团队介绍
AML-Engine（Applied Machine Learning）机器学习引擎团队 为字节内部众多业务方向提供统一、高性能、高可靠、大规模的机器学习系统架构 和 支持内部大量算法工程师的机器学习平台。为字节旗下 头条/抖音/Tiktok/等各业务 的推荐/广告/搜索 在全球提供高质量的在线服务，和大规模机器学习训练环境
稳定性方向/运维系统，负责字节跳动机器学习平台的离线训练，在线服务，离在线数据同步相关的 自助&自动化运维，系统稳定性建设，指标建设与分析，问题排查&自动检测与恢复，系统性能优化，资源规划&管理优化；构建&优化 高效、可靠、易用的分布式运维框架。

1、保障大规模机器学习系统的稳定运转；
2、负责核心服务的持续集成和交付，高效和自动化的运维优化，提升服务的稳定性；
3、负责大规模分布式系统的监控与指标建设；
4、负责大规模在离线集群的云平台化、资源优化、SLA保障。

职位要求
1、掌握 Python/Shell/Golang中至少一种语言，并具备一定的编码能力，可以完成一些监控/运维工具的编写，和简单的SQL语句查询；熟悉业界主流监控框架，如Open-Falcon、Grafana、Metric等；
2、熟悉 Linux 操作系统，具备一定的问题排查能力，对大规模分布式系统的设计、分析和排障有强烈兴趣；
3、有强烈的工作责任心，较好的学习能力、沟通能力和自驱力，良好的团队合作精神；
4、有良好的工作文档习惯，及时按要求撰写更新工作流程及技术文档。

加分项
1、有搜索系统，推荐系统等上层业务系统 项目经验/运维经验优先；
2、对于分布式存储：如Redis，Mongo，HDFS，LevelDB/RockDB等存储服务经验优先；
3、有数据库、表格存储、消息队列、缓存、对象存储、分布式块服务等基础服务 项目经验优先；
4、熟悉Hadoop Ecosystem常用开源框架者优先，例如Hadoop/Flink/Spark等，有运维经验或者使用经验优先；
5、熟悉甚至有 YARN、Kubernetes（K8s）、Mesos 等开源调度框架的项目经验者优先；
6、熟悉云计算知识，包括虚拟机，容器等，对网络、消息队列有一定理解和认识者优先；
7、有云平台相关经验（阿里云、AWS、GCP等）者优先；
8、管理过千台以上的机器者优先。