腾讯云—分布式任务调度系统高并发处理与容量模型研究

课题背景： 随着云计算、大数据和微服务架构的深入应用，分布式任务调度系统已成为现代互联网基础设施的核心组件。腾讯云 CVM 任务调度系统承载着海量任务，日均调度量达到数亿级别。在双十一、春保、突发流量等高峰业务场景下，系统需要持续具备高并发处理能力、高吞吐性能以及稳定可靠的服务能力，因此任务调度系统的稳定性与弹性建设变得尤为关键。 课题挑战： 当前系统在容灾机制、故障域隔离、流控能力和背压机制等方面仍面临较大挑战。具体表现为：在大规模任务并发场景下，调度延迟显著增加；资源利用率存在不均衡问题；流量突增时容易引发系统雪崩风险；同时上下游系统之间的压力传导也会进一步放大整体稳定性问题。这些因素使得系统在极端流量场景下的持续服务能力面临考验。 具体工作： 本课题聚焦于分布式任务调度系统的稳定性优化，围绕系统架构优化、调度算法改进和容量模型建设开展研究。一方面，通过优化系统架构，提升容灾、隔离与流量承载能力；另一方面，通过改进调度算法，降低高并发场景下的调度延迟并提升资源利用率；同时结合容量模型建设，完善流控、背压与稳定性保障机制，最终构建一套完整的稳定性保障体系，提升系统在极端场景下的持续服务能力。

1. 01

   包含但不限于计算机、软件工程、人工智能、网络工程、自动化等相关专业的博士或优秀硕士；

2. 02

   熟练掌握至少一门主流后端开发语言（Python/Golang/Java/C++），具备优秀的编码、调试和系统架构设计能力。熟悉Linux开发环境及常用性能分析工具；

3. 03

   AI Coding与自动化能力：熟悉并善于利用AI编程助手（如GitHub Copilot、Claude Code或CodeBuddy）进行高效开发，具备使用大语言模型（LLM）辅助进行代码生成、重构、调试和文档编写的能力。对自动化代码审查、测试用例生成等DevOps实践有了解或浓厚兴趣；

4. 04

   额外加分项：有大规模分布式系统（如Kubernetes、YARN、Mesos等）研发或调优经验者优先；熟悉消息队列、RPC框架、服务治理等中间件者优先；有AI for Systems或LLM辅助编程相关项目经验者优先。