工作职责 1. 深度优化对象存储元数据读写路径与性能瓶颈 - 针对海量并发场景，深入分析并优化元数据读写链路，显著降低请求延迟（RTT），提升系统吞吐量（QPS/TPS）。 - 攻克分布式系统中的典型难题，包括热点 Key 治理、锁竞争消除、数据分片不均等，保障服务 SLA/SLO 稳定达标。 2. 主导目录层级桶的架构设计与工程落地 - 设计实现支持多级目录结构的元数据模型，突破传统扁平命名空间限制，支撑亿级对象规模下秒级目录列表响应。 - 优化目录遍历、前缀查询、批量操作等高频场景的访问性能，解决深层嵌套带来的延迟累积与一致性问题。 3. 负责对象存储挂载工具（zosfs）的调优与 POSIX 兼容性增强 - AI 训练场景下的调优，设计智能预取（Read-ahead）、本地缓存加速及元数据批量获取机制，最大化 GPU 利用率，避免 IO 成为训练瓶颈。 - 增强 POSIX 语义兼容性，完善对文件属性、权限控制、原子操作及缓存一致性的支持，打造接近本地文件系统的用户体验。 - 建立挂载工具的稳定性保障体系，优化内存管理、异常恢复及监控告警机制。

工作要求 1、大学本科及以上学历，并取得相应学位，计算机、软件工程相关专业； 2、5 年及以上后端开发经验，其中至少 3 年专注于分布式存储系统（对象存储、文件系统）的研发工作。 3、项目经验：有 PB 级数据存储规模、百亿级文件数量系统的实际设计与落地经验；或有支撑 AI 大模型训练的存储系统优化经验者优先。 4、核心技能要求： 1. 深入理解对象存储元数据结构，如Bucket/Object Metadata、Versioning、ACL、Tagging、Lifecycle Policy等 2. 熟练掌握主流 KV 存储引擎（如 RocksDB, LevelDB, TiKV, Etcd）的原理与使用，有基于此构建高可用元数据服务的实战经验。 3. 熟悉 POSIX 语义标准，有开发或深度优化 FUSE 客户端（如 s3fs, goofys, JuiceFS）的经验。 4. 熟悉 AI 训练工作流程（数据加载、Epoch 切换、Checkpoint 读写），了解 PyTorch/TensorFlow 的 DataLoader 机制及常见瓶颈 5. 具备复杂系统的架构设计能力，能够将模糊需求转化为清晰的技术方案； 6. 精通 Go / C++ 中至少一门语言，具备编写高性能、低延迟代码的能力； 5、 具备跨团队协作与技术指导能力，能够带领初级工程师完成项目； 6、 有技术选型、风险评估、成本控制的经验