。其旗舰产品开放创新集群管理器（OICM）能够高效地在多样化的基础设施上协调复杂的AI任务。该平台对硬件无依赖，针对各种GPU和加速器硬件进行了优化，并为企业AI应用提供无缝的集成和可扩展性。开放创新AI致力于优化和简化AI工作负载管理，使AI技术对各类规模的组织都可访问。通过其创新解决方案，公司可以降低运营成本，加速价值实现，并最大化投资回报，确保其AI战略直接促进业务成果的提升。
职位概述：
系统工程师 - Kubernetes角色确保开放创新的Kubernetes平台以一致和可靠的方式交付和支持。该角色专注于保持开发集群的稳定性，为产品团队准备Kubernetes及其扩展所需的操作系统镜像和驱动程序，并构建详细的部署包，以便客户环境顺利推出。作为设计与交付之间的纽带，工程师将架构标准转化为可执行的、文档完善的解决方案，供部署团队执行并由运营团队维护。
要求：
- 在开发环境中操作和支持Kubernetes集群，确保产品团队的稳定性和可用性。
- 准备Kubernetes节点和扩展（如CSI、GPU）所需的操作系统镜像、内核模块和驱动程序。
- 构建和维护部署模板、清单和自动化剧本，以实现一致的集群部署和升级。
- 通过提供监控基线、日志集成和工作负载性能验证，确保可观察性和性能。
- 进行性能工程活动，包括集群调优、基准测试和AI/HPC场景的资源优化。
- 与基础设施、网络和平台团队合作，使Kubernetes与底层系统和服务保持一致。
- 为交付和运营团队制作部署指南、运行手册和操作文档。
- 为Kubernetes和容器平台问题提供SME级别支持，与供应商协调升级和兼容性更新。
资格、经验、能力和认证
- 计算机科学、工程或相关领域的学士学位。
- 4-7年系统或平台工程经验，具有直接支持Kubernetes环境的经验。
- 扎实的Linux基础知识和构建、维护Kubernetes节点操作系统镜像、驱动程序和内核模块的经验。
- 熟悉Kubernetes存储和网络集成（CNI、CSI、入口/出口），能够提供SME级别支持。
- 拥有自动化和部署工具（如Ansible、Terraform、Helm、Kustomize、Python脚本）的实际操作经验。
- 了解可观察性和监控堆栈（Prometheus、Grafana、日志管道）并能够定义监控基线。
- 具备性能工程经验，包括集群调优、基准测试以及计算、存储和GPU工作负载的优化。
- 在Kubernetes环境中加速器/GPU支持（驱动程序打包、操作员、调度）的经验是一个强大的优势。
- 具有为工程和交付团队制作LLD、部署指南和运行手册的实际经验。
- 有与供应商合作处理支持案例、驱动程序/兼容性问题和软件更新的经验。
- 拥有CKA、CKAD或CKS等认证者优先。
- 具备强大的故障排除、文档编写和跨团队协作能力。
