腾讯
机器学习平台调度工程师（北京/深圳/上海/杭州）
机器学习平台调度工程师（北京/深圳/上海/杭州）
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Ai基础设施
Go语言
Gpu调度
Rdma
分布式系统
高性能计算
值不值得投
75综合评分
综合评分 75
顶级大厂、硬核技术栈、高成长潜力、高工作压力
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.5万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1850 个在招 · 其中机器学习工程 47 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 560 个在招
职位详情
关于这个职位
负责腾讯万卡级GPU集群的全局资源调度与优化，利用Kubernetes等云原生技术构建高可用调度框架
需深入解决RDMA网络、分布式存储及异构计算的性能瓶颈，支持大规模AI训练任务的高效稳定运行，并推动前沿技术在平台层面的落地
最低要求
熟练掌握Go/Python/C++至少一门编程语言，精通数据结构和算法，具备扎实的编程基础和问题解决能力
熟悉Kubernetes核心组件（调度器/网络/存储）、容器运行时及CRD开发，具备丰富的大规模集群调优经验，能够有效应对复杂环境下的调度需求
具备OpenMP/MPI/RDMA高性能计算开发经验，熟悉并行计算原理及优化技巧，能够提升大规模训练任务的执行效率
熟悉主流AI框架（Pytorch/TensorFlow等）及训练加速技术（算子优化/显存管理），能够针对AI任务进行深度优化
工作职责
主导万卡级GPU集群的全局资源调度，通过精细化管理和优化策略，显著提升资源利用率，确保离线和在线任务的高效稳定运行
深入优化RDMA高速网络、分布式存储与计算资源的协同调度，有效解决大规模训练任务中的性能瓶颈，提升整体计算效率
基于Kubernetes、Docker等云原生技术，构建高可用调度框架，全面支持分布式训练框架，实现任务编排、容灾与混部能力，并深入K8s调度器、CSI插件及CRD的开发，推动大规模训推技术的实际落地
积极探索混合云、虚拟化、ARM异构计算等前沿方向，不断推动技术与平台能力的升级和创新
AI 洞察
优缺点分析
优点
- 接触业界顶级的万卡级算力集群，技术壁垒极高，个人成长速度快
- 腾讯平台资源丰富，履历含金量高
- 技术难度极大，需解决极端复杂的分布式系统问题
缺点 / 挑战
- 工作强度大，对故障响应要求极高，压力较大
- 热衷于底层系统优化、喜欢挑战高并发高复杂度技术难题、抗压能力强的资深后端/基础设施工程师
角色解读
- 可向首席架构师、AI基础设施专家方向发展，或转型为云平台技术负责人，掌握行业顶尖的算力调度能力
- 负责设计和维护支撑大规模AI训练的GPU集群调度系统，确保成千上万张显卡高效协同工作
- 精通Kubernetes内核开发、高性能计算（HPC）网络优化（如RDMA）、以及至少一门系统级编程语言（Go/C++）
申请策略
- 准备详细的项目复盘，重点阐述如何定位和解决线上疑难杂症，展现系统性思维
- 突出大规模集群管理经验、K8s二次开发案例、以及具体的性能优化数据（如提升多少百分比的资源利用率）
- 深入研究Kubernetes Scheduler源码，强化Linux内核网络栈知识，了解最新AI硬件特性（如NVIDIA H100/H800互联技术）
面试指南
- 使用STAR法则（情境、任务、行动、结果）回答，重点量化优化前后的指标差异，展示对底层原理的理解而非仅仅API调用
- 请描述你设计过的最复杂的调度策略，是如何平衡公平性与效率的？
- 在Kubernetes中，如何实现自定义的调度器插件？遇到性能瓶颈如何排查？
- RDMA网络在大规模分布式训练中面临哪些挑战？你是如何优化的？
- 当GPU集群出现大规模故障时，你的调度系统如何保证任务不丢失且快速恢复？
- 复习操作系统原理、计算机网络、分布式一致性算法
- 回顾自己处理过的最棘手的线上事故案例
职位点评
薪资福利85
成长发展92
工作生活45
使命价值60
薪资福利
85较高
腾讯作为上市巨头，提供极具竞争力的薪酬包和完善的福利体系，满足度高。
薪资信号偏高 (4.0千–7.0万/月)
成长发展
92较高
涉及万卡级集群、K8s内核、RDMA等前沿硬核技术，技术成长空间巨大，属于行业顶尖水平的锻炼机会。
技术前沿前沿/新兴技术
技术栈Kubernetes、GPU、RDMA、Docker、Pytorch、TensorFlow、ARM异构计算
业务类型profit_center
工作生活
45较低
互联网大厂核心研发岗通常伴随较高工作强度和隐性加班，WLB一般，但公司提供较好的办公环境和通勤便利。
工作模式未明确
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
60中等
虽然直接社会影响力不明显，但作为AI基础设施底座，间接支撑了众多AI应用的发展，具有一定的行业价值。
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
腾讯 的其他在招职位
相似职位推荐
Watch Jobs