About The Role

1.负责HPC（高性能计算）集群的全栈质量保障，覆盖计算节点、高速网络（InfiniBand/RoCE）、并行文件系统、作业调度系统（Slurm/PBS）、编译器与数学库等核心组件，设计并落地功能、性能、稳定性、兼容性等多维度测试方案。
2.集群功能测试：验证HPC集群核心软件栈的正确性，包括但不限于：作业调度系统（作业提交、队列管理、资源分配、优先级策略）、并行文件系统（挂载、读写权限、元数据性能）、容器化HPC工作负载（Singularity/Enroot）的生命周期管理。
3.性能基准测试：主导HPC集群的性能基准测试与调优工作，熟练运用HPL（High-Performance Linpack）进行集群浮点计算性能评估、HPCG 作为HPL的补充评估实际应用场景性能、Stream 进行内存带宽测试、MPI OSU 进行网络通信性能评估；建立多维度性能测试数据库及基线，输出性能测试报告与调优建议。
4.异构计算测试：验证GPU加速计算场景下的性能与正确性，覆盖CUDA/HIP编程模型、NCCL/RCCL多卡通信、NVLink/InfiniBand跨节点通信等；针对AI大模型训练场景（如Megatron-LM、DeepSpeed）进行分布式训练的性能与稳定性测试。
5.自动化测试框架建设：开发与维护HPC自动化测试框架及脚本，实现集群部署验证、基准测试自动化执行、性能数据采集与可视化分析；利用AI技术辅助性能瓶颈分析与异常检测。
7.利用AI技术（如大模型辅助用例生成、智能缺陷分析、自动化脚本生成）提升测试效率与覆盖度，探索AI在业务测试领域的落地实践。
1.本科及以上学历，计算机、人工智能、软件工程、计算数学、力学等相关专业。[3年以上]测试开发或相关工作经验。
2.深入理解HPC集群的体系架构与核心组件，包括：
集群架构：计算节点、登录节点、管理节点、存储节点的功能划分与协同；
作业调度系统：Slurm/PBS的作业生命周期管理、资源分配策略、分区/队列配置；
高速网络：InfiniBand/RoCE的体系结构、通信原理与性能调优；
并行文件系统：Lustre/BeeGFS/GPFS的架构、条带策略、元数据管理；
软件栈：编译器（GCC/ICC）、MPI实现（OpenMPI/Intel MPI）、数学库（MKL/ACML）、GPU驱动与CUDA/HIP环境。
3.精通HPC性能基准测试方法论，有HPL、HPCG、Stream、MPI OSU等常规HPC基准测试与调优的丰富实战经验；能够根据集群配置选择最优参数、分析性能瓶颈并给出调优建议。
4.熟练掌握Python/Shell其中一种语言，具备独立开发自动化测试脚本及工具的能力；熟悉C/C++、Fortran加分。
5.具备扎实的并行计算技术理解力：理解MPI并行编程模型、OpenMP共享内存并行、GPU编程（CUDA/HIP/OpenACC）的基本原理；了解分布式训练中的通信模式（All-Reduce、All-Gather等）。
6.熟悉Kubernetes核心资源对象及调度原理，理解GPU调度（NVIDIA Device Plugin）、存储卷挂载（PV/PVC）等；具备在容器化环境中进行HPC工作负载部署与故障排查的实操经验。
7.熟悉Linux操作系统，熟练使用常用命令行工具及性能分析工具（如perf、nvidia-smi、ibstatus、mpstat等），能够独立完成系统日志分析、性能监控与问题定位。
8.精通软件测试流程与测试设计方法，能独立完成测试计划、用例设计及复杂场景测试执行。
9.具备优秀的逻辑思维与问题分析能力，良好的沟通协作能力与质量意识，对HPC与AI融合技术有持续学习的热情。
10.具备AI辅助测试的实践能力：了解大语言模型（LLM）基本原理，有利用AI工具（如大模型生成测试用例、辅助缺陷分析、自动生成回归脚本等）的实际经验，或对AI测试有浓厚兴趣并愿意快速学习。

This is an external listing. JobSpring does not represent or verify the employer. Report this listing

HPC高级测试工程师（郑州）(J13897)

About The Role