AI 基礎架構維運工程師（運算與儲存）
為 Highrise AI 的 GPU 運算與儲存平台提供第二線支援，解決升級處理的基礎架構問題。 負責 Linux、Kubernetes、Slurm、GPU 系統與分散式儲存相關工作。
說明
- 為大型 GPU 運算與儲存平台提供第二線維運支援。
- 接手升級處理的事件、服務要求及問題單，追蹤至解決、進一步升級或完成有紀錄的交接。
- 運用記錄、監控儀表板、管理介面及核准的診斷工具，診斷運算與儲存故障。
- 評估事件嚴重程度及對客戶的影響，並在維運與 SLA 目標內協調服務復原。
- 記錄疑難排解過程、更新問題單、準備輪班交接，並將問題升級至第三線團隊或原廠設備製造商（OEM）。
- 排查 Linux 伺服器、GPU 健康警示、開機失敗、韌體與驅動程式問題、硬體故障及資源可用性問題。
- 支援節點佈建、重新製作映像、組態變更、例行維護及服務恢復檢查。
- 調查 Kubernetes 與 Slurm 節點或工作負載故障。
- 分析連線與 GPU 通訊異常；需要深入調查時，協調網路或第三線工程師參與。
- 監控並排查分散式與高效能儲存系統。
- 調查檔案系統掛載失敗、儲存節點或磁碟警示、服務降級，以及存取或效能問題。
- 與儲存供應商及資料中心機房技術人員合作，執行核准的復原、維護與零件更換流程。
- 支援檔案、物件及區塊儲存平台。
- 協助升級、排定的維護、叢集擴充及驗證工作。
- 維護資產、組態及問題單記錄；改善操作手冊、檢查清單及知識文章。
- 找出重複發生的事件，並運用指令碼與基礎架構管理工具，將可重複的維運工作自動化。
- 與遠端工程團隊、現場技術人員、OEM 及供應商合作。
職位要求
- 具備電腦科學、工程或相關領域的學士學位，或同等實務經驗。
- 具備 3–6 年在正式環境支援 Linux 伺服器、高效能運算、雲端或資料中心基礎架構的經驗。
- 有企業級運算硬體、iDRAC 或 iLO 等 BMC 管理介面、作業系統及監控工具的實際疑難排解經驗。
- 熟悉 NFS、分散式檔案系統、物件儲存及儲存效能基礎。
- 具備問題單系統及變更管理程序的使用經驗。
- 具備使用 Bash 或 Python 撰寫指令碼，以進行例行診斷與自動化的經驗。
- 接觸過 NVIDIA GPU 系統、InfiniBand/RDMA、Kubernetes、Slurm 或 AI/HPC 儲存平台者尤佳。
- 能以有條理且依據證據的方式排查問題，並妥善判斷應修復、協作或升級處理。
- 展現對問題單的負責態度，並注重維運細節。
- 能與 NOC、SRE、硬體、網路、儲存及第三線工程團隊有效合作。
- 具備清晰的英語口語與書面溝通能力。
- 願意前往資料中心參與叢集啟用、驗收及複雜疑難排解。
- 能彈性支援正常工時以外的重大事件或維護工作。
福利待遇
- 直接影響大型 AI 叢集的效能、可靠性及正式上線準備。
- 與經驗豐富的基礎架構工程師共事。
- 協助為持續擴展的全球 AI 基礎架構平台建立技術標準。
- 與教育及職涯背景多元的同事合作。
- 向管理階層提出並展示新的產品、服務及計畫構想。
- 拓展科技、能源及基礎架構領域的專業人脈。
- 為身心障礙人士提供合理便利。
