腾讯云原生算力平台运维工程师(深圳/北京)
任职要求
1.本科及以上学历，2年以上相关工作经验； 2.熟悉GPU、机器学习技术原理，有GPU硬件、驱动、Cuda、NCCL、Mellanox网络等运维和调优经验，有异构硬件经验者优先； 3.熟悉云原生容器技术，有Docker、K8s的实际使用和运维经验； 4.熟悉…
工作职责
1.负责GPU、CPU、异构计算设备的日常运维、软硬件排障、调优，以及算力服务能力提升、资源利用效率提升，保障算力输出的持续、稳定、高效； 2.负责k8s集群管理和治理，容灾设计、监控告警、版本变更、安全演练等，保障系统高可用和可维护； 3.负责运维运营工作自动化，包括资源管理、变更管理、故障恢复、用户工具接口等。
职位介绍加入我们，你将会参与由第四范式自主研发的多模态大模型基础架构研发工作，和经验丰富的工程师以及科学家一起，参与到业界领先的多模态大模型训练任务中。主要工作内容包括但不限于： • 探索基于云原生的分布式多模态大模型训练任务调度方案，在GPU虚拟化，训练任务的拓扑优化方向找寻新的可能性 • 探索基于云原生的分布式多模态大模型训练的的网络和存储解决方案，优化整体集群的网络和存储效率
我们正在招募经验丰富，技术卓越的云原生平台后端研发工程师，主要负责云原生PaaS平台的框架设计优化和开发迭代工作，您将深入参与推荐系统引擎和模型服务部署管控全流程，为推荐系统云原生构建提供关键技术支撑。 主要职责： 1、参与 PaaS 平台的架构设计与开发，优化系统性能和可扩展性，保障平台的高性能和稳定性； 2、设计和实现高效的微服务架构，保障推荐系统引擎和模型服务部署管控的高效性和高可用性； 3、监控和分析系统性能，针对问题给出可落地的解决方案； 4、与产品经理、前端工程师和运维团队紧密合作，高效推动项目的进展； 5、进行代码框架整合与优化，确保代码的可扩展性和可维护性。
1.AI 原生架构设计： 负责云原生数据库（存算分离架构）的 AI 能力增强，设计并实现面向大规模向量数据的存储、索引及计算架构； 2.高性能内核研发： 在数据库内核中注入AI特性，增强优化器，列存，HTAP以及DB自调优等核心特性； 3.湖仓一体演进： 推动数据库与 Apache Iceberg 等开放表格式的融合，构建 AI 友好的湖仓基础设施，解决非结构化数据与结构化数据的关联检索难题； 4.稳定性与自愈建设： 应对 Serverless 场景下的极速伸缩挑战，利用混沌工程提升分布式环境下的数据一致性与高可用性； 5.前沿探索： 持续跟进 AI4DB（利用 AI 优化数据库参数/查询）与 DB4AI（数据库内置模型推理）方向的最新研究并推动工程落地。
1.主导并参与TDSQL-C云原生数据库存储层的架构设计与研发，重点突破高并发场景下的分布式存储性能瓶颈和稳定性； 2.设计与开发底层核心存储组件，提升数据持久化、备份恢复及跨可用区容灾能力； 3.优化存储与计算节点间的网络通信机制，实现高吞吐低延时传输和并提升异常容错能力； 4.联动数据库内核，推进存算分离架构的深度优化，完成产品化高级特性落地。