超算集群系统架构师（实习/全职）

查看原岗位

地点：北京薪资：薪资未公开日期：2026-06-27

岗位摘要

设计并实现大规模异构计算资源的调度系统，解决CPU/GPU/NPU等计算资源的抽象、池化与拓扑感知调度，优化调度算法以平衡任务吞吐、排队延迟和资源利用率；开发集群管理系统，覆盖任务和节点生命周期管理、日志采集与召回、关键性能数据收集与可视化、故障发现与自动容灾，以及新硬件和新软件栈的导入与适配

设计并实现大规模异构计算资源的调度系统，解决CPU/GPU/NPU等计算资源的抽象、池化与拓扑感知调度，优化调度算法以平衡任务吞吐、排队延迟和资源利用率
开发集群管理系统，覆盖任务和节点生命周期管理、日志采集与召回、关键性能数据收集与可视化、故障发现与自动容灾，以及新硬件和新软件栈的导入与适配
从集群视角进行端到端系统性能调优，覆盖CPU/GPU/NPU计算任务优化、Linux内核、I/O和网络协议栈，构建可观测性体系，主导大规模训练下的故障诊断、性能回归和全链路排障
分析大规模并行系统中的性能抖动、长尾延迟和性能不均等系统性瓶颈，支持团队更高效地使用集群
负责AI超算集群网络的拓扑设计、路由策略、多路径负载均衡和拥塞控制，深入研究RDMA（RoCEv2/InfiniBand）协议栈，与通信算子和存储团队协作提供高性能网络底层支撑
参与新一代超算集群的架构规划与建设，探索和评估GPU、国产AI加速器、网卡等新兴硬件，与IDC数据中心团队配合，以集群架构需求驱动数据中心的规划、建设与交付