机器学习平台工程师（Kubernetes / GPU 基础设施方向）

岗位职责

• 设计并维护支撑大模型训练/推理的 Kubernetes 平台，负责集群生命周期管理、节点治理、网络/存储 CSI 插件及自动化运维体系；

• 深度优化容器镜像分发，将千节点集群的 Pod 启动时间压缩到秒级；

• 研发平台化工具链（CLI/SDK/Web Console），覆盖实验管理、模型管理、数据集编排、工作流流水线（MLOps），降低算法工程师的使用门槛；

• 建设集群可观测性与成本治理体系，通过 eBPF/Prometheus 实现训练任务级资源画像与异常诊断。

岗位要求

• 计算机相关专业，3 年以上分布式系统或基础设施开发经验；

• 精通 Go，具备扎实的操作系统、网络、存储基础；

• 深度掌握 Kubernetes 生态（Scheduler/Operator/CRD/CSI/CNI），有 500+ 节点生产集群运维或二次开发经验；

• 熟悉 Linux 容器技术（containerd/runc/cgroup/seccomp），具备 GPU 服务器集群运维经验。

加分项

• 有 K8s 调度器（Scheduler Framework / Volcano / Koordinator）源码级开发或社区贡献；

• 熟悉 GPU 拓扑感知调度、MIG/MPS 虚拟化、显存/算力分时复用；

• 具备大规模集群（1000+ 节点）自动化运维、故障自愈、多地域容灾经验。