阿里云阿里云智能-云网络智能运维研发专家-AI领域-杭州
任职要求
1. 5年以上IT、互联网、云计算行业运维开发工作经验； 2. 熟悉Java、Golang、python等主流开发语言，有运维自动化系统开发经验者从优； 3. 对云计算业务运维保障管理有丰富的实战经验，如复杂业务场景下的流程优化和过程改进、系统的高可用性架构实现、组织的稳定性意识提升等； 4. 善…
工作职责
1. 参与运维可观测链路建设： 1.1 建立并持续优化产品运维的监控机制，研发并维护相应的运维监控平台/工具； 1.2 建立并持续优化产品运维的预警机制，确保故障能够被快速发现、通报、定位及处理； 1.3 建立快速分析、诊断、定位问题能力，并能够协同开发人员分析解决问题。 2. 参与运维可自愈链路建设： 2.1 建立健全快速恢复服务机制，降低业务受损程度，确保产品、业务稳定运行； 2.2 建立故障注入机制，模拟生产故障场景，验证产品稳定性水位，提前发现系统能力短板。 3. 运维自动化体系建设： 3.1 建设本领域相关的运维体系，如变更标准、重保体系、客情预警等，确保本领域产品运维&稳定性能力提升； 3.2 建设稳定性能力的数据化体系，通过数据驱动方式持续治理稳定性风险； 3.3 建设网络质量自动化探测评估体系，并结合观测链路和自愈链路，自动化隔离网络抖动带来的服务影响。
1、技术前瞻与需求洞察：跟踪云计算与网络领域的前沿技术趋势，重点研究 AI/ML 工作负载（如大模型训练与推理）对高性能网络的新需求，提炼产品创新方向； 2、竞品与市场分析：持续关注主流云厂商在网络虚拟化、高性能网络、AI 推理网关等方向的产品演进，输出竞品分析与市场洞察，支持产品演进，驱动产品差异化与战略决策； 3、产品全生命周期管理：负责核心云网络产品（如 VPC、EIP、SLB、云企业网等）的功能规划、需求分析、产品设计及商业化运营，推动产品规模增长； 4、端到端解决方案设计：面向用户多样化的业务场景，设计端到端的云网络解决方案，综合平衡性能、延迟、弹性、安全与成本等关键维度； 5、跨职能协同落地：联动网络架构、研发、运维、售前等团队，高效推进产品从规划、开发到上线的全流程，确保高质量交付与用户体验； 6、产品运营与持续迭代：负责产品上线后的运营，包括用户培训、客户交流、市场活动支持、反馈闭环机制建设，并基于数据驱动实现产品的持续优化与体验升级。
1. 存储和 AI infra 研发，开发和调优高性能通信框架，包括多线程任务调度、零拷贝内存管理、多协议自适应 RPC 等，聚焦云存储（EBS/OSS/DFS/CPFS）与 AI 智算场景的网络基础设施，主导下一代高效稳定的存储网络技术体系构建。 2. 主导 DPDK 和 RDMA 技术栈的深度优化和落地，在不同业务的不同网卡&交换机环境中，进行网络库的适配、集成、性能调优，突破单机业务吞吐瓶颈，降低平均和长尾延迟。 3. 开发基于 BF3 的智算网络加速方案，实现高带宽低延迟大规模 AI 数据流处理。 4. 参与建设网络框架监控、智能运维体系，在保障网络高性能的同时，兼顾可控、可靠、可视化。
1.负责广域网转发面或控制面的研发工作，包括软硬件结合、虚拟化、控制器等网络技术； 2.负责广域网大规模可编程集群和专线接入设备的稳定性架构与开发； 3.负责广域网专线/长传资源的精细化运营、交付、管理，支撑AI的大规模数据传输与训练。
1、面向AI大规模训练与推理、大数据处理、函数计算等新兴场景对大规模组网和高并发网络资源弹性提出的严苛需求，主导云网络控制面整体技术架构的设计，为云网络控制面的长期技术竞争力提供坚实支撑； 2、面向云网络业务的长期稳定性，设计云网络控制面的中长期架构治理、架构革新的技术方案和规划，建设配套运维运营基础设施并推动落地； 3、探索实践AI coding应用于控制面日常研发和运维的新范式，持续提升云网络研发和运维效率； 4、通过进一步规范资源交付体系和交付工具设计，提升包括AI集群等资源的交付效率。