请求调度算法工程师

优缺点分析

角色解读

• 纵向可成长为AI Infra调度方向的架构师或技术专家，主导平台级调度体系设计
• 横向可拓展至大模型推理优化、算力资源平台、云原生调度（Kubernetes等）等相关领域
• 积累大规模线上系统的性能与稳定性经验，具备向技术管理或技术负责人发展的基础
• 设计并落地大模型训练/推理平台的请求调度策略，保障SLO/QoS与多租户隔离
• 统筹调度体系架构，整合优先级调度、缓存感知与负载均衡等机制
• 协调调度层与底层推理/训练引擎的联动，确保策略在真实环境中稳定生效
• 建立算法评估与监控机制，基于线上数据持续定位瓶颈并迭代优化
• 大规模分布式系统调度与资源管理的架构设计能力，理解多租户隔离与性能保障
• 对SLO/QoS、优先级调度、缓存感知、负载均衡等调度机制有系统化理解
• 性能瓶颈定位与可量化问题抽象能力，能把系统现象转化为算法优化问题
• 跨层协同能力，能与底层引擎团队联合调优并推动策略落地

申请策略

• 提前了解京东云与AI Infra团队的业务方向及大模型服务形态，便于面试中展现业务理解
• 在沟通中体现对稳定性、效率与成本平衡的工程判断力
• 突出大规模分布式系统调度、资源管理或任务编排相关的项目经验与规模数据
• 量化展示SLO/QoS保障、多租户隔离、负载均衡等机制的设计与落地效果
• 强调性能瓶颈定位与优化的案例，说明问题抽象与算法改进的完整闭环
• 如有与推理/训练引擎协同调优的经历应重点呈现
• 系统梳理调度理论与主流框架（如Kubernetes调度器、YARN、Mesos等）的设计取舍
• 补强大模型推理/训练引擎的基础知识，理解调度与引擎的交互点

面试指南

• 采用「背景-挑战-方案-结果」结构，突出规模、指标与你的具体贡献
• 面对问题定位类问题，按「观测指标→假设→验证→根因→优化→回归验证」的逻辑展开
• 架构类问题先讲整体设计取舍，再讲关键机制与边界情况处理
• 请介绍你做过的一个大规模调度系统设计，如何保障SLO/QoS与多租户隔离？
• 当系统出现性能波动时，你如何定位瓶颈根因并转化为可量化的算法优化问题？
• 调度层与底层引擎联动时出现过哪些问题，你是如何设计机制确保策略稳定生效的？
• 如何设计缓存感知与负载均衡策略以兼顾吞吐和延迟？
• 你如何基于线上数据评估调度策略效果并推动持续迭代？