面试时怎么问出团队对“资源瓶颈”的理解？

消息提到，排队的工作负载旁边出现看似闲置的GPU，至少有四种不同根因，只有一种能通过GPU共享解决。这个说法很适合当面试提问的起点。

你可以这样问：“你们遇到过队列很长、但监控上GPU看着不忙的情况吗？一般怎么排查？”

这不是考面试官，而是了解团队平时怎么讨论瓶颈。对方如果只回答“加卡”或“上共享”，说明讨论可能停在表层；如果能说清先看什么、再看什么，你至少知道他们有一套成型的排查习惯。

需要提醒自己：一次问答不足以判断团队成熟度，更不代表入职后的体验。把它当成收集信息的入口，多问几个具体例子。

岗位描述写“GPU调度优化”，实际可能做什么？

消息还提到，GPU利用率指标反映的是计算活动，而不是容量是否真正可用；一块GPU可能显示低利用率，但仍被某个工作负载完全占用。

这意味着“调度优化”四个字背后的实际工作可能差别很大。你可以追问：“你们怎么判断一块卡是真的空闲，还是只是没在算？”对方的回答会透露岗位更偏写调度器、做容量规划，还是处理日常工单。

读岗位描述时，留意它是否区分了“分配状态”和“计算活动”。面试时请对方讲一个最近排查瓶颈的具体过程，比只看职责列表更能帮你判断这份工作是否对得上自己的兴趣。

转岗AI基础设施，该先补哪类知识？

消息提到，Kubernetes默认将整块GPU分配给Pod，一个工作负载持有设备就会阻止其他工作负载使用。这个细节说明，分配状态和计算活动是两回事。

与其泛泛学Kubernetes，不如先吃透这个区分：一块卡被分配了，不等于它在算；它在算，也不等于别人能用。然后根据目标团队的常见场景选方向——常遇到放置问题就深入调度和拓扑，常遇到显存问题就补内存管理和批处理。

一个实际可做的小建议：挑一个你亲历过的“指标和现实不一致”的例子，把发现、排查、确认根因的过程写下来。面试时讲出来，比背调度算法更能让对方了解你的工作方式。注意，这只是帮助你表达思考过程，不保证任何录用结果。 延伸阅读：技术面试通关秘籍：系统设计题如何应对？