联通云GPU大规模异构池化专家（研发方向）(J13254)

职位描述

1、负责联通云GPU/ASIC大规模异构池化平台（GPU池化、算力切片、弹性RDMA、vGPU、SR-IOV、MIG）的架构设计、核心代码开发与性能调优，实现单集群≥1万卡、逻辑集群≥10万卡，显存池化利用率≥70%；

2、主导异构算力虚拟化与抽象层研发，支持NVIDIA、华为昇腾、寒武纪、昆仑芯等国产芯片等统一接入，实现一云多芯、秒级热迁移、跨芯切换时延≤50ms；

3、构建基于K8s+Device Plugin+Scheduler Framework的异构资源调度系统，支持NUMA/拓扑感知、GPU Direct RDMA、GPU Direct Storage、NVLink、集合通信拓扑自动优化，任务调度效率持续提升；

4、设计并实现GPU显存池化与扩展技术（GPU-over-Fabric、CXL、Alluxio-Zero-Copy），远程显存访问延迟≤5μs；

5、负责vGPU/SR-IOV/MIG/MPS等细粒度算力切片引擎开发，支持算力隔离与QoS保障，满足训练、推理、图形、视频转码等多租户混部场景SLA；

6、构建异构池化可观测与故障自愈体系，通过eBPF+Prometheus+Grafana+Jaeger（不限于）实现GPU Hang、ECC错误、显存泄漏、RDMA链路闪断秒级定位与自动隔离，保障99.95%可用性；

7、设计GPU/ASIC池化成本模型，支持Spot抢占、潮汐混部等技术，实现同等性能下综合成本降低≥30%以上；

8、负责池化平台安全沙箱、GPU加密渲染、显存加密、国密算法适配，满足等保三级/密评要求；

9、牵头重大客户现场保障，完成≥1~10万卡异构池化集群压测、调优、故障应急，沉淀可复用性能调优知识库；

10、负责异构池化相关专利、软著、标准（ITU/CCSA等）申报；

11、指导开发、测试、SRE工程师，搭建代码评审、CI/CD、性能调优、故障演练体系；

任职要求

1、本科及以上学历，计算机、电子工程、人工智能、通信等相关专业，8年以上云计算/异构虚拟化研发经验，其中3年以上GPU/ASIC池化异构调度方向技术带头人经历；

2、精通C++/Go/Python，熟悉CUDA、OpenCL、ACL，具备GPU驱动、内核模块、virtio、SR-IOV开发经验；

3、深度掌握GPU/ASIC硬件架构（SM、Tensor Core、NPU Core、HBM、NVLink、CXL、PCIe Switch、SmartNIC），熟悉GPU Direct RDMA、GPU Direct Storage；

4、熟悉云原生技术栈（K8s、Device Plugin、Scheduler Framework、Volcano、Kata），有二次开发及性能调优经验；

5、了解虚拟化与容器底层技术（QEMU/KVM、libvirt、virtio、vfio、DPDK、SPDK、vDPA），具备vGPU、SR-IOV、MIG实际落地经验；

6、具备高并发分布式系统设计与调优能力，熟悉Zero-Copy、共享内存、无锁队列、RDMA、CXL.mem；

7、熟练使用nvidia-smi、nsight、dcgm、perf、bpf、gdb、valgrind等性能/调试工具，具备线上GPU故障快速定位与热修复能力；

8、具备优秀的算法与数据结构基础，能针对异构池化场景设计新的调度/缓存/压缩算法；

9、具备较强的学习能力、责任心和抗压能力，具备良好的英语读写与沟通能力。

优先条件

1、有成功主导单集群≥1万卡GPU池化或异构池化平台架构与上线经验，稳定运行1年以上；

2、拥有GPU虚拟化、CXL、RDMA相关发明专利，或作为第一作者在CCF B类以上会议/期刊发表论文；

3、熟悉国产AI芯片（昇腾、寒武纪、昆仑芯等）虚拟化及软件栈，并有大规模商用实践；

4、具备开源社区（K8s、Kata、Volcano、SPDK、DPDK）Maintainer/Committer经历；

5、有电信级高可用、等保三级/密评项目经验。