规划架构师-AI算力配套优化

优缺点分析

角色解读

• 向AI基础设施架构专家发展，成为算力优化领域的技术权威
• 向技术管理方向晋升，带领团队负责更大规模的平台建设
• 向云计算或系统优化领域拓展，参与前沿技术如混部、内存压缩的研究
• 规划和优化AI配套基础设施，包括网络专线、内存、磁盘、CPU等资源
• 推动CPU和内存使用效能提升，涉及RL框架和KV Cache的内存压缩优化
• 建设大规模K8S集群的CPU超卖和内存压缩能力，提升平台效能
• 精通至少两门编程语言（Go/C++/Python/Java），有3年以上开发经验
• 深入理解Linux、虚拟化、K8S、Docker等容器与编排技术
• 熟悉x86/ARM架构、底层硬件及网络基础，具备系统调优能力

申请策略

• 了解腾讯AI基础设施的现有架构（如星脉网络、HCC集群），在面试中展现思考
• 准备2-3个性能优化案例，说明问题、方案和量化成果
• 突出K8S集群优化、内存压缩、混部技术等具体项目经验
• 展示编程语言掌握程度，尤其是Go/C++和Python的多语言能力
• 强调硬件调优（CPU、网络、存储）的实践成果
• 补充AI算法基础，了解深度学习框架（如PyTorch）对算力的需求
• 深入研究Linux内核、KVM虚拟化或K8S调度器源码

面试指南

• 对于系统调优问题，可从瓶颈分析、方案设计、效果验证三方面回答
• 对于原理性问题，先阐述基本概念，再结合实际项目经验说明优缺点
• 如何优化K8S集群的CPU超卖？请具体说明方案
• 内存压缩技术（如ZRAM、ZSWAP）的原理及适用场景？
• RL框架中的KV Cache如何优化以减少显存占用？
• 混部技术如何保证不同优先级任务的隔离与资源争抢？
• 网络专线的延迟和带宽对AI训练的影响及调优方法？
• 复习K8S资源管理（如QoS、LimitRange）、Linux内存管理（如swap、cgroup）