阿里妈妈-AI Infra高级研发工程师-高性能计算/大模型-北京

优缺点分析

角色解读

• 技术专家路线：深耕性能优化、系统架构等方向，成为特定领域（如AI Infra、高性能计算）的技术权威
• 架构师路线：负责整体广告AI基础设施的架构设计与演进，引领技术方向
• 技术管理路线：带领团队进行技术攻坚，负责团队规划与人才培养
• 设计和优化支撑亿级用户广告业务的AI基础设施，包括大模型推理引擎、万亿级参数存储系统和高速网络通信
• 深入操作系统、CPU/GPU硬件层面进行性能调优，解决超大规模数据处理带来的延迟和吞吐瓶颈
• 主导或参与从算法到系统全栈的技术攻关，确保广告业务的低延迟、高并发和数据一致性
• 精通C++语言，对操作系统原理（内存、多线程）和数据结构算法有深刻理解
• 在GPU编程（CUDA）、高性能存储内核（RocksDB等）或高速网络通信（RDMA/DPDK）至少一个领域有深入的实践和优化经验
• 具备优秀的系统设计能力和全局性能分析（Profiling）视角，能处理复杂的分布式系统问题

申请策略

• 在简历和面试中清晰阐述你的技术选型思路和权衡（trade-off），体现系统思维
• 可以主动询问团队当前面临的具体技术挑战，展示你的主动性和解决问题的意愿
• 详细描述你在C++、操作系统、分布式系统方面的核心项目经验，突出解决的具体技术难点和量化成果（如延迟降低百分比、吞吐提升倍数）
• 针对‘推理优化’、‘存储引擎’、‘网络通信’三个方向之一，深入阐述你的专项技能和项目成果，匹配度要高
• 提供GitHub链接、技术博客或开源贡献，展示你的代码能力和技术热情
• 复习并准备操作系统、计算机网络、分布式系统的核心知识，特别是与性能优化相关的部分（如内存模型、锁机制、RDMA原理）
• 针对目标方向（如CUDA编程、RDMA或RocksDB源码）进行深入学习和实践，最好有可展示的Demo或分析报告
• 了解电商广告业务的基本逻辑和挑战，思考技术如何赋能业务

面试指南

• 使用STAR法则，重点描述情境(Situation)、任务(Task)、行动(Action)和结果(Result)，尤其是Action部分要突出你的技术决策和深度
• 对于架构设计类问题，采用‘分层-模块化’思路，先明确核心目标和约束，再逐步细化组件，阐述关键技术选型的依据
• 对于原理性问题，先阐述核心概念，再结合具体应用场景（如电商广告）说明其价值与挑战
• 请介绍一个你参与过的最具挑战性的底层系统优化项目，你是如何定位瓶颈并最终解决的？
• 如果让你设计一个支持万亿级Embedding查询的存储系统，你会如何考虑架构？在一致性、性能和成本之间如何权衡？
• RDMA技术相比传统TCP/IP网络在哪些场景下有显著优势？实现时需要关注哪些关键问题？
• 如何对一个GPU推理服务进行性能分析（Profiling）和优化？请描述你的思路
• 分布式系统中，如何保证在高吞吐写入下的数据一致性？你了解哪些一致性协议？