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

• 可成为云计算或调度领域专家，深入云原生技术栈
• 向架构师或技术负责人方向发展，负责更大规模的平台设计
• 参与前沿技术研究，推动行业技术创新
• 负责大规模GPU集群的资源调度与优化，提升资源利用率和任务稳定性
• 优化RDMA网络、分布式存储与计算的协同，解决训练性能瓶颈
• 基于Kubernetes构建高可用调度框架，支持分布式训练框架的落地
• 探索混合云、虚拟化等前沿技术，推动平台能力创新
• 精通Go/Python/C++至少一门语言，扎实的数据结构和算法基础
• 熟悉Kubernetes、容器运行时及CRD开发，有大规模集群调优经验
• 具备OpenMP/MPI/RDMA高性能计算经验，熟悉并行计算优化
• 熟悉主流深度学习框架如PyTorch、TensorFlow等

申请策略

• 研究企业微信的技术架构和业务场景，展示对产品的理解
• 准备面试时，重点准备调度、性能优化和分布式系统相关问题
• 突出在Kubernetes、容器化、GPU调度方面的实际项目经验
• 展示高性能计算和分布式训练的具体案例与成果
• 强调编程语言精通程度和算法竞赛或优化经历
• 深入学习Kubernetes调度器原理和CRD开发实践
• 提升RDMA和分布式存储的调试与优化技能
• 了解最新深度学习框架和混合云技术动态

面试指南

• 采用STAR法则（情境、任务、行动、结果）回答行为问题，突出个人贡献和成果
• 对于技术问题，先讲清原理和设计思路，再结合过往经验举例说明
• 展示系统思维和解决问题的能力，强调对业务和技术的理解
• 如何设计一个大规模GPU集群的资源调度器？需要考虑哪些关键因素？
• 解释RDMA在分布式训练中的作用，并说明如何优化其性能？
• 描述你如何基于Kubernetes构建高可用调度框架，并实现容灾与混部？
• 遇到过哪些大规模集群调优的挑战？你是如何解决这些问题的？
• 你对混合云和异构计算有哪些了解？如何推动相关技术落地？