企业微信-机器学习平台调度工程师-（成都/北京）

优缺点分析

角色解读

• 技术专家路线：深耕调度系统、性能优化或特定技术领域（如GPU虚拟化），成为该方向的内部权威
• 架构师路线：向更宏观的AI基础设施架构设计发展，负责跨团队的系统架构规划
• 管理路线：在技术能力扎实的基础上，逐步承担团队管理职责，带领团队攻坚克难
• 设计和优化大规模AI训练与推理集群的资源调度系统，让昂贵的计算资源（如GPU）被更高效地利用
• 解决分布式计算中的性能瓶颈，例如网络传输（RDMA）、存储读写与计算单元的协同问题
• 基于Kubernetes等云原生技术构建平台能力，支持各类AI任务的稳定、自动化运行与故障恢复
• 探索混合云、异构计算等新技术方向，为平台的未来架构演进做准备
• 扎实的编程基础与算法能力，至少精通Go/Python/C++中的一门
• 深入理解Kubernetes架构，具备大规模集群的运维、调优或二次开发经验
• 掌握高性能计算（HPC）知识，了解MPI、RDMA等并行计算与高速通信技术
• 熟悉至少一种主流深度学习框架（如PyTorch），理解分布式训练的基本原理

申请策略

• 深入研究微信或腾讯在AI基础设施、云原生方面公开的技术文章或演讲，了解其技术栈和关注点
• 面试时，不仅要讲清楚技术实现，更要阐述该技术决策带来的具体业务收益（如资源利用率提升百分比、训练任务时长减少等）
• 突出参与过大规模集群（特别是涉及GPU）的运维、调度或优化项目经验
• 详细描述使用或二次开发Kubernetes、Docker等云原生技术解决实际问题的案例
• 展示在高性能计算、分布式系统方面的项目经历或研究成果（如论文、开源贡献）
• 列举对RDMA、InfiniBand等高速网络技术或并行计算框架的了解和实践经验
• 系统学习Kubernetes调度器（kube-scheduler）源码和扩展开发（Scheduling Framework），并尝试实践
• 深入研究GPU虚拟化、MIG（Multi-Instance GPU）等GPU资源管理技术

面试指南

• 使用STAR法则（情境、任务、行动、结果）结构化描述过往项目，突出你的技术深度和解决问题的系统性
• 对于设计类问题，先明确核心需求和约束条件（如规模、延迟、容错），然后从架构、关键模块、权衡取舍几个方面展开
• 结合实际项目经验回答，展示你不仅了解理论概念（如K8s调度器），更懂得如何在实践中运用和调试
• 请描述一个你解决过的、与大规模计算资源调度或性能优化相关的复杂问题
• 你的思路和步骤是什么？
• 如果让你设计一个支持GPU故障自动转移的调度系统，你会如何设计？关键挑战是什么？
• 你对Kubernetes调度器有哪些深入的理解？请举例说明你如何扩展或优化过调度器
• 如何评估和提升一个大规模AI训练集群的整体效率？你会关注哪些核心指标？