腾讯腾讯金融行业-云迁移技术专家
任职要求
1.具备5年以上大型分布式系统开发、运维、解决方案或架构设计经验； 2.精通云计算的业务模式、系统架构和解决方案，至少对计算/存储/云原生/大数据/中间件等等至少一个领域有深入的技术理解； 3.精通Linux、windows系统，熟悉shell/python/perl等一种以上脚本语言； 4.熟悉微服务、容器和云原生技术，有丰富的实践和落地经验； 5.精通两种以上主流数…
工作职责
1.为腾讯金融云客户提供迁移上云方案支持，帮助业务攻坚和加速上云迁移落地, 助力金融行业客户高效、安全、可靠上云； 2.提供云上架构诊断、云上架构设计优化方案咨询服务，不断提升客户上云效益，强化客户对腾讯云的长期运营合作； 3.准确识别客户迁移团体云项目中各场景的的技术要点和风险，配合业务团队和实施团队确保迁移项目顺利落地； 4.完善上云知识库建设，传播上云方法论、上云组合方案、上云最佳实践。
1、设计和实现高性能、可靠的对象存储系统，满足大规模数据存储和访问需求； 2、负责对象存储系统核心功能的研发，包括数据存储、数据访问、数据迁移复制等； 3、制定稳定性策略，寻找并解决产品系统中的潜在风险和瓶颈，覆盖线上疑问，保障系统安全可靠。运用产品优化技术和方法，进行性能优化。 4、分析用户需求，优化存储系统架构，提高系统的扩展性、灵活性和可维护性； 5、负责对象存储相关工具和平台的开发，提升对象存储系统的高运维性。
团队介绍：字节跳动豆包大模型团队（Seed）成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，并探索新的交互。团队研究方向涵盖 LLM、语音、视觉、世界模型、基础架构、AI Infra、下一代 AI 交互等，在中国、新加坡、美国等地设有实验室和岗位。 豆包大模型团队在 AI 领域拥有长期愿景与决心，坚持深耕基础，期望成为世界一流的 AI 研究团队，为科技和社会发展作出贡献。目前团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、扣子、即梦等超过 50 个应用场景。 1、负责机器学习系统存储相关组件的设计和开发，服务于大模型推理的各业务场景（LLM/S2S/VLM/多模态等），包括模型分发加载、KV Cache存储和优化，数据IO性能优化，提高推理TTFT、TBT等核心性能指标； 2、负责设计和实现面向大模型推理的多层级存储系统，综合利用显存、本地内存、分布式内存/磁盘、远端大容量存储系统（HDFS/对象存储）等多种介质进行数据的存储和迁移管理，实现「近计算缓存+远端大容量存储」的一体化分级系统； 3、负责优化大模型KV Cache命中率，从推理框架，流量调度，多级缓存等多个系统纬度入手定制化优化策略；优化数据的读取性能，充分利用近计算侧的NVLink、RDMA高速网络、GPU Direct技术实现数据的高效传输；优化数据副本的存放策略，实现负载流量和存储数据的合理化分布； 4、负责设计和实现高效、易用的数据访问接口，实现和推理框架、引擎的无缝对接，管理KV Cache的生命周期； 5、负责Kubernetes场景下多级存储系统的接入、管理、运维、监控，确保稳定性； 6、负责多机房、多地域、多云场景的系统搭建和容灾，优化跨集群的数据摆放。
1. 负责灵骏集群中GPU资源的全面监控、质量巡检及故障预测，通过智能化运维手段确保系统的高可用性和稳定性，提前识别并解决潜在问题； 2. 保障灵骏与集团在线POD的集群资源管理与切分业务，优化资源分配策略，提高资源利用率和任务处理效率，支持大规模分布式计算的需求； 3. 开发和维护KuberGPU技术，实现GPU资源的高效切分与容器化部署，支持包括灵骏客户、集团内部需求以及阿里云服务（ACS）产品在内的多种应用场景，提供灵活且强大的GPU资源共享解决方案； 4. 开发和实施容器热迁移技术，提升集群灵活性和容错能力，确保在不停机的情况下进行系统维护和资源调度，进一步增强用户体验和服务连续性。
1、负责异构计算集群的架构设计与研发，优化算力资源调度，提升效率与稳定性，为亿万用户提供普惠算力服务； 2、攻克主流AI应用在异构计算集群部署中的技术瓶颈，设计并开发高性能、高可用的异构计算解决方案； 3、主导Serverless化异构计算平台的建设，推动云原生架构在异构计算领域的创新应用与迭代升级； 4、跟踪AI领域的前沿技术动态，参与构建面向下一代AI训练与推理场景的智能算力平台架构。