AI-Infra 15

• 附录：术语与符号表 2026/09/17
• 序章：AI Infra 工程师实战（GPU 集群方向） 2026/09/17
• 第 13 章 自动化运维与版本管理 2026/09/17
• 第 12 章 面试冲刺：高频题与答题框架 2026/09/17
• 第 11 章 综合实战：一次完整的集群故障排查演练 2026/09/17
• 第 10 章 故障演练与 STAR 叙事 2026/09/17
• 第 9 章 可观测性与告警 2026/09/17
• 第 8 章 调度与多租户：Slurm / Volcano / Kueue 2026/09/17
• 第 7 章 推理框架：vLLM 与 PagedAttention 2026/09/17
• 第 6 章 GPU 硬件与 CUDA/DCGM 2026/09/17
• 第 5 章 NCCL 与集合通信 2026/09/17
• 第 4 章 RDMA 与无损网络 2026/09/17
• 第 3 章 存储选型：JuiceFS / 3FS / Lustre 对比 2026/09/17
• 第 2 章 分布式存储：Ceph 核心 2026/09/17
• 第 1 章 Linux 内核 IO 栈与 VFS 2026/09/17