蚂蚁集团-算力调度研发专家-杭州

优缺点分析

角色解读

• 在算力调度领域深耕，成为技术专家或架构师，主导大规模基础设施架构演进
• 向AI基础设施方向扩展，参与更广泛的资源调度、集群管理和算力优化工作
• 有机会转向技术管理岗位，带领团队负责核心调度系统研发
• 负责研发通智算一体的高性能调度系统，支持云原生应用、大数据作业、大模型训练/推理等多种负载混合部署
• 优化大规模任务调度性能，提升AI、大数据场景下的作业编排与运行效率
• 结合硬件拓扑和网络架构，设计异构硬件优化调度算法，提升GPU等资源利用率
• 通过弹性、混部、抢占等技术提升资源效率，保障大规模调度系统的高可用性
• 精通分布式调度系统、大规模高可用系统设计，如Kubernetes、Volcano等
• 熟悉云原生技术栈和并行计算框架，如Knative、PyTorch、TensorFlow等
• 具备分布式系统性能调优和排障能力，理解CPU、GPU、内存、网络等硬件特性
• 良好的团队沟通与协作能力，能够推动跨团队技术落地

申请策略

• 关注蚂蚁在AI基础设施（如绿色算力、算力网络）上的战略布局，在面试中体现认知
• 准备好讲述一个从性能瓶颈到优化方案落地的完整项目故事，突出你的技术判断力
• 重点突出分布式系统或调度系统的架构设计和落地经验，量化性能提升成果
• 强调对Kubernetes、Volcano等开源项目的深入使用或贡献经历
• 展示在资源利用率优化、成本控制或大规模集群管理方面的具体案例
• 如有GPU/网络优化经验（如CUDA、RDMA、拓扑感知），务必详细体现
• 深入理解Kubernetes调度器及Volcano等框架的源码和设计思想
• 学习GPU虚拟化、资源隔离与混部技术，掌握性能分析工具如profiler、perf

面试指南

• 采用'需求-设计-权衡-验证'的结构，先明确业务目标，再阐述架构选型和技术细节，强调对性能、可用性、扩展性的平衡
• 结合具体项目案例，说明问题背景、优化措施、量化收益和复盘总结，突出个人在其中的贡献
• 在回答分布式系统问题时，注意提到一致性、容错、弹性等核心设计要素，并关联经典理论如CAP、一致性哈希等
• 如何设计一个支持多租户、多工作负载的高性能调度器？
• 在Kubernetes中如何实现GPU资源的高效调度与隔离？
• 如何优化大规模任务在异构集群上的调度策略，提升资源利用率？
• 请描述一个你解决过的分布式系统性能问题，以及你的排查和优化思路
• 如何保证调度系统在单点故障或网络分区时的可用性？