小红书
GPU调度研发工程师/专家
GPU调度研发工程师/专家
发布于 1 天前普通员工/个人贡献者
北京市 / 上海市
高级经验
全职员工
仅现场办公
学历未注明
PyTorch
LLMOps
GPU虚拟化
云原生
大模型
GPU调度
AI 估算 · 30k–55k
小红书为大型互联网公司，GPU调度岗位技术稀缺，薪资竞争力强，结合地域水平估算。
职位详情
关于这个职位
该职位负责小红书万卡级GPU集群的效能分析与优化，通过调度策略、GPU虚拟化、故障恢复等手段提升集群效率
同时构建面向大模型训练推理全流程的LLMOps平台，与云原生深度融合
适合对云原生、大模型基础设施有浓厚兴趣的技术专家
最低要求
熟悉云原生生态及工具，如Kubernetes、Kubeflow、Volcano等，有GPU虚拟化、GPU集群调度、故障容错、高速存储/网络等经验优先
了解大模型基本概念及训推生命周期，如预训练、微调、对齐、推理、部署等基本概念及流程，能够支撑大模型平台构建&优化即可
熟悉大规模GPU训练、推理集群的调优技术，能结合平台调度、网络拓扑优化等提升集群训练推理效率
熟练掌握 Python、Golang、C++ 或其他编程语言中的一门或多门，熟悉至少一种深度学习框架，如PyTorch、TensorFlow、PaddlePaddle等
具备优秀的逻辑分析能力，能够对业务逻辑进行合理的抽象和拆分
工作职责
负责万卡规模GPU集群效能分析及优化，通过调度策略优化、在离线混部、集群调度、GPU虚拟化、故障快速恢复、存储&网络加速等手段，提升大规模GPU集群的整体使用效率
负责构建面向大模型训练、微调、推理、部署全流程LLMOps，与下游云原生平台深度融合，支撑大模型在公司内各业务生产链路稳定高效地落地
持续关注业界最新的GPU资源调度相关技术动态，探索建设业界领先的资源调度策略及方法，构建下一代大规模AI资源调度系统
优先资格
有大模型场景下负载特征分析、GPU集群调度&性能优化、高性能网络/存储等实践经验或者相关研究成果优先
有GPU虚拟化落地、在线/离线场景混合部署经验优先
有大规模GPU集群上预训练、推理等场景端到端优化经验优先
AI 洞察
优缺点分析
优点
- 接触前沿技术（大模型、GPU集群、云原生），个人技能积累快，市场竞争力强
- 小红书业务场景丰富，平台大，技术影响力广泛
- 团队处于快速发展期，有机会参与下一代系统设计，成就感强
- 技术栈复杂，需要持续学习并跟进最新动态
- 项目可能面临较紧的时间线，工作强度较大
- 适合对大规模分布式系统和AI基础设施有浓厚兴趣，具备较强编程和系统设计能力的求职者
缺点 / 挑战
- 大规模集群故障排查和性能优化极具挑战性，需要较强的分析和问题解决能力
角色解读
- 成为GPU调度和AI基础设施领域的专家，晋升为技术专家或架构师
- 向AI平台架构、云原生技术负责人方向发展，覆盖更大的基础设施系统
- 随着大模型爆发，该领域人才稀缺，职业前景广阔，可跨团队或公司发展
- 负责万卡级GPU集群的效能分析，通过调度策略优化、GPU虚拟化、故障恢复等手段提升整体使用效率
- 构建面向大模型训练、微调、推理全流程的LLMOps平台，并与云原生平台（Kubernetes等）深度集成
- 持续追踪GPU资源调度前沿技术，探索下一代大规模AI调度系统
- 熟悉云原生生态（Kubernetes、Kubeflow、Volcano），有GPU集群调度和虚拟化经验
- 了解大模型训推生命周期，掌握至少一种深度学习框架（如PyTorch）
- 熟练掌握Python、Golang、C++等编程语言，具备良好的逻辑抽象能力
申请策略
- 研究小红书技术博客和开源项目，了解其基础设施技术栈
- 在简历中体现对大规模系统优化和故障处理的热情，以及具体的量化成果
- 突出GPU集群调度、虚拟化或高性能计算相关项目，尤其是大规模集群优化经验
- 强调对云原生（Kubernetes）的使用和自定义调度器开发经历
- 展示大模型训练或推理平台的建设经验，包括端到端流程
- 体现编程语言（Python、Go、C++）和深度学习框架（PyTorch）的熟练度
- 深入学习Kubernetes调度原理，包括自定义调度器和资源绑定
- 了解GPU虚拟化技术（如vGPU、MIG）和主流大模型训练框架（Megatron、DeepSpeed）
面试指南
- 结构化回答：先给出核心思路，再分点阐述技术细节，如调度策略、资源管理、容错等
- 结合项目经验：用自己的实际案例说明，突出遇到的问题和解决方案
- 展现思考过程：对不确定的问题，分析可能方案和权衡，体现系统思维
- 如何设计一个GPU集群调度系统？需要考虑哪些关键因素？
- Kubernetes调度器如何工作？如何实现GPU资源的分配与隔离？
- 如何优化大模型训练时的网络通信（如使用RDMA）？
- 描述一次你处理过的集群故障或性能瓶颈的经验
- 谈谈你对GPU虚拟化技术（如MIG、vGPU）的理解和应用
匹配度报告
69
综合匹配度
大厂热门技术岗，前沿AI基础设施，薪资优厚但WLB一般。
适合人群
适合看重技术成长和行业前景的求职者，对工作生活平衡要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利65
成长发展85
工作生活45
使命价值80
薪资福利匹配
65中等
薪资面议但经验表明互联网大厂该岗位薪资有竞争力，福利未明确提及。
薪资信号未披露（AI估算：30K-55K/月）
成长发展匹配
85较高
技术栈前沿（大模型、云原生），成长空间大，但JD未明确晋升路径。
技术前沿前沿/新兴技术
技术栈GPU调度、Kubernetes、云原生、大模型、PyTorch、GPU虚拟化、LLMOps
业务类型cost_center
工作生活匹配
45较低
未提及远程或弹性办公，典型互联网公司现场办公，加班情况未明确但行业普遍。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
80较高
大模型是高速增长赛道，公司为行业头部，技术革新快，社会影响力中性。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs