小米容器研发工程师（GPU 方向）
任职要求
- 熟悉 GPU 相关技术，对 Nvidia GPU 技术有深入了解； - 有 GPU 池化、虚拟化、调度优化等技术经验者优先； - 有大规模 G…
工作职责
- 负责基于 Kubernetes 的云原生 AI 算力管理能力的建设，包括 GPU 的调度、虚拟化、池化、混部等技术； - 负责提升 Kubernetes GPU 集群的故障容错能力，提升大规模集群的可靠性； - 负责推动云原生 GPU 相关技术在业务的落地，提升业务的训练、推理等稳定性和效率；
职位简介 负责在 大规模 Kubernetes 集群 中设计、优化云网络架构与 GPU 虚拟化调度体系，支持 AI、大数据、电商等业务场景。您将深入 Linux 内核、虚拟化与容器网络技术栈，运用 eBPF 等工具提升系统性能与稳定性，并推动跨云平台的资源优化与整合 核心职责 1.设计与优化 Kubernetes 云网络架构（CNI、VPC），确保高性能、低延迟和稳定性。 2.基于 Cilium/Calico 等网络插件进行二次开发，支持跨集群通信和多租户隔离。 3.研究与落地 GPU 虚拟化技术（vGPU、MIG、GPU Passthrough），实现多租户隔离与动态资源调度。 4.应用 eBPF、perf、sysdig 等工具监控和分析网络与 GPU 虚拟化性能瓶颈。 5.在 混合云/多云环境 中实现跨平台网络与 GPU 兼容性优化。 6.开发定制 Kubernetes 设备插件和 Operator，优化容器网络与 GPU 资源管理。
1、负责混合云PaaS方向架构设计、系统开发，容器服务等产品化工作； 2、负责混合云云原生AI套件，GPU架构的研发，提升AI效率、性能。
1、负责混合云PaaS方向架构设计、系统开发，容器服务等产品化工作； 2、负责混合云云原生AI套件，GPU架构的研发，提升AI效率、性能。
-负责云原生产品 Kubernetes 容器引擎、镜像服务、可观测服务等的设计与研发工作，提升产品竞争力及体验 -负责大规模 AI Infra 云原生底座的设计与研发工作，基于云原生技术打造异构多元芯算力底座，支持国产化信创，支持业务进行大规模训练、容错及弹性推理，构建异构多元芯算力底座 -负责打造现代化的云原生智能运维能力，设计和实现覆盖 AI 场景全栈的故障感知、诊断及自愈能力 -持续提升云原生产品服务及基础设施的稳定性，优化服务性能，提升架构的可扩展性 -探索业界最新技术方向，参与开源社区，提升百度云原生核心竞争力