网络架构工程师（AI 集群方向）

1. 网络架构设计（45%） 拓扑与协议 主导计算网（GPU 间 RDMA 流量）、存储网（并行文件系统流量）、带外管理网等多张网络的拓扑设计 CLOS（双层 / 三层）、双平面、rail-optimized、POD 化等大规模架构的取舍与落地 路由协议（BGP / EBGP 多 AS / ECMP）规划、二层高可用（MC-LAG / VXLAN / EVPN）设计 IP / ASN / VLAN / 子网 / 路由策略下发规划 流量工程与性能调优 设计 spine-leaf 端口分配（rail-optimized、平面隔离），保证多对多 AI 训练流量的 Hash 多样性 RoCEv2 全链路无损以太网：ECN / PFC / DCQCN 参数化端到端打通 针对 AI 训练负载（NCCL / DeepSpeed 等）的拥塞控制、buffer、Headroom 调优 跨平面逃生 / 故障收敛 / Hash 不均等典型问题的架构级应对 设备选型与适配 主导交换机选型（端口能力、ASIC SerDes、拆口规则、license、软件版本约束） 主导光模块选型（QSFP-DD / OSFP / QSFP56 / SFP56 速率与形态、MPO 极性、UPC / APC、单模 / 多模、距离段成本曲线） 基于服务器 NIC 规格（CX7 / CX8 / 其他厂商）反推交换机端口分配规则 DAC / AOC / 有源光缆 / 光跳线的成本与可靠性取舍 规模伸缩规划 集群分阶段扩展路径的拓扑演进 临时设备布局 + 阶段迁移方案 + 永久落柜位置 设备搬迁与配置迁移的不停服方案 2. 工程交付物的设计与质量管控（45%） 职责模式：候选人不需要亲自产出全部交付物，但需要带领工程团队（2-5 人）完成交付物的设计、产出与版本迭代，并亲自动手核验结果。对方案正确性与交付物零缺陷负总责。 核心交付物（候选人需主导设计 + 带队产出 + 亲自核验） 逻辑拓扑图（Visio .vsdx / Mermaid / 多层视图） 技术规范文档（命名规则 / 拓扑规则 / IP 规则 / 配置规则，版本化迭代） 机柜落柜图（含 U 位立面、功率三色灯、颜色编码、BOM 对账、冲突清单） 网络 BOM（交换机、光模块、各种线缆型号与长度精算，按段分类） 设备命名与信息表（数十至上百网络设备完整命名 + 落位 + 型号 + 备注） 连线表 / Cable Schedule（数千至上万条链路，A/Z 端设备 / U 位 / 端口 / 段名 / 模块型号 / 线缆类型 / 长度） 施工表（JG / Cable Pull Sheet）（按柜或按段组织、配合施工节奏分批输出、严格遵循"每条线只1 次记录"等组织规则） 桥架与跳线路径设计（强弱电分离、楼层贯通、长度核算） 设备配置模板（按厂商 / 角色 / 平面） 技术带队职责 设计规则下放给团队：把架构规则（端口分配 / 拆口 / 命名 / 平面隔离等）转化为团队成员可执行的工程操作指南 审阅团队产出：对每一份交付物（拓扑图 / BOM / 连线表 / 施工表）做技术审核，确保符合架构规则 建立交付物标准：制定交付物格式规范、版本管理规则、变更同步流程，保证交付物质量 指导团队工具化：把重复性核验工作沉淀为脚本 / 工具，让团队能高效自检 关键决策不下放：架构层面的选择、规则变更、与厂商的技术对接等仍由候选人主导 关键原则：核验能力不能外包给团队。候选人必须能独立用脚本核验任何一份团队提交的交付物，发现团队遗漏的问题。这是本岗位与"纯管理岗"的根本区别。 3. 部署、点亮与验收（10%） 设备配置模板输出与下发（按厂商 / 角色 / 平面），可结合自动化工具（Ansible / Salt 等） 点亮调试：链路一致性（LLDP）、ECMP / RDMA 可达性、PFC / ECN 端到端验证 验收测试：带宽与时延基线（NCCL all-reduce / fio / iperf / RDMA perftest） 疑难故障定位：链路 train 不上 / CRC 错误率 / PFC 死锁 / Hash 不均 / MTU 不一致 / 跨平面误连等

学历与经验：本科及以上，计算机 / 通信 / 网络相关专业8 年以上 网络架构 / 数据中心网络 / 高性能计算网络相关经验 至少深度参与过 1 个 1000+ GPU 规模或 5000+ 端口 数据中心网络项目的设计与交付（设计 → 工程交付物 → 点亮 → 验收） 技术能力 网络架构数据中心 CLOS 架构：Spine-Leaf 双层 / 三层 / POD 化设计、跨规模伸缩路由协议：BGP / EBGP 多 AS、ECMP、Hash 多样性、路由收敛优化 二层与高可用：MC-LAG、VXLAN、EVPN、STP 取代方案 RDMA / RoCE（必须有实战） RoCEv2 配置与调优：ECN / PFC / DCQCN 参数化，无损以太网（Lossless Ethernet）端到端打通熟悉 PFC 风暴、死锁、Headroom、Buffer 配置等典型问题的定位与处理能给出针对 AI 训练负载（NCCL / Megatron 等）的 RoCE 调优方案 设备与硬件 交换机与光模块的适配性：精通各厂商主流交换机（H3C / Cisco / Arista / Mellanox / 国产替代）的端口能力、拆口规则（如 800G→2×400G / 400G→4×100G）、license 限制 熟悉光模块（QSFP-DD / OSFP / QSFP56 / SFP56）的速率、波长、距离、MPO 极性、UPC/APC、多模 / 单模选型规则 能基于服务器 NIC 规格（CX7 / CX8 / 其他厂商等）反推交换机端口分配 熟悉 DAC / AOC / 有源光缆 / 光跳线在不同距离段的成本与可靠性取舍 大规模集群布线与调试 熟悉大规模集群布线难点：桥架走向、强弱电分离、上下走线、长度核算、贴标规则、极性管理 熟悉调试难点：链路 train 不上、CRC 错误率、PFC 死锁、Hash 不均、MTU 不一致、BFD 抖动、跨平面误连等典型现场问题 有大规模点亮经验（数千端口一次性上线），知道分批策略与回滚机制 熟悉 GPU 服务器 NIC IRQ / NUMA 亲和、bonding、subnet manager 等 工程能力 候选人需有实战经验， 尤其看重利用AI 工具进行下述工程落地的能力。 Python 实战：能熟练使用openpyxl/pandas等库处理 xlsx 工程文件 解析数千行连线表并 canonical 化编写"生成式 diff"脚本：从拓扑规则反推预期连线表，与团队产出的实际表 set diff 端口唯一性 / 拆口规则 / 平面对称 / 全图可达性核验 BOM 反推与对账 Visio (.vsdx)：能读、审、改多层视图（拓扑总览 / Pod 视图 / 物理视图），制定团队的拓扑图规范 DWG / DXF：能根据 CAD 图纸指导团队做设计核算 结构化技术文档：能写规格文档（spec）、设计文档、复核报Runbook，并定义团队的文档标准 技术带队能力 带过 2-5 人的工程团队（网络工程师 / 现场实施 / 文档工程师等），能让团队按规则高效产出 能把复杂的架构规则拆解为团队成员可执行的操作指南 能审核团队产出的技术质量，识别隐蔽问题 能制定团队的工具链与工作流标准，让重复性工作自动化