快手大数据调度&大模型训练AI-Infra工程师/专家

1.设计并实现高性能、高可用的分布式任务调度引擎，支持分钟级百万任务调度； 2.构建分布式调度系统的高可用架构，实现故障自动转移与恢复； 3.设计并实现监控告警体系，推动调度系统的可观测性建设； 4.推动代码质量、单元测试和工程规范落地。

1. 负责⼤数据资源调度系统YARN 的设计和研发⼯作，解决集群规模增⻓带来的技术挑战，提⾼集群稳定性、可扩展性，深度优化资源调度策略和性能，提升资源利⽤效率； 2. 负责 公司在离线混部系统 的设计和研发⼯作，解决混部场景下，在离线资源复⽤、协调、隔离等问题，保证业务稳定性，提升在离线集群的资源利⽤效率； 3. 深⼊理解系统软硬件特性，关注线上运⾏状态，分析和解决线上问题，推动业务需求的解决⽅案落地。

1. 负责⼤数据资源调度系统YARN 的设计和研发⼯作，解决集群规模增⻓带来的技术挑战，提⾼集群稳定性、 可扩展性，深度优化资源调度策略和性能，提升资源利⽤效率。 2. 负责 公司在离线混部系统 的设计和研发⼯作，解决混部场景下，在离线资源复⽤、协调、隔离等问题，保证 业务稳定性，提升在离线集群的资源利⽤效率。 3. 深⼊理解系统软硬件特性，关注线上运⾏状态，分析和解决线上问题，推动业务需求的解决⽅案落地

1、参与实现自动驾驶的数据闭环系统，利用大模型提升各个环节的效率 2、设计优化 PB 级大数据管道，并探索基于 agent/skill/MCP 的智能数据运维与调度