岗位职责
- 质量体系构建 - 构建针对AI infra 的各种存储系统的专项质量防线。重点验证系统在多种计算和GPU形态下，训练，推理和Agent场景下的规模、多租户隔离、数据强一致性、稳定系与故障自愈、以及元数据与数据性能等方面的表现。
- 自动化与工程化能力建设 - 框架与门禁：主导自动化测试框架演进与 CI/CD 回归体系建设，建立涵盖功能、性能、稳定性的多维度质量门禁（Release Gate）。 - 复杂环境编排：搭建可复现、弹性伸缩的测试基线环境，支持""各类计算形态+ 存储类型""的矩阵式组合验证，覆盖单机至千卡万卡集群规模。
- 场景化系统验证 - 端到端负载验证：针对大模型训练（Checkpoint 频繁写入/加载）与推理（模型权重快速分发）典型负载，开展稳定性、性能（吞吐/延迟/IOPS）、精度三位一体的系统级验证。 - 存算协同优化：如深入分析在高并发读取下的带宽瓶颈，在预训练数据集加载中的缓存效率，以及 IO 抖动问题等，通过根因定位推动软硬件协同缺陷闭环。
- 方法论沉淀与效能赋能 - 资产标准化：提炼通用的存储压力测试模型、数据一致性校验工具及故障注入脚本，形成标准化的 AI Infra 测试方法论。 - 质量内建：赋能研发团队，通过左移测试策略，加速从底层存储引擎到上层 AI 应用栈的高质量迭代。
职位要求
- 核心技术栈能力 • 具备 AI 全栈测试经验：熟悉 GPU 驱动、编译器、算子库、深度学习框架及容器化调度工具链的质量保障流程。 • 具备云产品、分布式系统测试经验优先，举例如： - 例1：深入理解块存储原理，有 iSCSI/NVMe-oF 或云盘类产品测试经验者优先； - 例2：熟悉 对象存储协议（S3/OSS），了解分片上传、生命周期管理及元数据性能调优； - 例3：精通高性能并行文件存储（如 Lustre, GPFS, CephFS, JuiceFS 等），理解客户端缓存、条带化策略及元数据服务器架构，有大模型训练数据存储优化经验者优先；
- 测试设计与执行 • 擅长设计覆盖边界条件、异常场景（如节点宕机、网络分区、磁盘满、元数据风暴）的测试用例，确保系统在极端工况下的鲁棒性。 • 能够构建复杂的存算耦合场景，验证数据不同系统和内存等流转过程中的正确性与效率。
- 性能分析与调优 • 熟练使用专业工具（iostat, fio, perf, nvprof, Nsight Systems 等）进行全链路性能剖析。 • 能够独立输出数据驱动的性能瓶颈分析报告，针对 IO 等待、元数据延迟、带宽饱和等问题提出具体的架构或参数优化建议。
- 精度与一致性验证 • 掌握数值精度验证方法，能识别因存储介质错误或传输压缩导致的静默数据损坏（Silent Data Corruption）。 • 具备跨版本、跨平台的功能与性能差异对比分析能力。
- 工程开发与工具链 • 精通 Python (pytest)或 Go/C++ (GoogleTest)，具备开发大规模自动化测试脚本、数据生成器及故障注入工具的能力。 • 熟悉 CI/CD 流水线集成，有开发自定义 Jenkins/GitLab CI Plugin 或 K8s Test Operator 经验者优先。
- 问题定位与调试 • 熟练运用 GDB, Valgrind, eBPF, 日志分析系统及内核追踪工具，具备在复杂分布式环境下精准定位 存储服务端与 AI 客户端 交互缺陷的能力。
- 能力特质： • 具备强烈的质量主人翁意识，对系统稳定性有敬畏心，具备出色的系统性思维，能从全链路视角设计测试防护网； • 具备快速学习新技术的能力，并乐于将前沿AI Infra动态转化为质量保障实践； • 具备优秀的跨团队沟通与推动力，能在复杂协作中建立质量共识，面对模糊性和高压时，保持务实、冷静、结果导向。
