AI全栈工程师-云原生方向
岗位摘要
建设智算集群和管控系统的高可用体系，包括健康检测、节点与集群异常快速处置、管控组件故障自动定位与恢复、自适应容灾及云原生技术落地，保障业务持续可用与线上系统稳定性；建设满足业务场景和数据合规要求的智算集群算力管理体系，结合节点调度、性能分析、故障自动化处理及租户运维功能，持续提升智算集群产品竞争力
岗位职责
- 建设智算集群和管控系统的高可用体系，包括健康检测、节点与集群异常快速处置、管控组件故障自动定位与恢复、自适应容灾及云原生技术落地，保障业务持续可用与线上系统稳定性
- 建设满足业务场景和数据合规要求的智算集群算力管理体系，结合节点调度、性能分析、故障自动化处理及租户运维功能，持续提升智算集群产品竞争力
- 建设异构算力统一管理及资源调度系统，持续提升资源利用率、降低计算成本，构建智算集群监管控系统核心能力，不断提升客户使用产品的自动化与智能化程度
- 建设万卡集群可观测系统
任职要求
- 拥有5年以上大规模分布式系统设计及研发经验，独立负责过包含多模块的业务子系统，包括接口定义、架构设计及关键分布式问题的技术方案细化
- 熟悉AI框架与云原生技术，编程基本功扎实，熟悉数据结构和算法，熟练掌握Golang、Java、Python、C++中至少一种开发语言
- 系统工程能力扎实，线上稳定性意识强，对复杂线上系统具备较强技术敏感度和故障排查经验；有线上系统监控体系、变更体系/流程设计和研发经验者优先
- 业务感觉良好，具备出色的抽象设计能力，思路清晰，善于思考，能独立分析和解决问题；能主导并驱动完整技术产品项目者优先
- 本科及以上学历
福利待遇
- 薪资范围：30K-60K，共16薪
- 工作地点：北京朝阳区望京国际研发园
工作地址
北京朝阳区望京国际研发园I座