分布式计算研发工程师-Ray（深圳/北京/上海）

优缺点分析

角色解读

• 成为分布式系统或 AI 基础设施领域的资深技术专家
• 向技术管理方向发展，带领团队攻克复杂的技术难题
• 在开源社区建立影响力，成为相关领域的知名贡献者
• 深入参与 Ray 分布式计算框架的内核开发与优化，包括任务调度和执行机制
• 构建面向 Data + AI 的基础设施，支持大模型训练、推理及 AI Agent 等业务场景
• 将分布式系统与 Kubernetes 深度融合，打造高可用、可扩展的云原生集群服务平台
• 精通 C++ 或 Python，具备大型软件系统架构设计与研发能力
• 拥有大数据或 AI 基础设施领域的实战经验，熟悉分布式系统原理
• 掌握 Kubernetes 等云原生技术，具备高性能计算与通信系统的优化经验

申请策略

• 关注腾讯 TEG（技术工程事业群）或相关 AI 部门的动态
• 准备展示你对分布式系统性能优化的具体案例和思考
• 突出在分布式系统、大数据或 AI 基础设施方面的具体项目经验和成果
• 强调 C++/Python 的高级编程能力及大型系统架构设计经验
• 如有 Ray、Kubernetes 或相关开源项目的贡献经历，务必重点展示
• 深入学习 Ray 框架的原理和使用，了解其调度机制
• 强化对 Kubernetes 云原生生态的理解，特别是网络和资源管理
• 补充大模型训练/推理相关的系统工程知识

面试指南

• 使用 STAR 法则（情境、任务、行动、结果）描述项目经历
• 从系统架构、性能瓶颈、解决方案、量化结果四个维度展开
• 结合理论基础与实际工程经验，展现深度思考
• 请介绍你参与过的最复杂的分布式系统项目，你解决了哪些关键挑战？
• 如何优化 Ray 或类似框架的任务调度延迟？
• 在 Kubernetes 环境下部署大规模分布式应用时，你会考虑哪些因素？
• C++ 和 Python 在系统开发中各有什么优劣，你如何选择？
• 复习分布式系统经典理论（如一致性协议、容错机制）