高性能存储研发工程师
岗位摘要
面向大模型训练与推理场景，设计和研发全闪分布式存储系统；支撑大规模训练Checkpoint的并行保存与快速恢复、Dataloader海量样本读取，以及G3/G3.5专属KV Cache的高性能存储与访问
岗位职责
- 面向大模型训练与推理场景，设计和研发全闪分布式存储系统
- 支撑大规模训练Checkpoint的并行保存与快速恢复、Dataloader海量样本读取，以及G3/G3.5专属KV Cache的高性能存储与访问
- 根据个人技术方向，负责客户端、元数据服务、存储引擎或数据保护等核心模块的设计与研发
- 优化RDMA、NVMe、用户态IO、零拷贝、异步流水线和NUMA感知等关键数据路径
- 设计和实现分片、副本、纠删码、缓存一致性、故障接管、数据修复与垃圾回收等核心机制
- 建设性能测试、故障注入和全链路观测体系，持续优化系统吞吐、IOPS、尾延迟、CPU开销和GPU利用率
- 参与复杂存储问题的性能分析、故障定位与工程优化，推动系统从设计、开发到上线运行的完整交付
任职要求
- 计算机或相关专业本科及以上学历
- 熟练掌握C/C++，熟悉Linux系统编程、多线程并发、内存管理、网络和文件IO
- 具备分布式文件系统、对象存储、块存储、数据库或分布式KV系统研发经验
- 理解分片、复制、纠删码、共识、事务、幂等和故障恢复等分布式系统机制
- 具备复杂系统的性能分析和问题定位能力，能够独立完成方案设计、编码、测试与优化
- 具备良好的工程意识，关注系统的性能、可靠性、可观测性和长期演进
加分项
- 熟悉 RDMA、RoCE / InfiniBand、NVMe、SPDK、io_uring、DPDK 或 GPU Direct Storage
- 熟悉 POSIX、VFS、用户态文件系统、元数据一致性或高可用架构
- 有 Ceph、3FS、RocksDB 等分布式存储系统或存储引擎的研发、性能优化及生产实践经验
- 熟悉 PyTorch、Megatron-LM、DeepSpeed、vLLM、SGLang 等大模型训练与推理框架
- 有大模型训练、推理或 AI 基础设施相关存储项目经验