算力调度平台工程师

岗位职责： 1、负责 Kubernetes、Slurm、Volcano、Ray 等调度平台的开发、集成与二次开发，结合 AI 与 HPC 业务特点扩展调度能力，完善插件机制、接口适配与版本管理，推动多调度平台协同与统一纳管。 2、实现 GPU、CPU、内存、存储、网络等资源的统一纳管、配额管理、优先级调度和隔离，建立资源模型、分配策略与回收机制，支持多租户、多队列与多业务场景下的精细化资源管控。 3、针对 AI 训练、推理、HPC 等任务，优化调度策略，提高集群利用率和任务成功率，围绕排队时延、碎片率、抢占与回填、亲和性等维度持续调优，提升大规模任务并发下的整体吞吐与稳定性。 4、建设平台监控、日志、告警、计量计费及可视化能力，支撑平台稳定运行，覆盖资源使用、任务状态、队列水位与平台组件健康度等关键指标，完善问题定位、容量分析与运营支撑手段。 5、与架构、网络、存储、安全团队协同，推动平台与基础设施深度融合，参与端到端方案设计与问题定位，促进调度策略与网络、存储、安全能力的联合优化，提升平台整体服务能力。 任职要求： 1、研究生及以上学历，计算机科学与技术、软件工程、人工智能、数学、自动化等专业，第一学历211以上； 2、工作经验5年+，熟悉容器编排、分布式系统、资源调度、AI训练框架和集群管理； 3、 2年以上Kubernetes或Slurm等调度平台开发经验；精通Go/Java/Python至少一种语言； 4、熟悉Docker、containerd、K8s、Volcano、Ray等；熟悉GPU调度、NUMA、RDMA、拓扑感知调度； 5、具备大规模集群运维开发经验。