Infra系统架构师/研发工程师

Job description

Responsibilities

• 构建统一的 AI 数据存传一体加速基座，支持键值存储、消息队列、对象文件缓存（Caching）与多模态记忆湖（Memory Lake）等多种数据形态，实现跨集群与集群内的高吞吐、低延迟访问与高速通信；
• 设计并优化分布式多级缓存与数据平面调度架构（GPU 显存 / CPU 内存 / 本地外存 / 远端内存），重点支撑跨集群多模态数据传输与远程访问、模型加载加速、大模型 KV Cache 共享与迁移等核心场景，实现数据的动态迁移、热度管理与生命周期控制；
• 探索 lock-free / wait-free 数据结构、用户态 I/O、kernel-bypass、io_uring 等极致性能优化技术，在 AI 训练与推理工作负载下突破系统吞吐与延迟瓶颈；
• 与训练、推理及数据处理框架进行 Co-design，优化缓存放置与驱逐策略、流式传输与计算协同机制，实现存储与计算的深度融合。

Requirements

• 精通 Linux 环境下 Rust / C++ / Python 开发，具备多线程高并发系统设计与调优经验；
• 深入理解分布式系统的一致性、数据复制与调度原理，能够在实际分布式存储或计算框架（如 Ray、Apache Spark、Ceph、TiKV、JuiceFS、Alluxio) 中进行系统级设计与性能优化；
• 具备系统架构设计能力、工程抽象能力与落地能力，能够在复杂分布式系统中进行模块拆分、数据流建模与关键路径分析；能够建设 CI/CD、压测体系与性能回归体系，提升系统稳定性与迭代效率；
• 具备扎实的性能分析与调优能力，能够使用 profiling、tracing 等手段定位瓶颈，并推动系统级优化落地；能够理解或搭建指标、日志与链路追踪系统，支撑大规模集群运行与问题定位；

加分项

• 具备 AI 辅助编程与工程协作能力，能够结构化表达需求与系统设计，形成高质量技术文档，有效拆解任务并并行调度实习生与 AI agent，提升整体研发效率与产出质量；有开源项目或可验证的性能优化成果。