他和同事一起 ， 在机器学习分布式训练集群里面初步调优了 RDMA 拥塞控制算法 DCQCN ， 基本部署了 RDMA 细粒度网络监控 ， 初步建立了 RDMA 的网络能力 。 从目前的超过 30 个机器集群的测试数据来看 ， 机器学习业务一轮的数据传输时间实现了量级级别的降低 ， 已取得一定的阶段性成果 ， 后续还将基于更大规模的机器学习集群 ， 进行系统级和算法级的联合优化 。
快手处于一个高速发展阶段 ， 在基础设施这方面还有很多空间 ， 可以做出一些探索性的东西 。 「在合适的时间、合适的地点 ， 做合适的事是至关重要的 。 」这是张阳洋的 leader 在之前的谈话中对他说的 。
或许 ， 让每一位快 Star 决定加入快手的理由不尽相同 ， 但他们的选择都被证明是正确的 。
有人选择快手 ， 因为它是「最有温度、最值得信任的在线社区」 ， 让更多普通人的生活熠熠闪光；有人选择快手 ， 因为坚信「快手正处在一条充满希望的赛道」；有人选择快手 ， 因为「想加入一个大体量的头部公司 ， 和更顶尖的技术团队一起做对用户更有意义的事」；也有人选择快手 ， 只是因为一次和技术 leader 默契、深度的交谈……
「快 Star」计划启动两年以来 ， 已经有几十位顶尖技术人才加入快手 。 「很多同学来自清北 ， 还有很多有海外经历 。 而且印象中只有我一个人是硕士学历 ， 其他都是博士 。 」一位快 Star 回忆说 ， 最初参加新人集训时 ， 自己曾被组内的人才密度所震惊 。
今天的快手比以往都更需要年轻、优秀的技术人才资源汇入 。 越来越多如同「快 Star」一般优秀的技术人才选择来到快手 ， 在这块厚实的土壤上茁壮成长、挥洒汗水 。 快手成就了一批「快 Star」 ， 未来 ， 他们也将成就更好的快手 。
【人均清北，入职3个月就带项目：快手「快Star」是一群怎样的人？】* 应要求 ， 文中所列人员皆用化名 。 *