资源调度研发工程师-2027届

优缺点分析

角色解读

• 从实习逐步成长为资源调度领域的专家，可向资深的K8s开发工程师或基础架构工程师发展
• 接触大规模分布式系统调度的前沿技术，未来可转型为SRE、运维开发或分布式计算专家
• 表现优异可获得转正机会，成为公司核心基础架构团队成员
• 参与构建MiniMax的CPU资源调度平台，负责提升大规模K8s集群的资源利用率和任务效率
• 深入优化kube-scheduler、Volcano、Koordinator等开源调度组件，进行二次开发
• 实现在线/离线任务混部、优先级调度、弹性伸缩等高级调度功能
• 参与集群容量治理和资源碎片优化，保障调度稳定性和任务运行质量
• 扎实的操作系统、调度算法和分布式系统理论基础
• 熟练掌握Kubernetes核心原理，熟悉调度器、调度队列、资源模型等机制
• 精通Go、Python或C++至少一种语言，具备良好的工程实践能力
• 有K8s调度器或相关开源项目经历者优先，如Volcano、Koordinator等

申请策略

• 申请时附上个人GitHub或技术博客链接，展示对K8s或调度相关的研究成果
• 提前了解MiniMax的技术栈和产品方向，面试时表达对AI基础设施场景的热情
• 突出Kubernetes相关项目经验，如使用kube-scheduler、Volcano或Koordinator的实例，量化资源利用率提升效果
• 展示在Go/Python/C++上的编程能力，尤其是高并发、分布式相关代码实践
• 强调参与开源社区或贡献过K8s生态组件的经历，如PR或Issue讨论
• 体现对操作系统的理解，如cgroups、namespace、调度算法等
• 深入学习Kubernetes源码，尤其是调度器和资源管理部分，可阅读kube-scheduler和kubelet代码
• 了解在离线混部、资源画像等经典论文或开源项目，如Koordinator的混部设计方案

面试指南

• 首先明确问题背景和要解决的核心矛盾（如资源利用率 vs 性能隔离），然后从算法、架构和实现角度给出方案，最后可结合实际场景举例
• 使用分解法：将复杂调度问题拆解为多个子问题（如资源模型、优先级、抢占、弹性），逐一阐述思路
• 请解释Kubernetes调度器的默认调度流程，包括预选、优选和绑定阶段
• 如何设计一个在离线混合部署的调度策略，需要考虑哪些因素？
• 如果集群中出现资源碎片问题，你有哪些优化方案？
• 对比kube-scheduler、Volcano和Koordinator的调度特性，说明各自的适用场景
• 假设有两个Pod：一个在线低延迟服务和一个离线计算任务，如何让它们共享节点并保证在线业务的QoS？
• 复习K8s调度器的核心数据结构（如NodeInfo、Pod、Queue、SchedulerCache等）和调度算法（如node scoring）