宁德时代
算力调度研发工程师
算力调度研发工程师
发布于 大约 9 小时前普通员工/个人贡献者
厦门市
高级经验
全职员工
仅现场办公
本科
平台工程
Ai基础设施
Go
Gpu调度
Nccl
Volcano
分布式系统
AI 估算 · 30k–50k
职位详情
关于这个职位
该职位负责设计并开发大规模GPU集群调度系统，包括任务队列管理、资源分配、拓扑感知调度、多集群联邦调度等核心模块，并参与异构芯片的统一资源抽象与调度适配
需要具备分布式系统、Kubernetes和GPU资源管理的深厚经验，适合有志于AI基础设施领域的资深工程师
最低要求
计算机科学、软件工程等相关专业本科及以上学历，3年以上分布式系统或云原生平台开发经验
精通Go/C++/Python中至少一门语言，具备高并发、低延迟系统的设计与实现能力
深入理解Kubernetes调度体系，有大规模K8s集群（千节点以上）的开发或运维经验
熟悉GPU资源管理技术（MIG/MPS/vGPU/显存隔离/拓扑感知），理解GPU集群的网络拓扑与通信模式
了解主流AI调度框架（Volcano、KubeFlow）的设计思想与实现原理
良好的工程素养，重视代码质量、系统可测试性与可观测性
善于利用AI辅助工具提升开发与调试效率
工作职责
设计并开发大规模GPU集群调度系统核心模块，包括但不限于：任务队列管理、资源分配引擎、训推混部调度、弹性伸缩控制面
研发拓扑感知调度策略，基于GPU互联拓扑进行亲和性调度与通信优化，最大化集群吞吐
构建多集群联邦调度能力，实现跨集群潮汐弹性、资源迁移与独享/共享池的动态划分
设计算力超卖与分时复用机制，结合动态Buffer控制与SLA保障体系，实现用户无感的秒级扩缩容
参与异构芯片（NVIDIA、华为昇腾、国产GPU/NPU/ASIC）的统一资源抽象与调度适配
构建调度系统的可观测性，包括调度延迟、队列深度、资源碎片率等核心指标的采集与分析
构建自动化异常检测系统，参与大规模训练/推理系统的故障诊断与根因分析
优先资格
有万卡以上规模GPU集群调度系统的设计或开发经验
深入理解训推混部、Gang Scheduling、Spot/抢占式实例、算力超卖等场景
有智算中心或头部云厂商AI Infra团队工作经历
有CUDA/NCCL/UCX通信库开发经验
AI 洞察
暂无 AI 洞察数据
Watch Jobs