AI算力调度专家

1、调度系统架构设计：设计并实现大规模分布式调度系统，支持多代际、异构算力（NPU/CPU）的统一管理与拓扑感知调度。 2、多目标调度策略设计：设计并实现多目标协同优化调度算法，综合考虑任务排队时长、资源利用率、算力成本等指标，实现动态平衡与自适应调度。 3、智能调度策略实现：开发负载感知的自定义调度器插件，优化资源利用率与作业性能。 4、多场景调度优化： 4.1 训练场景：实现拓扑感知调度（HCCS/UB总线）、RDMA网络带宽保障、数据局部性调度，优化Checkpoint读写路径。 4.2 推理场景：开发镜像预热与分布式缓存策略，支持弹性扩缩容与资源超卖，保障SLO的同时提升资源复用率。 4.3 RL沙箱场景：设计任务协同调度机制，动态调整模拟环境与推理实例的资源配比，优化网络通信延迟，高效管理缓冲区存储。 5、多租户资源管理：实现配额管理、公平调度、抢占策略，保障多团队业务SLO。 6、调度性能优化：持续优化调度吞吐、调度延迟和资源碎片，支持万卡级集群规模。 【任职要求】 专业方向与研究背景 1、计算机科学、分布式系统或相关专业硕士及以上学历（博士优先）。 2、研究方向为分布式系统、高性能计算、操作系统、计算机体系结构，在资源调度、异构计算、多目标优化、运筹优化、存储/网络/镜像调度等领域有深入积累。 3、在OSDI、SOSP、EuroSys、ASPLOS、SC、HPDC、INFOCOM、ICAPS等顶会发表过论文者优先。 知识要求 1、深入理解Kubernetes调度框架（Scheduling Framework）或Slurm调度原理，有自定义调度器开发经验。 2、熟悉主流AI芯片架构（NVIDIA/AMD/昇腾）及其性能特征，理解GPU拓扑对通信的影响。 3、了解分布式一致性协议（Raft/Paxos）、资源分配算法（DRF/优先级抢占）。 4、熟悉多目标优化算法（如加权和、帕累托优化、强化学习调度），了解排队论、约束满足问题等理论基础。 5、熟悉成本模型，了解Spot实例、预留实例、按需实例的定价机制与成本优化策略。 6、熟悉容器镜像原理（Layer、Snapshotter）、镜像分发加速技术（P2P、预热、缓存）。 7、了解RDMA、RoCE、拥塞控制等网络基础知识，有高性能网络调优经验者优先。 能力与经验 1、5年以上分布式系统或后台系统开发经验，有大规模Kubernetes/Slurm集群管理经验。 2、调度系统经验：有自定义Kubernetes调度器或Slurm插件开发经验，熟悉调度算法（如Binpacking、碎片整理、优先级调度）。 3、多目标优化经验：参与过多目标调度算法设计或实现，有排队时间优化、利用率提升、成本优化的实际项目经验。 4、异构计算经验：有GPU/NPU集群调度经验，参与过异构资源池化或统一抽象项目。 5、多场景调度经验：至少对以下场景中的两个有深入实践：大规模训练调度（万卡级）、在线推理服务调度、RL沙箱环境调度。 6、存储调度经验：有数据局部性调度、Checkpoint优化、分布式缓存项目经验。 7、网络调度经验：有RDMA带宽保障、拥塞控制、网络拓扑感知调度经验。 8、镜像调度经验：有镜像预热系统、P2P分发系统（如Dragonfly）开发经验。 9、复杂工作流经验：有Airflow、Argo Workflows或Ray编排经验，理解DAG调度。 10、开源影响力：Kubernetes、YuniKorn、Volcano、KubeBatch等社区贡献者优先。 技能要求 1、精通Go/C++/Java中至少一种语言，具备高并发系统开发能力。 2、熟练使用Kubernetes Operator/Controller开发框架，熟悉client-go、controller-runtime等。 3、具备性能分析和调优能力，能使用pprof、火焰图等工具定位调度瓶颈。 4、熟悉Prometheus、Grafana等监控工具，能设计调度可观测性指标。 5、具备数据分析能力，能使用Python/R进行调度策略仿真与效果评估。 论文/专利 1、以第一作者发表过调度系统、异构计算、多目标优化调度、多场景资源调度相关论文者优先。 2、有相关技术专利者优先。