资深网络集群性能调优专家

优缺点分析

角色解读

• 资深技术专家路线：在网络调优领域持续深耕，成为高性能网络领域的权威专家
• 架构师路线：从网络架构设计扩展到数据中心整体架构规划，主导大规模基建项目
• 技术管理路线：积累团队管理经验，向网络部门负责人或技术总监发展
• 负责RDMA/RoCEv2/InfiniBand高性能网络的性能诊断与优化，解决大规模GPU集群中的网络瓶颈
• 设计并优化数据中心网络架构、流量调度和拥塞控制算法，保障AI训练和推理的高效运行
• 建立网络性能基准测试和监控平台，实现故障早期预警，并通过自动化工具提升运维效率
• 牵头处理疑难网络故障，沉淀案例库和应急预案，并跟踪下一代网络技术推动架构升级
• 精通RDMA、RoCEv2、InfiniBand协议栈，具备大规模AI集群网络调优经验
• 熟悉数据中心网络架构和拥塞控制机制，能独立设计高性能网络方案
• 精通网络性能分析工具（iperf、perftest、tcpdump、Wireshark），具备系统性问题排查能力
• 具备Python、C、Go编程能力，能开发自动化调优和诊断工具

申请策略

• 在简历和面试中强调与AI集群网络相关的具体项目经验，量化成果
• 提前了解B站的AI业务方向（如视频理解、推荐系统），展示技术与业务结合的意识
• 突出大规模GPU集群网络调优的实际案例，包括集群规模、性能提升数据、使用的技术栈
• 强调对RDMA/InfiniBand协议栈的深入理解，以及使用iperf等工具进行性能分析的成果
• 展示自动化工具开发经验（Python/C/Go），尤其与网络诊断相关的项目
• 提及参与过的网络架构设计或故障复盘案例，体现系统化思维
• 补充学习InfiniBand的细节（如子网管理器、路由策略）和RoCEv2的拥塞控制算法（DCQCN等）
• 熟悉AI集群典型拓扑（如Fat-Tree、Dragonfly+）和作业调度对网络的影响

面试指南

• STAR原则（情境-任务-行动-结果）回答项目经验，突出技术难点和量化产出
• 针对协议和机制问题，先阐述理论基础，再结合实际调优经验，展现深度和逻辑
• 故障排查类问题，按网络分层（物理层、链路层、传输层）逐步展开，体现系统思维
• 请详细描述一次你解决大规模集群网络性能瓶颈的经历，用了哪些工具和方法？
• RoCEv2的拥塞控制机制（DCQCN）是如何工作的？如何调优参数？
• 如果你发现GPU训练任务时延异常，你会从哪些层面排查？给出具体步骤
• 设计一个千卡集群的网络架构，你会如何选择拓扑和协议？考虑哪些因素？
• 如何监控网络性能并实现自动预警？你会使用哪些指标和工具？