AI存储资深研发工程师

优缺点分析

角色解读

• 技术深度：从存储专家升级为AI Infra架构师，主导大规模存储系统设计与演进
• 技术广度：结合AI训练框架、网络、计算等跨领域知识，成为全栈AI基础设施专家
• 管理路径：后期可带团队，担任存储或AI基础设施团队负责人
• 分析AI训练推理场景下的存储性能瓶颈，设计优化方案以提升大模型训练效率
• 负责GPU集群的IO性能监控与统计，建设数据缓存系统
• 跟踪前沿技术（如并行文件系统、云存储）并落地到实际场景中
• 精通分布式存储技术，如Lustre、GPFS、Juicefs等并行或分布式文件系统
• 掌握至少一门脚本语言（Python/Shell）和一门编译语言（Go/C++），能进行系统开发与调优
• 熟悉云原生技术栈（容器、Kubernetes）以及Linux系统，具备运维能力
• 了解大模型训练推理流程，有超大规模模型研发或AI Infra经验者优先

申请策略

• 提前了解米哈游的技术栈和AI业务方向，在面试中展现对游戏行业AI场景的理解
• 准备一个自己主导的存储优化案例，详细说明问题、方案和量化效果
• 突出存储系统性能优化项目经历，尤其是与AI训练场景结合的实际案例
• 展示对并行文件系统（Lustre/GPFS）或分布式存储（Juicefs/Alluxio）的深入理解
• 强调编程能力（Python/C++/Go）以及Linux系统调优经验
• 如有GPU集群运维或AI框架（PyTorch/TensorFlow）经验需重点提及
• 补充大模型训练流程知识，了解常见的训练框架与数据加载 pipeline
• 学习云存储生态（如对象存储、Juicefs、Alluxio）的架构与使用

面试指南

• 对于案例类问题，使用STAR原则：情境、任务、行动、结果，量化指标
• 对于架构对比类问题，从设计哲学、元数据管理、性能特性、应用场景等维度系统分析
• 对于设计类问题，先明确需求边界，再给出架构方案，并讨论 trade-off
• 请描述一个你优化过的AI训练存储性能案例，具体遇到了什么问题？如何解决的？
• 比较Lustre和GPFS的架构差异，在AI训练场景下各有什么优劣？
• 当GPU集群出现IO瓶颈时，你会如何排查和定位？请列出排查步骤
• 请设计一个分布式缓存系统来加速大模型训练的数据读取
• 你对云原生存储（如CSI）了解多少？如何在Kubernetes中挂载分布式文件系统？