AI 训练推理场景下万亿文件规模高性能并行文件存储系统的体系结构设计与关键机制研究-阿里星/A Star

参与AI场景高性能文件存储系统研发，包括： 1、文件系统元数据与数据系统架构设计，以及元数据和数据分离策略下扩展性和一致性机制。 2、分布式数据和元数据管理，高并发负载下的智能负载均衡和高性能分布式一致性协议研究。 3、通过基于访问热度统计，结合启发式算法比如机器学习算法进行文件聚类，结合新型存储介质比如 ZNS SSD 提高存储空间利用率，提升 SSD 使用寿命。 4、用户态文件系统（FUSE）与内核态协同的零拷贝访问技术，并且能和 AI 训练框架（比如PyTorch/TensorFlow）和推理框架（vLLM，SGLang等）深入融合，构建计算侧高性能的分布式缓存，提升 AI 场景端到端性能。 【任职要求】 1、计算机方向相关领域专业，在校研究方向：高性能文件系统、分布式存储、存储引擎、KV 存储、一致性协议、SSD 芯片、智能网卡、AI 训练/推理存储加速等。 2、具有扎实的算法和数据结构功底，具备扎实的编程基础，熟悉C++/C/Python/Java等语言。熟练使用 AI 工具提升开发测试效率。 3、对计算机体系结构、分布式系统等领域有一定的了解和实践。对分布式系统与一致性理论、存储系统与高性能 I/O 引擎、操作系统内核与网络、AI Infra 至少有一项领域有深入研究以及项目经验。 4、具备定义问题、设计技术方案的能力，在 FAST/OSDI 等顶会发表高性能文件系统、大规模元数据、AI 训练推理场景存储优化 等领域相关论文。 5、学习能力强，有技术热情，有较强的问题分析和技术攻关能力，有良好的沟通和团队合作能力。 加分项： 1、有参与Ceph、JuiceFS、Alluxio等开源项目核心模块开发经验。 2、有参与 AI 训练推理存储加速项目经验优先，主导存储系统压力测试或性能调优项目经验优先。