主分类：云基础设施与系统软件研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "阿里云智能-数据库技术专家-资源调度方向-杭州/深圳/北京",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "云智能集团",
"location": "北京 / 深圳 / 杭州",
"work_mode": "未披露",AI生成
"job_category": "未披露"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "学历与经验背景：本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、技术规划与架构设计：结合智算、云原生数据库及AI Agent业务需求，参与制定高可用的异构资源调度架构规划；参与基于Kubernetes调度系统的技术迭代，CPU与GPU/NPU等多元算力池化，支撑万卡级集群的高效运转与Agent运行时环境的资源隔离。\n2、方案设计与核心研发：分析业务资源需求，设计异构算力协同与资源分配策略；参与调度器（Scheduler）的深度定制与二次开发，比如CPU在离线混部、GPU虚拟化（MIG/vGPU）、跨集群调度等，同时参与面向海量AI Agent的底层容器调度与隔离平台建设。\n3、稳定性保障与性能优化：建立全链路可观测体系，快速定位并解决CPU负载异常、GPU硬件故障及调度延迟等线上难题；通过CPU/GPU潮汐混部、推理冷启动加速等手段，极致提升整体资源利用率并降低算力成本；利用AI Agent开发AIOps工具，实现故障自动排查与运维流程的自动化提效。\n4、前沿技术预研：紧密跟踪AI Infra、AI Agent、Data+AI趋势，探索利用大模型（LLM）优化数据库与算力资源调度，推动异构调度系统向智能化、自动化方向持续演进。",
"requirements_text": "1、学历与经验背景：本科及以上学历，计算机、软件工程或相关专业；具备3年以上后端研发或云计算平台开发经验，其中至少有1年以上Kubernetes调度器（Scheduler）扩展、云原生资源管理或大规模智算集群调度系统的实战经验， 有数据库，数据库引擎开发等相关领域经验为加分项。\n2、核心技术栈能力：具备扎实的计算机基础，深入理解Linux内核原理、操作系统资源管理（CPU/GPU/内存/网络）及分布式系统理论；熟悉Kubernetes架构及核心组件，对K8s调度框架（Scheduling Framework）、设备插件（Device Plugin）、CRD控制器等有较好的理解与二次开发能力优先。\n3、异构算力调度经验：熟悉大规模异构资源（CPU/GPU/NPU）的池化与调度技术，了解GPU虚拟化（如MIG、vGPU）、在离线混部（潮汐调度）、拓扑感知调度及RDMA网络通信优化；有万卡级智算集群或云原生资源调度系统设计与落地经验者优先。\n4、AI Infra与Agent工程能力：熟悉AI Infra技术栈，了解主流大模型（LLM）的训练与推理流程；具备AI Agent开发经验，熟悉Agent运行时环境的资源隔离与调度需求；有利用AI/LLM技术落地AIOps（如智能故障排查、自动化运维提效）或优化算力资源调度的实战经验优先。\n5、性能优化与稳定性保障：具备极强的性能优化与故障排查能力，熟悉全链路可观测性体系（如Prometheus、Grafana等）的搭建与应用；能够独立解决高并发、大规模节点下的调度延迟、资源争抢及硬件故障等复杂线上问题。\n6、综合素质与驱动力：对云原生、AI等领域的前沿技术保持高度敏感，具备优秀的技术前瞻性、逻辑分析能力和跨团队沟通协作能力，能够推动复杂技术方案在业务中的落地与持续演进。",
"skills": [AI生成
"Linux",
"Kubernetes",
"分布式系统",
"数据库",
"性能优化",
"分析能力",
"大语言模型"
],
"preferred_qualifications": "具备3年以上后端研发或云计算平台开发经验，其中至少有1年以上Kubernetes调度器（Scheduler）扩展、云原生资源管理或大规模智算集群调度系统的实战经验， 有数据库，数据库引擎开发等相关领域经验为加分项；熟悉Kubernetes架构及核心组件，对K8s调度框架（Scheduling Framework）、设备插件（Device Plugin）、CRD控制器等有较好的理解与二次开发能力优先；有万卡级智算集群或云原生资源调度系统设计与落地经验者优先；有利用AI/LLM技术落地AIOps（如智能故障排查、自动化运维提效）或优化算力资源调度的实战经验优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.aliyun.com/off-campus/position-detail?positionId=100014463009"
}
]
},
"posting": {
"posting_id": "100014463009",
"post_date": "2026-08-31",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100014463009"
},
"fulltext": "阿里云智能-数据库技术专家-资源调度方向-杭州/深圳/北京\n阿里云智能-数据库技术专家-资源调度方向-杭州/深圳/北京\n\n基础信息\n工作地点：北京 / 深圳 / 杭州\n\n职位描述\n1、技术规划与架构设计：结合智算、云原生数据库及AI Agent业务需求，参与制定高可用的异构资源调度架构规划；参与基于Kubernetes调度系统的技术迭代，CPU与GPU/NPU等多元算力池化，支撑万卡级集群的高效运转与Agent运行时环境的资源隔离。\n2、方案设计与核心研发：分析业务资源需求，设计异构算力协同与资源分配策略；参与调度器（Scheduler）的深度定制与二次开发，比如CPU在离线混部、GPU虚拟化（MIG/vGPU）、跨集群调度等，同时参与面向海量AI Agent的底层容器调度与隔离平台建设。\n3、稳定性保障与性能优化：建立全链路可观测体系，快速定位并解决CPU负载异常、GPU硬件故障及调度延迟等线上难题；通过CPU/GPU潮汐混部、推理冷启动加速等手段，极致提升整体资源利用率并降低算力成本；利用AI Agent开发AIOps工具，实现故障自动排查与运维流程的自动化提效。\n4、前沿技术预研：紧密跟踪AI Infra、AI Agent、Data+AI趋势，探索利用大模型（LLM）优化数据库与算力资源调度，推动异构调度系统向智能化、自动化方向持续演进。\n\n职位要求\n1、学历与经验背景：本科及以上学历，计算机、软件工程或相关专业；具备3年以上后端研发或云计算平台开发经验，其中至少有1年以上Kubernetes调度器（Scheduler）扩展、云原生资源管理或大规模智算集群调度系统的实战经验， 有数据库，数据库引擎开发等相关领域经验为加分项。\n2、核心技术栈能力：具备扎实的计算机基础，深入理解Linux内核原理、操作系统资源管理（CPU/GPU/内存/网络）及分布式系统理论；熟悉Kubernetes架构及核心组件，对K8s调度框架（Scheduling Framework）、设备插件（Device Plugin）、CRD控制器等有较好的理解与二次开发能力优先。\n3、异构算力调度经验：熟悉大规模异构资源（CPU/GPU/NPU）的池化与调度技术，了解GPU虚拟化（如MIG、vGPU）、在离线混部（潮汐调度）、拓扑感知调度及RDMA网络通信优化；有万卡级智算集群或云原生资源调度系统设计与落地经验者优先。\n4、AI Infra与Agent工程能力：熟悉AI Infra技术栈，了解主流大模型（LLM）的训练与推理流程；具备AI Agent开发经验，熟悉Agent运行时环境的资源隔离与调度需求；有利用AI/LLM技术落地AIOps（如智能故障排查、自动化运维提效）或优化算力资源调度的实战经验优先。\n5、性能优化与稳定性保障：具备极强的性能优化与故障排查能力，熟悉全链路可观测性体系（如Prometheus、Grafana等）的搭建与应用；能够独立解决高并发、大规模节点下的调度延迟、资源争抢及硬件故障等复杂线上问题。\n6、综合素质与驱动力：对云原生、AI等领域的前沿技术保持高度敏感，具备优秀的技术前瞻性、逻辑分析能力和跨团队沟通协作能力，能够推动复杂技术方案在业务中的落地与持续演进。\n1、技术规划与架构设计：结合智算、云原生数据库及AI Agent业务需求，参与制定高可用的异构资源调度架构规划；参与基于Kubernetes调度系统的技术迭代，CPU与GPU/NPU等多元算力池化，支撑万卡级集群的高效运转与Agent运行时环境的资源隔离。\n2、方案设计与核心研发：分析业务资源需求，设计异构算力协同与资源分配策略；参与调度器（Scheduler）的深度定制与二次开发，比如CPU在离线混部、GPU虚拟化（MIG/vGPU）、跨集群调度等，同时参与面向海量AI Agent的底层容器调度与隔离平台建设。\n3、稳定性保障与性能优化：建立全链路可观测体系，快速定位并解决CPU负载异常、GPU硬件故障及调度延迟等线上难题；通过CPU/GPU潮汐混部、推理冷启动加速等手段，极致提升整体资源利用率并降低算力成本；利用AI Agent开发AIOps工具，实现故障自动排查与运维流程的自动化提效。\n4、前沿技术预研：紧密跟踪AI Infra、AI Agent、Data+AI趋势，探索利用大模型（LLM）优化数据库与算力资源调度，推动异构调度系统向智能化、自动化方向持续演进。\n1、学历与经验背景：本科及以上学历，计算机、软件工程或相关专业；具备3年以上后端研发或云计算平台开发经验，其中至少有1年以上Kubernetes调度器（Scheduler）扩展、云原生资源管理或大规模智算集群调度系统的实战经验， 有数据库，数据库引擎开发等相关领域经验为加分项。\n2、核心技术栈能力：具备扎实的计算机基础，深入理解Linux内核原理、操作系统资源管理（CPU/GPU/内存/网络）及分布式系统理论；熟悉Kubernetes架构及核心组件，对K8s调度框架（Scheduling Framework）、设备插件（Device Plugin）、CRD控制器等有较好的理解与二次开发能力优先。\n3、异构算力调度经验：熟悉大规模异构资源（CPU/GPU/NPU）的池化与调度技术，了解GPU虚拟化（如MIG、vGPU）、在离线混部（潮汐调度）、拓扑感知调度及RDMA网络通信优化；有万卡级智算集群或云原生资源调度系统设计与落地经验者优先。\n4、AI Infra与Agent工程能力：熟悉AI Infra技术栈，了解主流大模型（LLM）的训练与推理流程；具备AI Agent开发经验，熟悉Agent运行时环境的资源隔离与调度需求；有利用AI/LLM技术落地AIOps（如智能故障排查、自动化运维提效）或优化算力资源调度的实战经验优先。\n5、性能优化与稳定性保障：具备极强的性能优化与故障排查能力，熟悉全链路可观测性体系（如Prometheus、Grafana等）的搭建与应用；能够独立解决高并发、大规模节点下的调度延迟、资源争抢及硬件故障等复杂线上问题。\n6、综合素质与驱动力：对云原生、AI等领域的前沿技术保持高度敏感，具备优秀的技术前瞻性、逻辑分析能力和跨团队沟通协作能力，能够推动复杂技术方案在业务中的落地与持续演进。",
"standard_classification": {
"std_category_code": "T018",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}