阿里云阿里云智能-系统开发专家-北京/杭州/上海
任职要求
• 5年以上IT、互联网、云计算开发、运维相关工作经验； • 计算机基础扎实，Java开发经验丰富，熟练掌握Java运行原理； • 熟悉Linux操作系统并具备常见问题诊断能力，了解内存管理、调度、文件系统、网络等相关机制； • 能够独立分析拆解业务…
工作职责
1、技术方案设计 •从纷繁复杂的弹性计算产品稳定性场景中，识别定义典型问题，形成系统研发需求，确定对应技术方案的目标、范围和交付成果； •基于需求分析，进行技术可行性评估，结合当前的技术架构进行合适的技术选型，完成技术方案设计和评审等。 2、技术实现 • 基于技术方案的拆解，按照任务目标和产出规范，完成任务/子任务的设计、编码开发和系统功能实现； • 负责核心功能的架构设计与代码编写，开发与维护客户体感稳定性平台核心业务模块，优化程序性能等； • 对编码进行阶段性的讨论和CodeReview，并通过调试优化，推动代码成功上线部署； • 对开发中和部署后的程序进行必要的维护和迭代，包括值班oncall、bug排查、问题诊断、产品体验改善、性能和成本优化等； • 编写技术文档，如操作手册、故障排除指南、API文档等，以支持日常答疑运维工作。 3、安全、稳定、效率和性能优化 • 运用产品优化技术和方法，实现安全保障、系统稳定和性能优化，提高系统的用户使用体验。 4、技术预研 • 跟踪和了解国内外云产品稳定性的技术发展和趋势，结合业务实际需要提供有价值的技术架构和创新建议。 5、技术规划 • 理解弹性计算稳定性的业务重点，基于业务需求作出高可用、高可靠、高拓展性的技术架构规划和落地。
1. 对接蚂蚁所有业务线的深度学习训练优化，开发分布式加速策略，定制算子，优化训练中数据预处理，低精度训练等模块，最终沉淀为通用解决方案并实现其自动化； 2. PyTorch/TensorFlow 等分布式训练内核优化扩展库研发； 3. 负责蚂蚁深度学习智能训练服务的研发； 4. 蚂蚁端到端的在线/离线学习训练系统开发。 5. 参与蚂蚁新一代分布式深度学习编译器开发 6. 参与蚂蚁开源深度学习系统DLRover开发建设
1. 技术方案设计 ● 了解并分析ECS基础设施（如神龙MoC卡 + 宿主机）在系统稳定性与高可用方面的设计目标； ● 根据业务需求，评估技术可行性，参与方案评审，完成技术选型、功能设计、系统架构、数据结构和开发流程的规划。 2. 技术实现 ● 参与虚拟机故障逃生等创新性技术的研发工作，能根据整体方案拆解任务，独立完成模块设计、编码和系统功能开发； ● 负责故障检测、隔离、恢复、数据一致性校验等核心功能的架构设计和代码实现，持续优化系统性能； ● 参与代码评审和阶段性讨论，通过调试和优化，确保代码高质量交付； ● 负责开发和上线后的系统维护，包括值班响应、问题排查、故障诊断、体验优化、性能与成本调优等； ● 编写必要的技术文档，如操作手册、排障指南、API说明等，支持团队运维和问题处理。 3. 系统稳定性与性能优化 ● 运用优化方法和技术手段，提升系统的安全性、稳定性和运行效率，保障ECS基础设施的可靠运行，改善客户使用体验。 4. 技术预研 ● 跟踪系统可靠性（RAS）和高可用技术的发展趋势，结合实际业务需求，提出可行的技术建议和架构改进方案。 5. 技术规划 ● 深入理解业务方向，结合长期发展需求，制定高可用、高可靠、易扩展的技术架构规划，并推动落地实施。
1. 设计，开发和调优混合云存储产品的数据平面，包括但不限于Guest OS/Hypervisor/存储网关/阿里云等层面上的存储，备份，数据服务，容灾恢复等核心功能的数据平面能力； 2. 推动技术与业务的发展，在专有云与公有云中设计和开发不同形态的混合云服务； 3. 产品负责人岗位需跟踪协调合作伙伴产品（例如网关）功能和进度制定阿里云相应的功能适配；制定自主研发混合云存储产品的数据平面技术架构选择、开源和自研模块集成策略。
智算存储技术开发专家将负责开发阿里云智算存储的数据的备份，容灾，同步，分层，治理子系统的研发，日常工作包括但不限于： 1. 设计和开发针对智算数据的大规模分布式数据保护与管理系统，包括但不限于数据重删，压缩，存储，复制，归档，分析功能，同时对系统的监控和运维能力负责，保证系统安全性和可靠性； 2. 测试，调优和运维大规模公共云服务和分布式存储系统； 3. 保持前瞻性, 随着业务复杂性, 负载增加, 运行管理复杂性的增加, 持续的推动系统设计的重构。