云网络高级研发工程师

北京/上海

1、负责大规模、高可用云网络的创新研究工作，如Netwoking for AI、网络架构设计、网络性能优化、网络控制器算法、网络智能运维算法、网络云服务孵化等工作；

2、具体研究解决云定义自动驾驶网络中一个或多个关键问题：

a、研究基于全网可编程设备的下一代自治网络，新型网络具备实时流感知、无损拥塞控制、在网计算多租户共享等核心能力；

b、研究面向AI大模型训练和推理的下一代云网络(通信库、协议、网络功能和光电拓扑架构；

c、研究如何利用数据和知识快速感知故障、定位问题和自愈；

d、研究如何基于网络意图和网络仿真进行事前网络验证。

1、具有面向AI大模型训练和推理的下一代云网络(通信库、协议、网络功能和光电拓扑架构)的研究经验；

2、熟悉常见的网络协议和网络服务、产品的工作原理，有相关的项目研究经验；

3、在网络可扩展性、性能、延时、可靠性、易用性、AI智能运维等任意关键特性上有持续深入的研究经验；

4、有开阔的视野，能够快速吸收业界新技术，有挑战精神敢于做的更好，脚踏实地解决现实问题。

物理网络高级工程师

北京/上海

1、参与数据中心网络架构的创新，基于最新技术重构，优化数据中心网络架构，实现物理网络和虚拟网络解耦，降低数据中心网络成本，支撑云上不同业务对底层基础设施网络的各种要求;

2、参与基础设施网络SDN系统的设计和开发，基于最新技术对网络的SLA进行测量和感知，做到基础设施网络运维管理的精细化，可视化、自动化和智能化;

3、同各个业务部门紧密合作，将新技术进行成果转化，帮助业务部门提升竞争力。

1、熟悉路由、交换的工作原理，熟悉BGP/OSPF等常见路由协议，熟悉链路聚合、VLAN、二/三层转发等概念和原理；

2、熟悉SDN相关技术，最好有SDN相关系统的开发经验，有基础设施网络管控系统开发经验者优先；

3、熟悉数据中心网络架构，具备一定的网络架构设计能力，有数据中心光网络经验者优先；

4、有网络测量、故障诊断，流量调度经验者优先。

资源调度高级研发工程师

北京/上海

1、负责华为云数据中心资源管理调度的创新研究，为客户提供极致性价比、稳定、易用的云资源服务；

2、参与资源管理端到端的优化设计，从资源规划、资源池配置、资源调度、动态调整等各个阶段提升资源利用率；

3、通过数据的AI分析，挖掘资源使用的规律和趋势，制定对应的调度策略，实现削峰填谷；

4、通过软硬件联合优化手段，实现更优的性能以及QoS保障；

5、负责创新的资源产品和解决方案设计开发，跟踪业界前沿趋势，引入创新技术，推动产品技术创新。

1、熟练使用Java/Python/Go语言的一种或多种进行开发，熟悉该语言的基础框架和原理；

2、熟悉linux操作系统，以及常用命令，包括虚拟化、容器相关的cgroup、namespace等；

3、有分布式系统设计开发经验，熟练掌握并发编程调试、缓存、消息中间件等机制；

4、优秀的表达、沟通能力以及团队协作能力；

5、熟悉业界主要资源管理调度系统OpenStack/Yarn/Mesos/Kubernetes等的架构、关键技术、使用场景、优劣势等；有大规模集群资源管理系统架构设计、开发实战经验者优先；

6、熟悉数据中心集群资源规划、部署，了解异构硬件和多种计算业务者优先。

虚拟化高级研发工程师

北京/上海

1、负责Linux内核、虚拟化、容器等创新研究，构建更适合云原生应用的OS和虚拟化技术；

2、参与虚拟化平台的定制化需求开发，解决在Linux内核、虚拟化平台上遇到的性能和QoS保障问题；

3、参与新型硬件、异构硬件等虚拟化适配；

4、跟踪业界前沿趋势，引入创新技术，推动产品技术创新。

1、3年以上Linux内核/虚拟化或相关开发经验，熟悉云计算基本架构和原理，对云计算底层技术架构和虚拟化解决方案有较深的研究；

2、深入理解虚拟化的架构和工作原理, 熟悉KVM/Xen原理，掌握VirtIO、SRIOV基础知识，有CPU/Memory/IO等虚拟化开发及调试经验。至少有一个虚拟化领域专精，如设备直通、VirtIO、热迁移等；

3、精通编程语言，算法、数据结构基础良好，精通内核态编程, 并参与、主导或独立完成过底层模块研发。至少有一个Linux Kernel核心子系统专精，如内存管理，文件系统，网络，进程调度，Cgroup等；

4、精通Linux内核和虚拟化问题的分析定位，性能持续调优；

5、有新硬件的内核/虚拟化适配项目经验者优先，可以独立完成内核驱动、虚拟化功能的适配开发。

网络大脑高级研发工程师

北京/上海

1、基于华为公有云海量网络数据，利用AI技术提升华为云运维平台的智能化、自动化运行；

2、打通从故障预警、故障告警、告警聚合到故障处理和用户极致体验的智能决策系统的全栈开发；

3、基于性能容量的预警和流量智能调度，保障用户LSA。

1、精通常见网络协议，熟悉网络路由转发原理，具备3-5年以上网络模块相关研发运维经验；

2、3-5年系统架构设计、开发、运维的经验；熟悉Java、C或Go语言及相关组件和系统；

3、有丰富的运维开发经验，在异常检测、故障诊断和自愈、网络可视化方向有成功实践者优先；

4、熟悉常见的网络监控数据，了解各个指标的影响面，有运用多维关联分析经验优先。

网络大脑专家

北京/上海

1、负责下一代华为云网络智能运维系统的规划和设计工作，用软件和AI打造极致运维效率的公有云网络，保障客户实时在线；

2、理解内部运维团队和云客户对网络运维的需求，设计和建设完善的监控/告警/定位/决策/隔离/恢复等系统；

3、与学术界和工业界顶尖人才开展技术合作，利用业界的力量攻克关键难题，洞察关键技术创新机会。

1、具备大型网络实际运维系统设计和研发经验；

2、熟悉了解数据中心/骨干网/虚拟网络架构和相关的网络协议者优先；

3、具备较强的AI算法能力，有AI应用于网络运维领域设计和研发经验者优先；

4、具备业界Top公有云厂商网络AIOps领域经验者优先。

大模型系统分布式框架研究工程师（博士、天少）

北京/上海

大模型/MOE/AI基础设施/AI系统相关研究

面向为AI训推提供高性能云基础设施，实现大模型跨集群/AZ和跨异构卡大规模训练、训推协同，打破数据中心的“资源孤岛”，规划、设计和重构下一代云基础设施，主要存在以下几方面挑战：

1、 如何解决异构网络和异构NPU卡联合训练时的异构网络的通信算子优化、异构NPU卡的均衡优化等问题，实现算子、通信、系统端到端协同优化，存在挑战

2、 如何通过软硬协同等系统级优化，打造极致性能的矩阵计算算子、高性能网络通信算子、网算融合算子，实现基于最小的算子原子组成，打造乐高式的编排引擎，多层次的寻优实现高性能的pipeline编排，实现主流模型的快速适配与性能优化，存在挑战

3、 大规模的AI训练集群需要跨AZ的低时延网络通信、高速和确定性传输，如何通过系统架构层面、协议层面技术优化和突破，减少绕行，减少网关，减少转换，提升性能，降低成本；如何进行应用与网络协同设计，结合模型特征，掩藏长距面临网络时延等要求，实现抗弱网、抗拥塞算法等确定性网络传输技术，存在挑战

1、计算机科学、人工智能、分布式系统等相关专业；

2、熟悉大规模分布式计算、并行计算相关算法及框架；

3、具备扎实的系统、算法和编程基础；

4、熟悉常见的网络协议和AI高性能网络协议，有相关的网络性能优化研究有大规模AI集群、异构网络的通信算子优化、异构NPU卡的均衡优化等工程经验优先；

5、有开阔的视野，能够快速吸收业界新技术，有挑战精神敢于做的更好，脚踏实地解决现实问题

大模型基础设施研究员（博士后）

上海

大模型/MOE/AI基础设施/AI系统相关研究

1、研究面向大模型训练和推理的下一代云网络(通信算子库、高性能传输协议、网络功能和光电拓扑）系统架构和高性能网络传输协议设计，打造高带宽、低时延、确定性的网络传输底座，构建跨集群、数据中心、地域的超大规模AI训练集群，构筑TOP级的业界竞争力；

2、面向下一代云基础设施，打造极致性能的矩阵计算算子、高性能网络通信算子、网算融合算子；基于最小的算子原子组成，打造乐高式的编排引擎，多层次的寻优实现高性能的pipeline编排，实现主流模型的快速适配与性能优化

3、识别弹性无损训练、异构网络、异构NPU卡的联合训练的核心问题，并能创新性的提出关键技术优化思路；通过AI技术趋势洞察、AI框架与系统优化、网算协同等技术，实现昇腾云系统端到端协同优化

1、计算机科学、人工智能、分布式系统等相关专业；

2、熟悉大规模分布式计算、并行计算相关算法及框架；

3、具备扎实的系统、算法和编程基础；

4、熟悉常见的网络协议和AI高性能网络协议，有相关的网络性能优化研究有大规模AI集群、异构网络的通信算子优化、异构NPU卡的均衡优化等工程经验优先；

5、有开阔的视野，能够快速吸收业界新技术，有挑战精神敢于做的更好，脚踏实地解决现实问题

软件开发工程师

北京/上海

1、负责公有云计算、网络的创新技术项目研发，完成业界最新技术的探索与产品转化，涵盖新服务孵化，原有服务架构升级，性能优化等多个方面；

2、跟踪洞察业界最新技术发展方向，完成技术分析与原型验证相关工作。

1、熟练使用Python/Java/C/C++/Go等语言中一种及以上者优先；

2、熟悉TCP/IP等常见网络协议，熟悉网络路由转发原理，具备网络知识基础者优先；

3、具有计算、网络、虚拟化、云计算、资源调度、Linux内核等一种及以上知识者优先；

4、有较强求知欲，具备良好学习能力者优先。

AI工程师

北京/上海

1、对海量云上资源监控数据进行ML建模分析，通过离线训练建立云上负载特征模型，提供线上系统基于这些资源使用趋势和特征做出合理的决策；

2、通过机器学习方法动态感知网络故障和质量变化，主动绕过拥塞链路及优化用户公网访问路径；

3、对海量的网络运维KPI、日志等原始数据，通过大数据平台结合AI算法，实现网络故障的及时发现，对资源类的指标通过算法预测，做到故障预警，保障网路高可用的达成；

4、负责网络数字孪生化，算法支撑网络异常判断、根因分析、自动化变更；

5、从运维流程、产品手册、故障手册提取运维知识；

6、结合用户请求数据规律分析，优化资源调度策略，通过分支定界、强化学习等技术能力提升公有云资源利用率。

1、熟悉机器学习、深度学习、强化学习、运筹优化、AIOps、知识图谱、数据挖掘、NLP中一种及以上者优先；

2、熟悉Hadoop\Spark\Tensorflow\Pytorch中一种及以上者优先；

3、有较强求知欲，具备良好学习能力者优先。