AI Infra SRE 工程师（正式）
小红书 · 北京市，上海市 · 社招
AI 摘要智能生成
建设算力/存储/网络/CPU 的 SLO 追踪与告警监控
职位描述
负责司内AI平台和AI算力的日常运维、故障处理、资源管理和稳定性保障工作。 负责AI相关配套资源的运维和管理支持工作，与供应商对接问题，保证资源服务可用性。 建设算力/存储/网络/CPU 的 SLO 追踪与告警监控，推动利用率提升与低效治理。 参与SRE运维平台建设，集成多集群的服务监控、资源管理、可观测等能力和定制化需求开发。 保障 Dots 大模型推理服务高可用，覆盖部署、升级、发布准出、容灾演练全流程。