岗位职责
当前互联网入向调度（如8806、8809调度）通常采用多 Region（多中心）同时宣告相同或关联 Prefix 的策略。在这种架构中，入向流量的调度逻辑由"公网 BGP 选路"与"内网骨干回传"两段组成。
- 入向选路的不确定性（核心背景）： 当全球流量面对多个入口（Region-ISP）时，流量进入哪一个入口取决于上游 ISP 复杂的 BGP 决策（受 Local Preference、AS-Path、地理位置等因素交叉影响）。由于缺乏对公网选路结果的预判能力，流量往往会非预期地涌入某个 Region，造成入口带宽压力不均。
- 调度决策的现状： 目前的调度主要通过在特定中心实施 AS-Path Prepending 或 Anycast 权重调整。由于无法事前准确预知这些动作会导致多少流量、从哪些路径、漂移到哪个 Region，调度过程往往依赖经验尝试。
- 必要性： 内网回传模式是业务连续性的保障，但"入口选择"决定了端到端路径的质量基准。如果能精准预测入向切流行为，我们就能在公网侧主动引导流量进入最合理的入口，从而使"公网边缘路径"与"内网骨干路径"达成最优匹配，提升整体调度效率与业务稳定性。
职位要求
- 计算机科学、网络工程、电子工程或相关专业硕士及以上学历，具有网络方向研究经验者优先。
- 网络协议基础： 扎实的互联网路由与交换基础，深入理解 BGP 协议（AS-Path、Local Preference、MED、Community 等属性及选路决策过程），熟悉 Anycast、AS-Path Prepending 等常见流量调度手段。
- 编程与数据能力： 熟练使用 Python 进行数据分析与建模，具备处理大规模路由数据的经验；熟悉 SQL 及关系型数据库操作。
- 机器学习/统计建模： 具备时序预测、图模型或分类/回归建模的实践经验，能够将业务问题转化为可求解的模型并完成端到端验证。
