你好,欢迎来到我的小站。

GOLANG · CLOUD NATIVE · PLATFORM ENGINEERING

运维开发 / Golang / 云原生

计算机技术硕士在读,关注 Kubernetes 平台工程
与异构 GPU 集群的能效感知调度。

这里记录技术实践,也收藏生活里的小片刻。
很高兴在这里遇见你。

聊聊技术,也聊聊生活。

18071282523
晴天,海边。更多生活碎片
实践关键词
GolangKubernetesGPU SchedulingObservabilityPlatform Engineering

教育背景

陈世杰的肖像照

杭州电子科技大学

计算机技术硕士

2024.09 - 至今
GPA 4.12

复杂系统建模与仿真实验室(云技术研究中心,教育部重点实验室)

研究方向约束感知的异构 GPU 集群能耗建模、能效感知调度与资源优化

中南民族大学

计算机科学与技术本科

2020.09 - 2024.06
GPA 3.45加权成绩 84.48专业前 20%(30/154)

专业技能

Golang

熟悉 Go 语法、并发模型(goroutine / channel / sync)与标准库;具备 Gin、GORM 服务开发经验。

Kubernetes

理解整体架构与核心组件(API Server、etcd、Controller Manager、Scheduler、kubelet)及常用资源;具备 kubeadm 集群搭建、Scheduler Framework 扩展及 GPU 作业调度经验。

云原生运维

熟悉 Prometheus + Exporter + Grafana 监控体系搭建;具备使用 Helm 管理集群应用的实践经验,能够完成 values 配置、安装升级与版本维护;掌握 Docker、containerd 镜像构建与容器管理;熟悉 Linux 常用命令,熟练使用 Shell、Python 编写自动化运维脚本。

平台工程与访问控制

熟悉 Kubernetes 管理平台后端开发,掌握基于 client-go 的资源操作封装;具备平台自建权限(Casbin/JWT)与 Kubernetes RBAC 的整合隔离经验;能够实现操作审计与多租户资源隔离,保障运维操作安全合规。

英语

CET-4 564、CET-6 510,可流畅阅读英文技术文档与开源源码。

项目经历

集群与平台工程实践,以及算力网络科研项目。

01实验室算力集群

异构 NVIDIA GPU Kubernetes 集群搭建与运维

KuberneteskubeadmNVIDIA GPU OperatorScheduler FrameworkHelm

搭建并维护实验室 Kubernetes 1.30.x 异构 GPU 集群,包含 6 个节点(5 个 GPU 节点、共 16 张 NVIDIA GPU),为实验室 AI 训练、推理与调度实验提供共享算力。

  • 纳管 8 张 A100 40GB、2 张 A6000 和 6 张 RTX 4090,通过 NVIDIA GPU Operator 统一部署 Device Plugin 等 NVIDIA 软件栈,完成异构 GPU 识别及 nvidia.com/gpu 资源注册。
  • 通过 Helm 管理集群应用,完成 values 定制、安装升级与版本维护;搭建 Prometheus + DCGM Exporter + Grafana 监控链路,采集节点状态及 GPU 利用率、显存、功率和温度等指标。
  • 基于 Scheduler Framework 实现自定义的 GPU 功率感知调度器,Filter 阶段过滤 GPU 数量/型号不匹配的节点,Score 阶段查功耗画像表,在满足训练时间约束的候选功率中按能耗越低得分越高选最优节点。通过 schedulerName 接入,不影响默认调度器。
  • 基于 GPU 作业画像实现能效感知调度,联合选择任务放置与功率上限,并随队列压力调整性能约束
实验验证 · 训练阶段 GPU 能耗降低 17.81%–18.73%

4.5 万个作业仿真与 3 个真实 RTX 4090 节点实验;
平均 JCT 增幅为 1.81%–3.10%。

02实验室算力平台

Kubernetes 集群管理平台:Kubemanage

GoGinVueclient-goCasbinGrafanaDocker

面向实验室 Kubernetes 集群运维场景,搭建了 Kubemanage 管理平台;平台具备集群资源可视化管理、Pod 日志与 WebShell、用户及权限管理等基础能力,现已部署在集群中,作为实验室成员共享的 Kubernetes Web 运维入口。

  • 构建面向实验室 K8s 集群的 Web 运维平台,封装 Pod/Service/Ingress 等常用资源的增删改查操作。
  • 基于 Casbin 设计多维度 RBAC 权限模型,实现平台角色与 Kubernetes RBAC 的隔离映射,并补充操作审计日志。
  • 集成 Grafana 监控面板,通过 JWT 票据与反向代理实现平台到 Grafana 的单点登录及角色映射,用户无需二次认证即可查看集群监控数据。
  • 完成平台容器化打包与 Kubernetes 部署,通过 Ingress 暴露统一访问入口,配置健康检查与持久化存储,支撑实验室 6 节点集群的日常运维操作。
03国家电网项目科研实践

电力人工智能算力网络构建技术及应用示范

参与国家电网算力网络示范项目,负责算力网络架构设计与算网协同调度相关研究。

  • 调研国网数据通信网与算力建设现状,设计适应电网 AI 规模化推理、训练的算力网络架构。
  • 研究算力与网络资源统一建模及性能动态感知,提出任务资源预测方法,为算网协同调度提供支撑。

科研成果与荣誉

  • 第十三届蓝桥杯 Python 程序设计湖北省一等奖、全国三等奖
  • 武汉正奇云有限公司软件开发实习“开发之星”
  • 连续两学年获得专业奖学金
  • “互联网+”校级一等奖

技术笔记

记录我折腾服务器时遇到的问题、查过的资料,以及慢慢弄明白的过程。

生活碎片

海边的风、山间的雪,还有日常的小片刻。

晴天,海边
日出时分
走进雪林
龙王山 · 1587.4 m
瞄准下一杆
厦门 · 十里长堤
2024 CNCC 中国计算机大会 · 横店圆明新园
出杆之前
冬日晴空
健身房日常

近况

实习、论文返修、大论文实验

字节跳动 · SRE 实习

实习中

AI Infra · 人工智能基础设施方向

参与GPU集群可靠性治理、压测管理工具建设与运维自动化相关工作

毕业论文实验

实验中

围绕深度学习训练中的 GPU 功率优化与异构集群节能调度开展实验,研究时延约束下的能耗权衡。

对比功率控制策略,结合训练监测、离线画像与调度仿真分析实验结果。

TCC · 投稿进度

大修中

Transactions on Cloud Computing

大修截止

  1. 投稿Submitted

  2. 大修Major revision

  3. 修回Resubmitted

  4. 再审Under review

  5. 接收Accepted

  6. 在线发表Early Access

  7. 正式见刊Published in issue