First seen by Alion on Nov 19, 2026.
岗位职责
1. 负责智算集群 RoCEv2 或InfiniBand 高速网络平面的现场组网实施、链路验收、割接上线与扩容改造,按架构基线落地配置。
2. 承担 RoCEv2 网络构建与维护:交换机与网卡配置、子网规划、拓扑与路由策略、PKey 分区与多租户隔离、链路降级识别与故障隔离。
3. 承担 RoCEv2 无损以太的配置与调优,以及管理网、业务网、存储网与参数面的多网隔离部署。
4. 负责性能基准测试与调优:使用 NCCL、nccl-tests、perftest、ib_write_bw、ib_send_bw、iperf3 建立集群通信基线,结合拓扑与 NUMA 定位带宽不达标与尾延迟问题,输出调优报告。
5. 负责故障处置与根因分析:快速定位慢节点、丢包、拥塞、光模块与链路异常,给出根因结论、恢复方案与可复用的自动化修复脚本,支撑网络可用性目标。
6. 建设监控与自动化能力:采集 Telemetry、INT、gNMI、SNMP 等链路级指标,开发巡检、配置下发、版本与变更管理脚本(Python、Ansible、SaltStack)。
7. 沉淀交付与运维文档:输出组网方案、配置基线、压测报告、验收报告与运维手册,配合内部运维团队完成 POC、到货验收与故障演练。
任职要求
● 本科及以上学历,网络工程、通信工程、计算机等相关专业。
● 5 年以上数据中心网络工作经验,其中 1 年以上 RoCEv2 或InfiniBand高速网络的实际交付或运维经历。
● 具备千卡级以上 GPU 集群组网或大规模 RDMA 网络运维的一手项目经验。。
● RoCEv2 与无损以太:能独立完成 PFC、ECN、DCQCN、QoS 的端到端配置与调优,能解释拥塞扩散、PFC 死锁与丢包的成因与现场现象。
● 硬件生态:熟悉 NVIDIA的 ConnectX 系列网卡、主流高密数据中心交换机以及Quantum 系列交换机与 Spectrum 系列以太交换机
● 主机侧能力:熟悉 Linux 网络栈与 RDMA 机制(ibverbs、rdma-cm、GPUDirect RDMA),能结合驱动与内核日志定位端侧瓶颈。
● 工具与验证:熟练使用 perftest、ib_write_bw、NCCL、tcpdump、Wireshark、nvidia-smi 等工具完成压测与抓包分析。
● 脚本与自动化:具备 Python 或 Shell 开发能力,能编写巡检、配置与报表类自动化工具。
● 物理层:了解光模块、AOC 与 DAC 线缆、MPO 跳线选型与链路预算,具备机房现场布线与端口规划经验。
● 加分项:万卡级集群的高速网络实施或交付经验。持有 CCIE、HCIE或 NVIDIA 智算网络相关认证。

