岗位职责
-参与 AI Infra 云原生平台的研发与建设，基于 Kubernetes 构建面向大模型训练与推理场景的容器基础设施，参与集群管理、容器编排、资源调度与平台能力开发，支撑 AI 业务的稳定运行与规模化交付 -参与 Kubernetes 集群全生命周期管理能力建设，包括集群创建、节点纳管、组件部署、版本升级、扩缩容与故障恢复等，协助提升异构环境下容器集群交付的自动化、标准化与可靠性 -参与 Kubernetes 核心组件及云原生基础能力的研发与优化，涉及容器运行时、网络、存储、调度、资源隔离等方向，协助推进平台在高可用、稳定性、安全性、性能与可扩展性等方面的能力建设 -参与 GPU、RDMA 等异构算力资源在 Kubernetes 平台中的纳管与调度能力建设，协助开发设备插件、资源发现、拓扑感知、资源分配与隔离等能力，支持多卡、多机 GPU 集群及高性能计算场景 -参与大模型训练与推理业务的平台侧工程化落地，协助优化 AI 工作负载部署、资源调度、弹性伸缩与资源利用率，支持分布式训练、推理服务等场景下的平台适配、性能优化与稳定性保障 -参与云原生平台可观测性、自动化运维与稳定性体系建设，协助开发集群监控、日志采集、事件管理、故障诊断与自动修复等能力，参与生产环境中的性能抖动、调度异常及组件故障排查，持续提升平台运维效率与服务质量
职位要求
-计算机相关专业本科或硕士在读，具备扎实的计算机基础，熟悉操作系统、计算机网络、数据结构与算法等基础知识 -熟悉 Go、Python、C / C++、Java 中至少一种编程语言，具备良好的编码能力，熟悉 Go 语言者优先 -熟悉 Linux 操作系统基础，了解进程、网络、文件系统、Namespace、Cgroups 等基本原理，具备一定的 Linux 环境开发与问题排查能力 -了解 Kubernetes、Docker、containerd 等容器与云原生技术体系，理解 Pod、Deployment、Service、Node 等核心概念，对容器编排和分布式系统有较强兴趣 -了解 Kubernetes 的基本架构及核心组件，如 API Server、Scheduler、Controller Manager、Kubelet 等，对控制器、声明式 API、调度机制等有一定理解者优先 -了解容器网络、存储、资源调度等相关技术，对 CNI、CSI、Device Plugin、Operator 等云原生扩展机制有一定了解者优先 -对 GPU、RDMA、高速网络等 AI 算力基础设施有一定认识，对异构算力管理、GPU 调度及高性能计算场景有较强兴趣 -有 Kubernetes、云原生、分布式系统、容器网络、存储或 GPU / HPC 相关项目经验者优先，有 Kubernetes Operator、Controller 或开源项目开发经验者优先 -了解大模型训练与推理的基本流程，对分布式训练、模型部署、推理服务等场景的资源需求有一定认识，了解 TP、DP、PP 等并行模式或 PD 分离架构者优先 -具备良好的工程习惯、文档意识和沟通协作能力，具有较强的主动学习、问题分析与定位能力，能够在指导下完成复杂系统中的模块开发、性能优化与问题排查
