蚂蚁-算力治理
岗位描述
我们是超级计算技术部-算力治理团队，负责提供支撑全站业务的强大算力服务，算力涵盖但不限于传统的微服务、AI训练与推理、搜索推荐、高性能分布式缓存等多个领域。秉承云原生和Google SRE的先进设计思想与理念，我们致力于构建一个高性能、稳定、经济且绿色的算力生态。我们的重点工作领域涵盖但不限于：
- 实施基于基础设施即代码(IaC)和配置驱动的多云管理平台工程
- 采用AIOps和SLO驱动的模式，不断优化算力资源的配置和使用效率
- 通过数据化运营及智能化探索服务工作的各个方面，包括大模型全生命周期、搜索推荐链路等
团队介绍
- 掌握基于K8S的使用范式，管理超过200+集群的控制面，开发并维护规模化观测工具链，提升可观测和应急发现能力。
- 参与制定集群生命周期管理与基础设施组件交付的标准，编写SOP，高质量完成对应的基础设施交付。
- 参与oncall轮值，并持续打磨应急工具链，确保集群控制面异常状态下能够在分钟级别发现并恢复。
常见集群问题：Pod Pending、CrashLoopBackOff、APIServer 无响应
面试题：10分钟内找出 Pod 无法调度原因并提出修复建议 - 挖掘集群稳定性异常，设计并建设K8S控制面的高可用和容灾能力，推动架构演进。
职位描述
- 熟练掌握Docker、Kubernetes等云原生技术，有大规模集群管理、交付经验者优先
- 掌握至少一门编程语言，Golang优先
- 对云原生可观测架构有深入实践，具有Prometheus/Grafana/OpenTelemetry等大规模应用经验者优先
thanos实践总结 - 了解AIOps、异常检测算法，有数据分析和优化系统实践经验者优先、主导或维护模型训练及推理服务者优先
一面
一、ArgoCD为什么用lua做脚本引擎，如何做集成的
轻量、高效
Lua 解释器运行效率很高，跟 Python、JavaScript 这种通用脚本语言比，在嵌入式应用场景下，Lua 的速度和内存占用都有优势
易嵌入
gopher-lua 是一个 用纯Go写的 Lua 5.1 VM，不是调用外部Lua解释器，所以非常轻量，也避免了 CGo 依赖问题
安全
Python、JavaScript天生有很多系统调用接口，比如 os, fs, net，除非非常复杂地魔改解释器，否则很难完全关掉用户脚本的危险功能
二、restful API有什么问题
状态管理
状态转移描述能力弱：REST 本质上是无状态的（Stateless），但是很多真实业务，是有状态机的
查询拼接
很多次请求才能拼出一个页面要的完整数据，后面才有 GraphQL 这种“单次查询多个资源”的东西出现
性能劣势
使用gRPC：适合高性能场景，支持流式通信，但依赖 HTTP/2 和协议缓冲区。
三、Umi用什么做状态管理
useModel
基于 React Hooks 的状态管理，适合中小型项目
Dva
整合了 Redux、Redux-Saga 和 Immer，适合复杂异步逻辑
四、Horizon(https://horizoncd.github.io/) 怎么部署helm-chart的
预置了一些模板，用于交付数据库、中间件等服务，如milvus，redis-cluster等，不能随意上传helm chart，避免安全问题
五、告警阈值不合理问题要怎么解决
- 统计分位数（如 P99、P95）识别异常，而非依赖绝对值阈值。
- 分级告警与渐进式响应
- 基于服务等级目标（SLO）设计阈值，而非孤立指标。
六、流程图和时序图有什么区别
- 流程图是“怎么做”（How）的蓝图，适合步骤分解。
- 时序图是“谁在何时做什么”（Who-When-What）的交互快照，适合系统协作分析。