主分类：搜索推荐与业务决策算法研发
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": "研究型实习生-基于语义-拓扑融合建模的多Region入向切流行为预测与边缘入口调度优化",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里云",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"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": "计算机科学、网络工程、电子工程或相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "当前互联网入向调度（如8806、8809调度）通常采用多 Region（多中心）同时宣告相同或关联 Prefix 的策略。在这种架构中，入向流量的调度逻辑由\"公网 BGP 选路\"与\"内网骨干回传\"两段组成。\n1. 入向选路的不确定性（核心背景）： 当全球流量面对多个入口（Region-ISP）时，流量进入哪一个入口取决于上游 ISP 复杂的 BGP 决策（受 Local Preference、AS-Path、地理位置等因素交叉影响）。由于缺乏对公网选路结果的预判能力，流量往往会非预期地涌入某个 Region，造成入口带宽压力不均。\n2. 调度决策的现状： 目前的调度主要通过在特定中心实施 AS-Path Prepending 或 Anycast 权重调整。由于无法事前准确预知这些动作会导致多少流量、从哪些路径、漂移到哪个 Region，调度过程往往依赖经验尝试。\n3. 必要性： 内网回传模式是业务连续性的保障，但\"入口选择\"决定了端到端路径的质量基准。如果能精准预测入向切流行为，我们就能在公网侧主动引导流量进入最合理的入口，从而使\"公网边缘路径\"与\"内网骨干路径\"达成最优匹配，提升整体调度效率与业务稳定性。",
"requirements_text": "1.计算机科学、网络工程、电子工程或相关专业硕士及以上学历，具有网络方向研究经验者优先。\n2.网络协议基础： 扎实的互联网路由与交换基础，深入理解 BGP 协议（AS-Path、Local Preference、MED、Community 等属性及选路决策过程），熟悉 Anycast、AS-Path Prepending 等常见流量调度手段。\n3.编程与数据能力： 熟练使用 Python 进行数据分析与建模，具备处理大规模路由数据的经验；熟悉 SQL 及关系型数据库操作。\n4.机器学习/统计建模： 具备时序预测、图模型或分类/回归建模的实践经验，能够将业务问题转化为可求解的模型并完成端到端验证。",
"skills": [AI生成
"Python",
"SQL",
"机器学习",
"数据库",
"数据分析",
"建模"
],
"preferred_qualifications": "1.计算机科学、网络工程、电子工程或相关专业硕士及以上学历，具有网络方向研究经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199907540004?deptCodes="
}
]
},
"posting": {
"posting_id": "199907540004",
"post_date": "2026-07-08",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199907540004?deptCodes="
},
"fulltext": "研究型实习生-基于语义-拓扑融合建模的多Region入向切流行为预测与边缘入口调度优化\n研究型实习生-基于语义-拓扑融合建模的多Region入向切流行为预测与边缘入口调度优化\n\n基础信息\n毕业起止时间要求：2028-05-01 - 2031-09-01\n职位类别：技术类\n招聘项目：阿里巴巴研究型实习生\n工作地点：杭州\n\n职位描述\n当前互联网入向调度（如8806、8809调度）通常采用多 Region（多中心）同时宣告相同或关联 Prefix 的策略。在这种架构中，入向流量的调度逻辑由\"公网 BGP 选路\"与\"内网骨干回传\"两段组成。\n1. 入向选路的不确定性（核心背景）： 当全球流量面对多个入口（Region-ISP）时，流量进入哪一个入口取决于上游 ISP 复杂的 BGP 决策（受 Local Preference、AS-Path、地理位置等因素交叉影响）。由于缺乏对公网选路结果的预判能力，流量往往会非预期地涌入某个 Region，造成入口带宽压力不均。\n2. 调度决策的现状： 目前的调度主要通过在特定中心实施 AS-Path Prepending 或 Anycast 权重调整。由于无法事前准确预知这些动作会导致多少流量、从哪些路径、漂移到哪个 Region，调度过程往往依赖经验尝试。\n3. 必要性： 内网回传模式是业务连续性的保障，但\"入口选择\"决定了端到端路径的质量基准。如果能精准预测入向切流行为，我们就能在公网侧主动引导流量进入最合理的入口，从而使\"公网边缘路径\"与\"内网骨干路径\"达成最优匹配，提升整体调度效率与业务稳定性。\n\n职位要求\n1.计算机科学、网络工程、电子工程或相关专业硕士及以上学历，具有网络方向研究经验者优先。\n2.网络协议基础： 扎实的互联网路由与交换基础，深入理解 BGP 协议（AS-Path、Local Preference、MED、Community 等属性及选路决策过程），熟悉 Anycast、AS-Path Prepending 等常见流量调度手段。\n3.编程与数据能力： 熟练使用 Python 进行数据分析与建模，具备处理大规模路由数据的经验；熟悉 SQL 及关系型数据库操作。\n4.机器学习/统计建模： 具备时序预测、图模型或分类/回归建模的实践经验，能够将业务问题转化为可求解的模型并完成端到端验证。\n\n在招业务\n阿里云\n当前互联网入向调度（如8806、8809调度）通常采用多 Region（多中心）同时宣告相同或关联 Prefix 的策略。在这种架构中，入向流量的调度逻辑由\"公网 BGP 选路\"与\"内网骨干回传\"两段组成。\n1. 入向选路的不确定性（核心背景）： 当全球流量面对多个入口（Region-ISP）时，流量进入哪一个入口取决于上游 ISP 复杂的 BGP 决策（受 Local Preference、AS-Path、地理位置等因素交叉影响）。由于缺乏对公网选路结果的预判能力，流量往往会非预期地涌入某个 Region，造成入口带宽压力不均。\n2. 调度决策的现状： 目前的调度主要通过在特定中心实施 AS-Path Prepending 或 Anycast 权重调整。由于无法事前准确预知这些动作会导致多少流量、从哪些路径、漂移到哪个 Region，调度过程往往依赖经验尝试。\n3. 必要性： 内网回传模式是业务连续性的保障，但\"入口选择\"决定了端到端路径的质量基准。如果能精准预测入向切流行为，我们就能在公网侧主动引导流量进入最合理的入口，从而使\"公网边缘路径\"与\"内网骨干路径\"达成最优匹配，提升整体调度效率与业务稳定性。\n1.计算机科学、网络工程、电子工程或相关专业硕士及以上学历，具有网络方向研究经验者优先。\n2.网络协议基础： 扎实的互联网路由与交换基础，深入理解 BGP 协议（AS-Path、Local Preference、MED、Community 等属性及选路决策过程），熟悉 Anycast、AS-Path Prepending 等常见流量调度手段。\n3.编程与数据能力： 熟练使用 Python 进行数据分析与建模，具备处理大规模路由数据的经验；熟悉 SQL 及关系型数据库操作。\n4.机器学习/统计建模： 具备时序预测、图模型或分类/回归建模的实践经验，能够将业务问题转化为可求解的模型并完成端到端验证。",
"standard_classification": {
"std_category_code": "T011",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}