中国平安
AI大数据运维架构师
AI大数据运维架构师
发布于 大约 14 小时前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
本科
SRE
AIOps
大数据架构
ClickHouse
StarRocks
AI 估算 · 40k–70k
深圳大数据架构师（8年+）市场薪资偏高，平安金融科技平台稳定，综合竞争力强，月薪约4-7万。
职位详情
关于这个职位
该职位负责平安银行企业级大数据平台的架构设计与技术攻坚，涉及Hadoop、HBase、Kafka、Elasticsearch、ClickHouse、StarRocks等核心组件，需解决性能、稳定性、安全性难题，并推动AIOps与SRE落地
适合8年以上大数据经验、精通生态组件调优、具备全链路优化能力的技术专家
最低要求
计算机相关专业本科及以上学历，8年以上大数据领域工作经验
有AIOps及大模型架构在大数据领域的实施经验，面向AI场景熟悉大数据集群的智能调优、方案优化
精通核心组件：对Hadoop生态（HDFS, YARN, Hive, Spark）、HBase、Kafka、Elasticsearch、ClickHouse、StarRocks等至少三种有深入的源码级理解或丰富的调优经验
具备全链路性能瓶颈分析和调优的能力，能对JVM、操作系统、网络、存储进行深度优化
熟练掌握Java/Scala/Python中至少一门语言，能够进行原型开发和工具编写
优秀的沟通、协调和团队领导能力，能清晰地进行技术布道和方案宣讲
工作职责
平台架构设计与规划：负责银行企业级大数据平台（涵盖Hadoop, HBase, Elasticsearch, Kafka, ClickHouse, StarRocks等）的总体架构设计、技术选型和演进规划
核心技术攻坚与优化：解决大数据平台在性能、稳定性、安全性方面遇到的顶层技术难题，主导核心组件的深度调优（如HDFS/YARN资源调度、HBase读写性能、ES索引策略、Kafka吞吐量与可靠性、CK/SR查询优化等）
稳定性与安全体系构建：设计并落地平台的容灾、多活、备份恢复方案，保障金融级数据服务的高可用性（RTO/RPO），结合AIOps和SRE理念落地故障识别、根因定位等高阶方案
跟踪大数据领域前沿技术（如湖仓一体、流批一体、算存分离等），进行技术预研和原型验证，推动新技术在合适场景下的落地
与数据开发、数据治理团队紧密合作，理解业务需求，提供最优的技术架构解决方案
AI 洞察
优缺点分析
- 平台优势：中国平安为上市巨头，资源丰富，项目规模大，技术挑战高
- 技术前沿：涉及AIOps、大模型、湖仓一体等新兴领域，保持技术竞争力
- 薪资丰厚：大数据架构师在深圳属高薪岗位，且平安福利体系完善
- 职业发展：金融科技赛道长期稳定，经验可迁移性强
- 技术深度要求高：需要源码级理解多个组件，学习曲线陡峭
- 责任重大：银行级平台对稳定性要求极高，故障压力大
- 跨部门协作频繁：需与数据开发、治理等多团队紧密配合，沟通成本高
- 适合8年以上大数据经验、热爱技术钻研、能承受高责任压力、希望在金融科技领域深耕的资深工程师或架构师
角色解读
- 技术路线：从大数据架构师向首席架构师或技术VP发展，主导更大规模平台
- 管理路线：若积累团队领导经验，可转型为技术总监或平台负责人
- 行业路线：深耕金融科技大数据，成为行业专家或咨询顾问
- 负责银行级大数据平台的架构设计，包括Hadoop、Kafka等核心组件的选型与演进规划
- 主导分布式系统的性能调优，解决HBase读写、ES索引、CK查询等底层技术难题
- 构建容灾、多活等高可用方案，结合AIOps实现故障自动识别与根因定位
- 跟踪湖仓一体、流批一体等前沿技术，推动预研与落地
- 精通Hadoop生态、HBase、Kafka、Elasticsearch、ClickHouse、StarRocks中至少三种的源码级调优
- 具备全链路（JVM、OS、网络、存储）性能分析与优化能力
- 掌握Java/Scala/Python，能开发原型工具
- 熟悉AIOps、大模型、湖仓一体等新技术，有实际落地经验
申请策略
- 面试前深入了解平安的技术栈和业务场景，准备对应案例分析
- 关注金融行业对数据安全和合规性的特殊要求，提前准备相关经验
- 突出大数据平台架构设计经验，特别是大规模集群（千节点以上）的实战案例
- 强调对Hadoop、Kafka、ClickHouse等组件的调优成果，附性能提升数据
- 展示AIOps或SRE相关项目经验，尤其是智能故障定位方案
- 列出开源贡献或源码阅读经历，体现深入理解
- 巩固Java/Scala编程能力，熟悉JVM调优工具
- 补充大模型在运维中的应用知识，如LLM辅助根因分析
面试指南
- 回答技术问题时先用STAR法则（情境-任务-行动-结果）结构化陈述
- 多讲实际案例和数据对比，避免空谈理论
- 对于开放性问题，先界定范围再给方案，体现系统思维
- 如何设计一个高可用、低延迟的实时数据管道？请结合Kafka和ClickHouse
- HBase RegionServer频繁GC导致性能抖动，如何定位和优化？
- 请描述一次你主导的大数据平台容灾方案设计过程
- 在AIops场景下，如何利用大模型提升故障定位效率？
- 如何平衡Hadoop集群的资源利用率与作业优先级？
匹配度报告
71
综合匹配度
高薪高挑战的技术岗，前沿技术栈，但工作压力大，适合技术狂人。
适合人群
最看重技术成长和薪资回报，能接受高强度、不追求WLB的技术专家。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活40
使命价值70
薪资福利匹配
85较高
该职位薪资水平在深圳大数据架构师中处于较高区间，且平安作为上市公司福利体系完善，但JD未明确列出具体福利，补偿性动机满足度较好。
薪资信号未披露 (40K-70K/月)
成长发展匹配
90较高
技术要求极高，涉及AIOps、大模型等前沿技术，成长空间巨大；但JD未明确晋升路径，发展性动机主要来自技术深度和广度。
技术前沿前沿/新兴技术
技术栈Hadoop、HBase、Elasticsearch、Kafka、ClickHouse、StarRocks、AIOps、大模型、湖仓一体、流批一体
业务类型cost_center
工作生活匹配
40较低
JD未提及远程或弹性工作，且金融科技架构师通常压力大、可能加班，生活化动机满足度较低。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
70中等
金融科技领域稳定且具有社会价值（服务亿万用户），但个人成就感更多来自技术挑战，使命感一般。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs