边缘计算平台高级研发工程师-基础设施

优缺点分析

角色解读

• 深耕边缘计算基础设施领域，成为平台架构师或技术专家
• 向智能化运维方向转型，结合AI技术成为AIOps专家
• 横向扩展至云计算其他领域，如计算、存储、网络等，成为全栈云工程师
• 开发边缘计算效能平台，包括CMDB、自动化运维、监控告警等系统，确保平台稳定高效
• 设计并实现运维工具，提升边缘计算节点的管理效率，降低人工干预
• 探索AI在运维场景的应用，如异常检测、故障预测，推动智能化运维落地
• 与产品、运维等团队协作，优化工具交互体验，满足业务需求
• 扎实的编程基础，精通Go/C/Python之一，具备系统设计能力
• 熟悉分布式系统原理，有大型分布式系统开发经验者优先
• 了解云计算和边缘计算基础架构，掌握容器、Kubernetes等云原生技术
• 对AI/LLM有探索热情，能够将其应用于运维场景

申请策略

• 关注火山引擎边缘计算业务动态，面试时展示对业务场景的理解
• 准备2-3个完整的系统设计案例，展示架构思路和技术决策过程
• 突出分布式系统、运维平台或云计算的开发经验，用具体项目展示技术深度
• 强调编程语言掌握程度，特别是Go语言的实际应用
• 如有AI/LLM相关探索经历，务必列出，体现技术前瞻性
• 展示复杂问题解决案例，如系统稳定性优化、自动化工具设计等
• 系统学习Kubernetes和容器编排技术，掌握边缘计算常见架构
• 了解主流AIOps工具和框架，尝试用LLM实现简单的运维助手

面试指南

• STAR法则：描述场景、任务、行动、结果，突出技术方案和个人贡献
• 系统设计题：明确需求→提出架构→比较选型→考虑扩展和容错
• 开放性问题：结合经验讲具体案例，体现思考深度和决策逻辑
• 请介绍一个你设计或维护的分布式系统，如何保证高可用和可扩展性？
• 如何设计一个CMDB系统？需要考虑哪些核心功能和数据模型？
• 你如何实现一个自动化变更系统？如何确保变更的安全和可回溯？
• 谈谈你对智能运维（AIOps）的理解，能举一个AI在运维中的应用场景吗？
• 在大型分布式系统中，如何排查和解决性能瓶颈？