字节跳动
AML机器学习系统-后端调度编排工程师
AML机器学习系统-后端调度编排工程师
发布于 1 天前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
学历未注明
软件工程
机器学习
分布式系统
PyTorch
GO
TensorFlow
AI 估算 · 30k–55k
字节跳动高级工程师，北京，分布式调度方向技术要求高，薪资处于大厂P6-P7水平，极具竞争力。
职位详情
关于这个职位
该职位负责字节跳动推荐、广告、搜索等业务的机器学习系统的资源调度和编排
你将参与分布式调度层、资源撮合层以及训练场景的系统设计开发，优化集群利用率和资源分配效率
适合对大规模分布式系统和高性能计算有浓厚兴趣的后端工程师
最低要求
熟练掌握Linux环境下的Go/Python至少1种编程语言，Hands-on具备优秀的coding能力
熟悉一些开源的分布式调度框架，诸如 Kubernetes（K8S），Yarn(Flink，MapReduce)，Mesos，Celery ，有丰富的机器学习系统实践和开发经验
掌握分布式系统原理，参与过大规模分布式系统的设计、开发和维护
有优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分
有强烈的工作责任心，较好的学习能力、沟通能力和自驱力，能够快速的响应和行动
有良好的工作文档习惯，及时按要求撰写更新工作流程及技术文档
工作职责
系统涉及如下工作，可以至少参与其中一层：
分布式调度层，解决单服务的分布式部署：
（a）使用/二次开发 诸如 Kubernetes，Yarn，Mesos，Celery 等分布式调度框架，并可以在不同的业务场景下合理选型
依据各框架的特点进行集群的利用率/均匀性的调度策略优化
（b）对接/扩展各框架在 水平/垂直 扩展甚至AutoScaling的工作
参与多集群混合调度（类似FedK8s）的适配工作
负责不同优先级服务的抢占/驱逐功能
负责不同集群不同类型资源间的拆借/混部对接工作
负责多机房、多地域、多云场景的调度/负载适配
资源撮合层，解决多角色之间的资源联合分配问题：从全局角度进行分配率 和 资源运营效率的优化
解决各种CPU/GPU/其他异构硬件/模型数据/样本数据/外部调用资源间的容量协调和联合匹配
感知拓扑限制，进行微拓扑优化，从而优化整体网络带宽使用
海量资源和多租户的预算/交付联动
保障性资源/预算外资源，以及混部/超卖的场景对接
参与训练场景的流程/功能需求，诸如阶段性编排，批流阶段封装
提升训练单副本服务的稳定性，如Failover保护
更多的备份点策略
可观测性，可操作性，用户体验优化
参与包括离线到在线同步，数据一致性和更新时效性优化
也包括在线服务多副本的异构资源/稳定性预案的流量调度
模型与服务的动态在线编排和集群间坐落编排
优先资格
熟悉至少一种主流的机器学习框架（TensorFlow / PyTorch ）
有以下某一方向领域的经验：AI Infrastructure，HW/SW Co-Design，High Performance Computing，ML Hardware Architecture (GPU, Accelerators, Networking)
有一些开源的训练编排系统使用/设计经验：TFX
AI 洞察
优缺点分析
优点
- 接触前沿的分布式调度和AI基础设施技术，技能积累价值高
- 大厂平台稳定，薪酬福利有竞争力，内部技术氛围浓厚
- 技术深度要求高，需要持续学习Kubernetes生态和分布式理论
- 工作节奏较快，可能需要应对紧急故障和优化需求
- 适合具备扎实分布式系统基础、热爱底层调度技术、追求技术深度和影响力的后端工程师
缺点 / 挑战
- 深度参与字节跳动核心推荐/广告业务，技术挑战大，成长迅速
- 系统规模和复杂度极高，需要应对海量请求和资源调度压力
角色解读
- 成为分布式调度领域的专家，主导大规模集群调度架构演进
- 横向扩展至AI基础设施或高性能计算方向，参与硬件协同设计
- 内部可晋升为技术负责人（TL），带领团队攻克核心系统挑战
- 设计并优化分布式调度系统，使用Kubernetes等框架管理机器学习任务资源，提升集群利用率
- 参与资源撮合层开发，协调CPU、GPU等异构资源池，实现全局最优分配
- 改进训练和推理流程的编排与稳定性，包括Failover和可观测性建设
- 精通Go或Python，具备大规模分布式系统的开发经验
- 深入理解Kubernetes、YARN等调度框架，能进行二次开发和策略优化
- 掌握分布式系统原理，擅长逻辑抽象和系统拆分
申请策略
- 关注字节跳动技术博客和开源项目，了解他们在调度领域的实践
- 面试前准备系统设计题目，特别是大规模资源调度和分布式一致性相关
- 突出你在Kubernetes或YARN等调度框架上的实践经验和优化成果
- 强调大规模分布式系统的设计、维护或性能调优项目
- 展示Go/Python的高质量代码能力，包括开源贡献或复杂系统开发
- 深入学习Kubernetes调度器原理和源码，尝试编写自定义调度器
- 熟悉至少一种机器学习框架（TensorFlow/PyTorch）的基本训练流程
- 补充高性能计算（HPC）或硬件架构知识，增强竞争力
面试指南
- 采用分层抽象和策略模式，将调度逻辑与具体框架解耦
- 从资源利用率、公平性和业务SLA三个维度权衡，引入动态优先级和驱逐机制
- 结合具体事例，强调问题定位、解决方案和量化改进效果
- 如何设计一个支持多租户和优先级抢占的分布式调度系统？
- Kubernetes调度器的工作流程是什么？如何优化调度效率？
- 请描述一个你处理过的分布式系统故障或性能瓶颈的案例
- 在资源池异构（CPU/GPU/NPU）的情况下，如何实现最优分配？
- 复习Kubernetes调度器源码和官方设计文档，重点关注调度策略和调度框架
职位点评
78
综合评分
大厂核心业务，前沿技术栈，发展空间极大，但WLB一般。
更适合这类人
最适合追求技术深度和职业发展，能接受一定工作强度的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活60
使命价值70
薪资福利
85较高
薪资在大厂中属偏高水平，且公司提供完善福利，补偿性动机满足度较高。
薪资信号未披露（AI估算：30K-55K/月）
成长发展
95较高
技术栈前沿（Kubernetes、AI基础设施），成长空间极大，可深入分布式系统核心。
技术前沿前沿/新兴技术
技术栈Kubernetes、Yarn、Mesos、Celery、Go、Python、分布式调度、ML infrastructure
业务类型profit_center
工作生活
60中等
字节跳动工作节奏较快，可能需要一定强度的加班，WLB一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
职位支撑字节核心业务，技术影响力大，但JD未体现社会使命感。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs