资深网络集群性能调优专家

岗位详情

工作职责: 岗位职责：

1. 负责集群 RDMA/RoCEv2、InfiniBand 高性能网络性能问题排查、定位与整改，保障网络性能达标上线。
2. 设计和优化集群网络的拓扑架构、流量调度策略和拥塞控制算法（负责中、大型数据中心网络架构全生命周期管理，覆盖DC与AIDC业务；具备按照业务需求设计网络架构、制定技术标准的能力，确保架构兼具前瞻性与可扩展性。）
3. 建立网络性能基准测试体系和持续监控平台，实现性能劣化的早期预警（开展网络性能评估与容量规划工作，搭建标准化网络性能基准测试体系，梳理核心监控指标，推动性能监控平台落地运行，依托监控体系实现网络性能劣化提前预警，通过健康巡检、版本迭代、配置调优等手段，持续提升网络整体可用性与稳定性。）
4. 主导集群网络疑难故障的诊断与修复，建立故障案例库和应急预案（牵头处置集群网络各类疑难故障，完成问题复盘总结沉淀，搭建故障案例知识库与标准化应急处置预案，引入自动化运维工具，推进网络运维智能化转型，全面提升故障处置效率与排查精准度）
5. 跟踪、调研下一代高性能网络技术，结合业务规划制定架构升级迁移方案与落地实施路径，牵头推进落地及规模化应用部署） 工作要求: 任职要求：
6. 本科及以上学历，计算机、网络工程等相关专业，8年（及）以上数据中心网络、高性能计算网络从业经验，有中、大型网络项目统筹主导经验者优先。
7. 精通RDMA/RoCEv2/InfiniBand协议栈，具备大规模GPU训练、推理集群网络调优实战经验
8. 熟悉数据中心网络架构，熟悉网络拥塞控制机制 （熟悉 Infiniband、RoCE 等 AIDC 网络架构，有实际部署、优化经验者优先）
9. 具备网络性能分析能力，熟练使用iperf、perftest、tcpdump、Wireshark等工具
10. 拥有5千-1万卡级AI集群网络建设或大规模算力集群运维实战经验者优先
11. 具备编程能力（Python/C/Go），能开发自动化调优和诊断工具者优先 （掌握 Python、C、Go 任意一门编程语言，可独立开发网络自动化调优、故障诊断工具者优先）
12. 具备系统化问题分析思维，可独立攻坚复杂网络疑难问题，有全局思维与跨团队协作能力，持续关注网络与 AI 融合技术前沿动态