存储系统DevOps工程师（大模型/AI基础设施方向）
岗位摘要
负责对象存储S3、文件系统NFS、高性能文件系统PFS、KVCache等存储系统的选型、测试、交付与运维；制定存储产品技术路线，评估不同存储方案在AI场景下的适配性、稳定性和性价比；推动NVMe SSD、RDMA、分布式存储、新型文件系统等技术在大模型平台落地
岗位职责
- 负责对象存储S3、文件系统NFS、高性能文件系统PFS、KVCache等存储系统的选型、测试、交付与运维
- 制定存储产品技术路线，评估不同存储方案在AI场景下的适配性、稳定性和性价比
- 推动NVMe SSD、RDMA、分布式存储、新型文件系统等技术在大模型平台落地
- 设计并实施面向真实AI负载的存储性能测试体系，覆盖大模型训练、推理服务和数据清洗与特征工程场景
- 输出性能评估与优化报告，为存储架构和产品选型提供依据
- 深入分析训练、推理链路中的CPU、GPU、网络和存储协同瓶颈
- 针对具体问题制定性能优化方案，包括存储协议与参数优化、数据布局与访问模式优化、Cache/Buffer/并发模型优化、数据加载与I/O调度优化
- 持续监控存储系统在真实大模型业务负载下的稳定性、性能和质量
- 快速定位I/O超时、吞吐下降、长尾延迟、Checkpoint慢、任务阻塞等问题
- 与训练框架、平台、硬件和运维团队协作，推动复杂问题从发现、定位到修复闭环
- 建设存储性能测试方法、工具和自动化平台
- 沉淀标准化测试流程、性能基线、问题诊断工具和优化方法
- 提升存储基础设施的整体效率、可观测性和可扩展性
任职要求
- 本科及以上学历，计算机、电子工程或相关专业
- 5年以上存储领域经验，具备开发、测试、性能优化或存储运维经验
- 3年以上存储系统架构设计、技术规划或方案选型经验
- 熟悉Linux/Unix系统，精通操作系统、存储系统和I/O相关原理，能够独立分析和解决复杂性能问题
- 熟悉至少一种存储形态：对象存储、文件系统、高性能并行文件系统、KVCache或缓存系统，理解其在大模型训练与推理场景中的适用性和限制
- 熟悉服务器硬件体系结构，包括CPU、内存、NVMe SSD、NIC、PCIe拓扑等，理解GPU训练对存储和网络的依赖关系
- 熟练使用性能测试和分析工具，例如Fio、Iperf、IOzone等
- 具备良好的跨团队沟通和项目推动能力，能够与模型训练、平台、硬件、存储和运维团队协作推进问题解决
- 加分项：有大模型训练平台、推理平台或AI Infra实战经验
- 加分项：熟悉PyTorch、TensorFlow等训练框架的I/O行为
- 加分项：熟悉RDMA、GPUDirect Storage、NVMe-oF等高性能数据链路
- 加分项：了解分布式数据加载、Dataset/Checkpoint存储和缓存加速机制
- 加分项：有AI场景定制化性能测试、测试工具或平台开发经验
- 加分项：有超大规模数据集管理或数据清洗流水线经验
加分项
- 有大模型训练平台、推理平台或 AI Infra 实战经验
- 熟悉 PyTorch、TensorFlow 等训练框架的 I/O 行为
- 熟悉 RDMA、GPUDirect Storage、NVMe-oF 等高性能数据链路
- 了解分布式数据加载、Dataset / Checkpoint 存储和缓存加速机制
- 有 AI 场景定制化性能测试、测试工具或平台开发经验
- 有超大规模数据集管理或数据清洗流水线经验