并行文件存储资深运维工程师

优缺点分析

角色解读

• 技术路径：从存储运维专家成长为存储架构师，负责整体存储方案设计和关键技术决策
• 横向发展：可转向 AI 基础设施或云计算基础设施领域，拓展更大平台
• 管理路径：积累经验后带领存储运维团队，晋升为技术经理或基础架构负责人
• 设计和实施 PB 级 GPFS 集群的架构，负责从硬件选型到网络联调的落地工作
• 构建集群的监控告警体系，日常运维并保障存储系统的稳定性和高可用
• 针对 AI 训练和推理场景，分析并调优存储 IO 性能，解决性能瓶颈
• 精通 GPFS（IBM Storage Scale）的架构、部署和性能调优，有超大规模集群实战经验
• 熟悉 Ceph、Lustre 等其它并行文件系统，能快速定位和解决复杂存储问题
• 掌握 Python/Shell 等脚本语言，具备编程能力，能自动化运维和开发工具
• 了解 Linux 系统、容器和云原生技术，能支持相关服务的部署与排障

申请策略

• 了解米哈游的当前游戏和 AI 方向，在面试中展现对业务场景的理解
• 准备一个你解决过的存储故障的 Case Study，体现你的排查思路
• 突出 GPFS 集群的实际落地案例，包括集群规模、性能指标和优化成果
• 量化经验：如管理多少 PB 容量，支撑多少 GPU 节点，IO 延迟降低百分比
• 强调自动化运维脚本或工具的开发经历，体现编程能力
• 补充 Ceph 或 Lustre 的实践经验，以便在面试中展示广度
• 复习 Linux 内核 I/O 栈、容器存储方案（如 CSI 插件），云原生知识可加分

面试指南

• 使用 STAR 法则：描述背景、任务、行动和结果，量化指标
• 先阐述通用的排查思路，再针对具体问题给出调试命令和解决方案
• 请描述你设计实现的一个大型 GPFS 集群架构，包括网络、存储节点和客户端配置
• 当 GPFS 集群出现 IO 性能下降时，你会如何排查和定位？
• 对比 GPFS、Ceph 和 Lustre 在 AI 训练场景下的优缺点
• 谈一次你处理过的存储集群故障，从发现到恢复的完整过程
• 如何优化 GPFS 的元数据性能？有哪些常用参数和调优手段？
• 复习 GPFS 官方文档中的最佳实践和常用诊断命令