小红书云原生高级开发工程师/专家-云原生调度方向
任职要求
任职要求 1.计算机科学、软件工程等相关专业本科及以上学历，3年以上容器、Kubernetes 或相关分布式系统开发经验。 2.熟练掌握 Kubernetes 核心组件的原理和开发，具备调度器（Scheduler）相关模块的开发经验，有调度算法优化项目经验优先。 3.熟悉大规模容器集群的资源管理和在离线混部调度机制，了解不同业务负载对计算、存储和网络资源的需求，能有效设计混部策略。 4.精通 Go 或 C++ 编程，具有良好的代码风格和系统架构设计能力，能进行复杂系统的代码开发和调试。 5.熟悉容器技术栈（如 Docker、containerd），有 L…
工作职责
容器统一调度与在离线混部方向 岗位职责 1.负责公司容器调度平台的架构设计和核心功能开发，包括容器资源管理、调度优化、弹性伸缩等模块。 2.设计和实现在线与离线任务的混部调度方案，优化集群资源的整体利用率，实现计算、存储和网络资源的高效调度。 3.针对不同业务场景，研究并改进 Kubernetes 调度算法，包括任务优先级、抢占机制、节点选择等，提升集群的资源分配效率和稳定性。 4.与多集群管理平台、资源隔离、QoS 管理等模块协同工作，确保在复杂场景下的资源调度策略具备高可用性和可扩展性。 5.跟踪云原生生态的最新发展趋势，研究并应用新技术以提升系统性能和调度灵活性。 6.支持系统的性能监控与故障诊断，参与系统优化和技术问题的快速解决，保障系统的高效稳定运行。
我们是字节跳动基础架构-私有云团队，主要为今日头条、抖音、国际化短视频、飞书、电商等内部业务提供云基础服务，覆盖服务研发的全生命周期，包括微服务框架、服务发布、服务治理、多云管理以及经营分析平台等方向。团队拥有超大规模的微服务数量、全球化的部署体系、复杂的多云场景。极致的服务性能、简单易用的研发体验、一致的多云管理以及精确的经营分析是团队持续追求的目标。 1、负责云平台的设计与开发工作，负责云平台的基础组件服务，包括但不限于：云服务管控、大规模资源调度系统、商品管理、经营分析、计费计量、报表平台、云平台资源、配额、预算、权限等横向平台建设； 2、抽象多云适配层，适配不同云环境，构建用云过程自助服务，业务通过简单操作，自动完成微服务、配置、存储数据的迁移流程； 3、构建高效稳定的云平台元数据管理服务、云平台构建和高级资源编排服务； 4、负责字节跳动基础架构技术中台交易体系的核心商品域业务需求开发、系统维护，完成需求分析、方案设计和实现； 5、负责商品系统的类目、成本、定价、规格等多个子域的系统设计与维护； 6、负责承载亿级应用程序引擎的研发：负责字节跳动业务架构设计构建高效的在离线服务托管平台； 7、设计研发PaaS/FaaS的关键组件，打造业界领先的无服务器平台Serverless。
我们是字节跳动基础架构-私有云团队，主要为今日头条、抖音、国际化短视频、飞书、电商等内部业务提供云基础服务，覆盖服务研发的全生命周期，包括微服务框架、服务发布、服务治理、多云管理以及经营分析平台等方向。团队拥有超大规模的微服务数量、全球化的部署体系、复杂的多云场景。极致的服务性能、简单易用的研发体验、一致的多云管理以及精确的经营分析是团队持续追求的目标。 1、负责云平台的设计与开发工作，负责云平台的基础组件服务，包括但不限于：云服务管控、大规模资源调度系统、商品管理、经营分析、计费计量、报表平台、云平台资源、配额、预算、权限等横向平台建设； 2、抽象多云适配层，适配不同云环境，构建用云过程自助服务，业务通过简单操作，自动完成微服务、配置、存储数据的迁移流程； 3、构建高效稳定的云平台元数据管理服务、云平台构建和高级资源编排服务； 4、负责字节跳动基础架构技术中台交易体系的核心商品域业务需求开发、系统维护，完成需求分析、方案设计和实现； 5、负责商品系统的类目、成本、定价、规格等多个子域的系统设计与维护； 6、负责承载亿级应用程序引擎的研发：负责字节跳动业务架构设计构建高效的在离线服务托管平台； 7、设计研发PaaS/FaaS的关键组件，打造业界领先的无服务器平台Serverless。
1. 设计并实现高性能AI原生网关。构建低延迟、高并发的API网关系统，支持多模态、多协议接入，为国内及全球客户提供灵活、安全、可扩展的流量接入方案，提供完整的数据面控制与可观测能力。 2. 打造智能推理调度与资源管理系统。设计并实现面向复杂分布式推理场景的请求调度和资源调度系统，结合动态负载特征与异构硬件资源，持续优化请求分发策略；建设Serverless化资源调度架构，实现资源的弹性伸缩与极致利用率提升。 3. 构建先进的MLOps平台能力。深度优化模型服务的CI/CD流程，推动算法研发到生产部署的自动化与标准化；实现模型版本管理、灰度发布、监控告警、性能分析等全生命周期管理能力，提升迭代效率与系统稳定性。
大模型具备很强的泛化及理解世界能力，在小红书内的众多生产场景遍地开花，大模型的训练和部署已成为许多算法工程师的日常。在多团队、多业务频繁使用的大规模GPU集群上，如何能够通过高效的GPU调度策略，使大家不仅能丝滑地完成训练及部署任务，同时也能充分激发大规模GPU集群的效能，是行业公认的关键挑战。在这里，你可以聚焦LLM场景，接触到超大规模GPU集群，并使用真实负载数据进行深入分析及技术探索。欢迎加入我们，一起探索领先技术改变世界！ 工作职责： 1、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。 2、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。 3、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。