集群优化工程师

职位描述

岗位职责：

参与设计和优化分布式集群调度系统（基于Kubernetes），包括调度策略优化、资源利用率提升、任务编排效率等核心模块。

解决集群调度中的复杂技术问题，如资源碎片、调度公平性、任务排队与死锁、异构硬件（GPU/CPU）分配策略等。

与算法团队紧密协作，深入理解训练任务对资源调度的真实需求，提供高吞吐、低排队、高利用率的调度解决方案。

持续跟踪业界调度系统前沿技术动态，推动新技术在集群调度领域的落地与应用。

为AI训练任务提供稳定、高效、可扩展的调度能力，负责调度策略的设计与实现。

任职要求

任职要求：

基础条件

计算机相关专业本科及以上学历，2年以上分布式系统或容器调度相关开发经验。

技术能力

精通Python/Go/C++/Rust中的至少一门语言，有良好的编码习惯和系统设计能力。

深入理解Kubernetes调度框架（Scheduling Framework），熟悉调度器工作流程与扩展机制。

具备大规模集群调度管理经验，熟悉Volcano、YuniKorn等批量调度系统，了解Gang Scheduling、任务队列、资源抢占等机制。

熟悉Linux操作系统及容器化技术（Docker/Containerd），了解GPU虚拟化与共享技术（NVIDIA MIG、vGPU、GPU Sharing等）。

具备较强的问题分析和解决能力，能独立承担复杂调度问题的定位与优化。

加分项：

调度器深度实践：有Kubernetes调度器二次开发经验，熟悉调度框架源码。

调度策略优化经验：有Gang Scheduling、弹性配额、任务优先级、混部等调度策略的落地经验。

大规模集群优化：有大规模AI训练集群（千卡级以上）的调度优化实战经验。

可观测体系：熟悉VictoriaMetrics/Prometheus/Grafana等监控与日志栈，有利用率、排队时间等指标体系建设经验。

综合素质：

自驱力与主动性：具备极强的主人翁意识，能够主动发现集群调度中的效率瓶颈与潜在优化空间，推动架构优化与技术创新，而非被动响应需求；对调度系统技术保持持续探索的热情

问题解决能力：逻辑清晰，具备敏锐的数据洞察力与复杂调度问题的拆解能力。

严谨与责任：对调度准确性有高标准要求，注重细节，责任心强，能适应高并发、高可用的调度挑战。

协作精神：具备良好的沟通能力，能与算法团队、基础设施团队高效协作，提供高可靠的调度服务。