腾讯腾讯云-计算Iaas产品SRE工程师

1.负责腾讯云公有云客户云上售后SRE专家支持工作，为客户提供容灾高可用，业务部署优化，架构优化，成本优化，容量管理，业务连续性治理等方面的专家服务； 2.帮助客户进行应用部署架构的梳理与优化，通过云产品自身提供的高可用能力或者业界主流的容灾方案，为客户提供容灾高可用优化方案的设计与实施； 3.通过混沌工程等演习手段，设计并实施客户应用业务层面的容灾方案与验证； 4.对常见的互联网IT故障，设计应急预案并工具化落地，帮助客户实现容灾自动化逃生能力，达到客户业务对 RTO/RPO 要求； 5.通过产品化，工具化的思路，提升客户在云上SRE管理与治理方面的体验与效率。

1. 技术方案设计 • 与PD紧密合作，收集、识别、分析客户需求，结合自身行业经验分析并论证需求合理性；在需求明确后，确定技术方案的目标、范围和交付成果； • 完成客户需求的技术方案设计，结合需求场景选择合理的技术架构，满足性能与稳定性要求，并保持足够的可扩展性，同时确保ROI（投入产出比）合理。 2. 技术实现 • 基于DDD（领域驱动设计）开发方法，按时完成弹性网卡（ENI）、安全组（Security Group）业务需求的开发，高质量交付； • 对编码进行阶段性讨论和Code Review，并通过调试优化，推动代码成功部署； • 在Code Review过程中，能够保持热情，及时给予年轻工程师经验指导，帮助其快速成长； • 对开发中和部署后的程序进行维护和迭代，包括值班on-call、升级工单处理、缺陷排查、问题诊断、产品体验改善、性能和成本优化等。 3. 稳定性和性能优化 • 与架构和SRE团队紧密合作，针对负责的功能制定稳定性策略，寻找并解决产品系统中的潜在风险和瓶颈，处理线上疑难杂症问题，确保系统的安全可靠； • 使用DDD（领域驱动设计）开发方法对存量代码进行重构，持续改善系统设计、提升系统性能并消除稳定性隐患。 4. 技术预研 • 定期调研业界对标产品的产品形态并结合客户反馈的业务诉求，分析并转化为ECS弹性网卡、ECS安全组等平台产品的需求；协同PD保持上述产品能力的先进性。 5. 技术规划 • 定期跟踪系统在性能和稳定性相关指标方面的变化趋势，及时分析原因，发现弹性能力演进的机会点，并提前设定技术架构演进的前瞻性目标，开展POC验证； • 对分布式技术、高性能通信技术、数据库技术等保持好奇心和敏锐性，结合业务实际做好技术预研、分享和应用。

1. 作为产品与客户的桥梁，深入理解云电脑所采用技术原理、产品架构和应用场景，结合阿里云整体产品能力，针对不同场景需求提供专业解决方案建议，助力客户端侧算力需求上云； 2. 洞察行业应用和技术趋势以及结合客户日常使用反馈，以场景竞争力需求，推动产品改进及用户体验提升，持续挖掘新的市场机会； 3. 与前线BTE/SA协作，深耕行业头部客户，对客户需求分析、技术方案设计、POC验证和成功交付全流程负责，实现产品商业化目标； 4. 结合客户场景，对云电脑、端侧AI以及Agent infra需求，结合产品能力以及案例实践进行解决方案开发和验收，完善解决方案竞争力和可交付性，与PD、研发、运营合作，推动产品GTM活动。

我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 工作职责： 1、参与/负责研发面向大语言模型(LLM)/多模态大模型(MLLM)等类型模型的推理服务框架； 2、参与/负责KV Router、PD分离/EPD分离、KVCache管理、动态PD调整等分布式推理能力建设； 3、通过并行计算优化、分布式架构优化、异构调度等多种框架技术，打造高效、易用、领先的AI推理框架； 4、参与/负责构建推理框架的系统容错能力，包括但不限于请求迁移、优雅退出、故障检测、自愈等能力建设； 5、深度参与周边深度学习系统多个子方向的工作，包括但不限于模型管理、推理部署、日志/监控、工作流编排等； 6、与全公司各业务算法部门深度合作，为重点项目进行算法与系统的联合优化，支撑业务目标达成。