阿里云阿里云智能-云网络虚拟化网元研发专家-杭州/北京/南京
任职要求
1、具备扎实的计算机理论基础，熟练掌握至少一种主流编程语言（如 C、C++、Java、Python 或 Go），并有5年以上相关工作经验； 2、管控方向：深入理解数据库设计及基于数据库的服务开发，熟悉分布式系统与高并发服务架构，精通 Java 生态主流框架；具备云计算控制平面、SDN 或 OpenStack/ODL/ONOS 等平台开发经验者优先； 3、转发方向：了解物理及虚拟网络设备的工作原理，熟悉 TCP/IP 等常见通信协…
工作职责
1、负责云网络SLB/GA/PVL/NAT等虚拟化网元以及转发底座在AI场景下如GPU集群调度、LLM模型分发、应用层感知的流量分发等相关需求分析以及技术方案设计； 2、负责云网络SLB/GA/PVL/NAT等虚拟化网元以及转发底座的AI场景下的控制平面以及数据平面的开发以及维护，包括相关需求开发、性能优化、架构升级、稳定性保障等； 3、负责云网络虚拟化网元在AI训练/推理场景下的技术预研以及技术规划。
1.负责云网络SLB/GA/PVL/NAT等虚拟化网元以及转发底座在AI场景下如GPU集群调度、LLM模型分发、应用层感知的流量分发等相关需求分析以及技术方案设计。 2.负责云网络SLB/GA/PVL/NAT等虚拟化网元以及转发底座的AI场景下的控制平面以及数据平面的开发以及维护，包括相关需求开发、性能优化、架构升级、稳定性保障等。 3.负责云网络虚拟化网元在AI训练/推理场景下的技术预研以及技术规划。
1. 负责云网络的虚拟化网元底座NFV平台的数据面技术方案，包括基于需求进行技术可行性分析，技术方案选型、功能设计以及技术架构设计等工作 ； 2. 负责云网络的虚拟化网元底座NFV平台的数据面开发，包括需求代码开发、代码Review、测试及上线发布； 3. 负责云网络的虚拟化网元底座NFV平台的稳定性能力建设以及性能优化，包括线上问题处理、问题诊断等，确保系统的安全可靠，提升产品稳定性和性能； 4. 参与云网络虚拟化网元产品的技术预研以及技术规划，跟踪和了解最新的产品技术趋势。
● 网络稳定性管理：梳理和管控阿里云网络的线上稳定性风险，稳定性建设以及性能优化，包括线上问题处理，问题诊断，确保线上系统的安全可靠，提升产品的稳定性和性能，降低网络风险，提升应急响应处置效率。 ● 自动化运维开发：开发和维护路由器/交换机/虚拟网络等网络设备及软件的自动化能力，；落地网络稳定性相关的运维效能提升。 ● 新技术验证与优化：参与新架构、新产品结合测试和运营要求的工作，归纳总结形成有效的SOP，并集成到监管控相关维护系统中。 ● 变更风控与效能提升：变更风控能力建设，持续提升大规模安全高效变更工程化效能，保障变更稳定性和效率，设计和适配开发自动化变更场景。
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。