DSA – 軟件工程師（AI存儲系統方向）

主要職責

1. AI存儲系統構建與研發，負責核心模塊的代碼編寫、測試及維護（如：分佈式文件系統、對象存儲網關、高性能並行文件系統等）；
2. AI訓練數據鏈路優化：針對大模型訓練和海量數據處理的場景特點，優化數據讀取鏈路。解決高並發讀取、海量小文件I/O瓶頸、大文件高吞吐及Checkpoint點的高速寫入問題；
3. 性能調優與壓測：負責存儲系統的性能基準測試、瓶頸分析及深度調優，包括但不限於Linux I/O棧優化、內存管理、文件系統內核參數調整等，提升整體系統的IOPS與吞吐量；
4. 系統穩定性保障：負責存儲集群的日常監控、故障排查與容災設計，解決複雜分佈式環境下的數據一致性、容錯及高可用問題；
5. 跨團隊協同：與AI算法團隊、計算平台團隊緊密配合，深入理解業務需求（如PyTorch DataLoader機制、GPU直讀存儲等），提供定制化的存儲解決方案並推動落地；
6. 前沿技術調研：追蹤業界最新的AI存儲技術動態（如RDMA網絡存儲、GPUDirect Storage等），評估並引入新技術以持續提升系統競爭力。

任職要求

1. 持有效澳門居民身份證；
2. 計算機、軟件工程或相關專業本科及以上學歷；精通C/C++或Go語言（兩者皆佳者優先），具備紮實的編碼功底和良好的代碼規範；熟悉Python能用於編寫測試腳本及數據處理；
3. 系統底層基礎：深入理解Linux操作系統原理，熟悉文件系統原理、VFS、內存管理、I/O模型（epoll等）及多線程/協程編程；
4. 存儲技術棧：熟悉至少一種主流分佈式存儲系統的架構與原理（如Ceph、HDFS、Lustre、MinIO、GlusterFS等），有相關源碼閱讀或二次開發經驗者優先；
5. 大數據/AI生態：熟悉大數據處理生態（Hadoop/Spark等），了解AI訓練框架（PyTorch/TensorFlow）的數據加載與讀寫機制；
6. 具備較強的系統問題排查能力，能夠處理複雜的性能瓶頸問題；
7. 有良好的團隊協作精神和技術熱情，能承受一定的工作壓力。熟悉高性能網絡通信（如TCP/IP、RDMA、RoCE）及GPU直讀存儲（如GPUDirect Storage, GDS）技術者優先
8. 熟悉雲原生技術棧，有Kubernetes CSI開發經驗者優先。