研究型实习生 - 面向公有云的大规模资源调度算法优化技术研究

优缺点分析

角色解读

• 从算法原型设计到大规模生产环境落地，积累分布式系统底层核心技术的实战经验
• 未来可向云计算核心架构师、资深算法专家或学术界研究方向发展
• 研究并设计云计算场景下的资源调度算法，解决海量算力分配与资源装箱效率问题
• 结合SLA要求优化多目标约束下的决策机制，分析集群数据并推动算法原型在生产环境落地
• 扎实的计算机与算法基础，熟练掌握Python/C++及常用设计模式，具备复杂系统设计开发能力
• 精通优化算法及调度理论，具备良好的英文技术文档读写能力

申请策略

• 提前了解阿里云ECS弹性计算服务的业务背景及核心技术挑战，准备相关的算法推导和代码实现细节
• 突出在运筹学、优化算法或调度理论方面的项目与研究经历，展示数学建模能力
• 展示Python/C++工程能力，若有顶会论文或开源调度系统贡献需重点标明
• 深入学习强化学习、机器学习在资源调度与装箱问题中的应用场景
• 熟悉Kubernetes等主流开源调度系统的底层原理与源码实现

面试指南

• 使用STAR法则描述项目背景、面临的约束条件、采用的算法模型及最终收益
• 结合理论与实际业务场景，阐述多目标优化的权衡思路与数学推导过程
• 请介绍一个你主导的优化算法项目，说明如何解决多目标约束问题？
• 在大规模资源调度中，如何平衡资源成本与SLA稳定性？
• 强化学习在资源装箱问题中有哪些应用场景和局限性？
• 请描述你熟悉的调度理论，并说明如何将其应用于云计算场景？
• 复习运筹学、调度算法及强化学习相关理论，准备手写核心算法代码
• 了解阿里云弹性计算的业务架构和常见资源调度痛点，思考优化方案