中科曙光
HPC高级测试工程师（郑州）(J13897)
HPC高级测试工程师（郑州）(J13897)
发布于 17 小时前普通员工/个人贡献者
全职员工仅现场办公测试开发
测试开发
Ai测试
Cuda
Hpc
性能测试
值不值得投
58综合评分
综合评分 58
技术深度大的HPC高级测试岗，位于郑州，专注于集群质量与性能优化，成长性强但物质回报信息不明。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
2.4万
比测试开发中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 240 个在招 · 其中测试开发 9 个
市场机会
选择不多
郑州 · 测试开发 · 3 个在招
职位详情
关于这个职位
该职位负责中科曙光高性能计算（HPC）集群的全栈质量保障工作，覆盖从计算节点、高速网络到并行文件系统、作业调度系统等核心组件
你需要设计并执行功能、性能、稳定性等多维度测试，并主导性能基准测试与调优，确保集群在科学计算和AI大模型训练等场景下的稳定高效运行
同时，负责自动化测试框架建设，并探索利用AI技术提升测试效率
最低要求
本科及以上学历，计算机、人工智能、软件工程、计算数学、力学等相关专业
年以上测试开发或相关工作经验
深入理解HPC集群的体系架构与核心组件，包括：集群架构：计算节点、登录节点、管理节点、存储节点的功能划分与协同
作业调度系统：Slurm/PBS的作业生命周期管理、资源分配策略、分区/队列配置
高速网络：InfiniBand/RoCE的体系结构、通信原理与性能调优
并行文件系统：Lustre/BeeGFS/GPFS的架构、条带策略、元数据管理
软件栈：编译器（GCC/ICC）、MPI实现（OpenMPI/Intel MPI）、数学库（MKL/ACML）、GPU驱动与CUDA/HIP环境
精通HPC性能基准测试方法论，有HPL、HPCG、Stream、MPI OSU等常规HPC基准测试与调优的丰富实战经验
能够根据集群配置选择最优参数、分析性能瓶颈并给出调优建议
熟练掌握Python/Shell其中一种语言，具备独立开发自动化测试脚本及工具的能力
熟悉C/C++、Fortran加分
具备扎实的并行计算技术理解力：理解MPI并行编程模型、OpenMP共享内存并行、GPU编程（CUDA/HIP/OpenACC）的基本原理
了解分布式训练中的通信模式（All-Reduce、All-Gather等）
熟悉Kubernetes核心资源对象及调度原理，理解GPU调度（NVIDIA Device Plugin）、存储卷挂载（PV/PVC）等
具备在容器化环境中进行HPC工作负载部署与故障排查的实操经验
熟悉Linux操作系统，熟练使用常用命令行工具及性能分析工具（如perf、nvidia-smi、ibstatus、mpstat等），能够独立完成系统日志分析、性能监控与问题定位
精通软件测试流程与测试设计方法，能独立完成测试计划、用例设计及复杂场景测试执行
具备优秀的逻辑思维与问题分析能力，良好的沟通协作能力与质量意识，对HPC与AI融合技术有持续学习的热情
具备AI辅助测试的实践能力：了解大语言模型（LLM）基本原理，有利用AI工具（如大模型生成测试用例、辅助缺陷分析、自动生成回归脚本等）的实际经验，或对AI测试有浓厚兴趣并愿意快速学习
工作职责
负责HPC（高性能计算）集群的全栈质量保障，覆盖计算节点、高速网络（InfiniBand/RoCE）、并行文件系统、作业调度系统（Slurm/PBS）、编译器与数学库等核心组件，设计并落地功能、性能、稳定性、兼容性等多维度测试方案
集群功能测试：验证HPC集群核心软件栈的正确性，包括但不限于：作业调度系统（作业提交、队列管理、资源分配、优先级策略）、并行文件系统（挂载、读写权限、元数据性能）、容器化HPC工作负载（Singularity/Enroot）的生命周期管理
性能基准测试：主导HPC集群的性能基准测试与调优工作，熟练运用HPL（High-Performance Linpack）进行集群浮点计算性能评估、HPCG作为HPL的补充评估实际应用场景性能、Stream进行内存带宽测试、MPI OSU进行网络通信性能评估
建立多维度性能测试数据库及基线，输出性能测试报告与调优建议
异构计算测试：验证GPU加速计算场景下的性能与正确性，覆盖CUDA/HIP编程模型、NCCL/RCCL多卡通信、NVLink/InfiniBand跨节点通信等
针对AI大模型训练场景（如Megatron-LM、DeepSpeed）进行分布式训练的性能与稳定性测试
自动化测试框架建设：开发与维护HPC自动化测试框架及脚本，实现集群部署验证、基准测试自动化执行、性能数据采集与可视化分析
利用AI技术辅助性能瓶颈分析与异常检测
利用AI技术（如大模型辅助用例生成、智能缺陷分析、自动化脚本生成）提升测试效率与覆盖度，探索AI在业务测试领域的落地实践
AI 洞察
优缺点分析
优点
- 技术深度大，能直接接触高性能计算、异构计算与AI融合的前沿技术栈
- 岗位职责明确，从测试设计到性能优化全链条参与，个人技术影响力可见
- 技术门槛高，需要同时掌握HPC、并行计算、容器化及AI等多领域知识
- 性能调优和问题定位工作复杂，对逻辑分析和问题解决能力要求极高
- 岗位专注于底层基础设施测试，工作成果可能不如应用层产品那样直接面向用户感知
- 适合对高性能计算有浓厚兴趣、喜欢深入系统底层探索技术原理、并享受解决复杂工程问题的资深测试或开发工程师
缺点 / 挑战
- 中科曙光在国产超算领域有重要地位，项目具有行业代表性和挑战性
角色解读
- 可向HPC系统架构师、性能优化专家或质量保障专家方向深入发展
- 随着AI与HPC融合趋势，可专注于AI驱动测试或AI基础设施可靠性工程领域
- 积累足够经验后，也可能转向技术团队管理或产品解决方案岗位
- 负责HPC集群从硬件到软件的全栈质量测试，确保系统在复杂科学计算和AI场景下的稳定运行
- 主导性能基准测试（如HPL、HPCG），分析性能瓶颈并提供调优方案，以提升集群效率
- 构建和维护自动化测试框架，并探索使用AI技术（如大模型）来智能化测试流程，提高测试覆盖和效率
- 深入的HPC集群架构知识（计算、网络、存储、调度）和性能测试实战经验
- 扎实的并行计算理解（MPI、GPU编程）和Linux系统操作、性能分析能力
- 独立的自动化脚本开发能力（Python/Shell）和软件测试方法论基础
申请策略
- 研究中科曙光的主要产品线（如曙光系列服务器、ParaStor并行文件系统等），了解其技术特点，以便在面试中展示诚意
- 准备一个关于如何定位或解决一个复杂性能瓶颈问题的案例，最好有数据支撑
- 突出任何与HPC、高性能计算、集群测试相关的项目经验，详细描述测试对象、方法和成果（如性能提升百分比）
- 列举使用过的具体技术，如Slurm、InfiniBand、Lustre、CUDA、MPI等，以及进行过的基准测试（HPL等）
- 展示自动化测试脚本或工具的开发经历，特别是与性能数据采集、分析相关的经验
- 如有AI辅助测试的实践经验（如使用LLM生成测试数据或分析日志），应作为亮点突出
- 系统学习主流HPC基准测试工具（HPL, HPCG, STREAM）的原理和操作，最好能进行实际调优练习
- 深入理解MPI通信原语和GPU编程模型（CUDA/HIP），可以结合开源项目进行实践
面试指南
- 对于性能问题，采用“现象观察-工具定位（profiling）-原因分析-假设验证-优化实施-效果确认”的结构化思路回答
- 对于测试方案设计，从“目标明确（测什么）-环境搭建-用例设计-工具选择-自动化执行-数据分析-报告输出”的流程展开
- 对于融合挑战，从数据规模、通信效率、软硬件栈复杂度、稳定性要求等角度分析
- 请描述一次你解决过的最棘手的HPC性能问题，你的排查思路和最终解决方案是什么？
- 如何设计一个针对HPC集群（包含GPU节点）的自动化基准测试方案？需要考虑哪些关键维度？
- 你对HPC与AI融合（如大模型训练）测试面临的挑战有什么理解？
- 请解释MPI中All-Reduce操作的通信原理，以及在多节点GPU训练中为什么它很重要
- 复习HPC领域的核心概念：并行计算模型、集群网络拓扑、存储系统、作业调度器工作原理
职位点评
薪资福利50
成长发展90
工作生活55
使命价值70
薪资福利
50较低
该职位JD未披露薪资、奖金及具体福利信息，无法评估其市场竞争力与物质保障水平。
薪资信号未披露（AI估算：1.8千–3万/月）
成长发展
90较高
该职位处于高性能计算与人工智能的融合前沿，技术栈专业且深入，要求持续学习最新技术，能为从业者提供极高的技能成长上限和行业视野。
技术前沿前沿/新兴技术
技术栈HPC、InfiniBand、Slurm、CUDA、Kubernetes、AI辅助测试、MPI
成长机会对HPC与AI融合技术有持续学习的热情、探索AI在业务测试领域的落地实践
业务类型profit_center
工作生活
55较低
工作地点位于郑州，生活成本相对一线城市较低。但JD未提及任何远程或弹性办公安排，且高性能计算测试通常需要物理接触集群，工作模式灵活性有限。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
高性能计算是支撑科学研究和产业创新的关键基础设施，岗位工作直接服务于提升计算系统的可靠性与性能，具有明确的技术价值和社会意义。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs