技术中心 - 数仓开发工程师

优缺点分析

角色解读

• 纵向可向资深数据开发/数仓架构师发展，主导数据中台的架构设计与技术选型
• 横向可转向数据平台/大数据基础设施工程（SRE for data）、数据治理专家或数据产品/ analytics 方向
• 在游戏业务场景下积累实时数仓与海量数据处理经验，这类能力在互联网、电商、金融等行业通用性强
• 负责游戏业务海量日志与外部数据的接入、清洗与建模，搭建公司级数据中台，同时支撑国内与海外数据仓库
• 承担实时（Flink/Kafka 等）与离线（Spark/Hive 等）两条链路的开发，为业务方交付稳定、可复用的数据服务与指标
• 在 PB 级存量、万亿条级增量的体量下做数据治理：元数据管理、任务调度、数据质量与成本优化
• 维护并调优公司自建的大数据集群与组件（StarRocks、Doris、ClickHouse、Trino 等），解决高并发与性能瓶颈
• 扎实的 SQL 能力与 Java/Python 开发能力，能把数据逻辑稳定落地为生产级任务
• 完整的数仓建模方法论经验（分层建模、维度建模、指标体系），而不只是写取数脚本
• 主流大数据组件栈实操经验：Flink、Kafka、Hive、Spark、StarRocks/Doris/ClickHouse、DataX、Canal、FlinkCDC 等
• 集群与组件调优、数据治理与成本控制能力，以及推动跨团队项目落地的沟通执行力

申请策略

• 投递前了解库洛游戏的产品线与数据场景（如《鸣潮》等项目的国内/海外发行），面试时能结合业务谈数仓设计会加分
• 简历中体现海外数据仓或多地域数据处理的经历，与该岗位「国内海外数据仓库」的诉求高度契合
• 突出你主导或深度参与的完整数仓建设项目：分层设计、建模方案、上线后的业务收益
• 量化数据规模与性能成果，例如日处理数据量、任务数、集群规模、查询延迟优化比例、成本下降幅度
• 列出实际使用过的组件栈（Flink、Spark、StarRocks、Doris、ClickHouse、Trino 等）及具体使用场景，而非仅罗列名词
• 如有实时链路（FlinkCDC/Canal/Kafka）与数据治理（元数据、质量、调度）经验，单独成段强调
• 补强 Flink 实时开发与状态管理、checkpoint、反压排查等生产级问题处理能力
• 准备 1-2 个集群/组件调优案例（如 StarRocks 或 Doris 的查询优化、Spark 任务倾斜治理），能讲清思路与数据

面试指南

• 用「背景—方案—取舍—结果」四段式讲项目：先说业务与数据规模，再说建模/架构选型，说明为什么不用其他方案，最后给出可量化结果
• 技术题先给结论再展开：先说明你的判断与选型原则，再讲具体实现细节和踩过的坑，避免一上来就堆术语
• 调优题按「定位问题—验证假设—验证手段（监控/执行计划/日志）—优化与回归」的排查链条作答，体现方法论而非巧合
• 请介绍你做过的一个完整数仓项目：如何分层建模、如何划分主题域、上线后解决了什么业务问题？
• 实时数仓与离线数仓在你的实践中如何协同？Lambda 和 Kappa 架构你会怎么选，为什么？
• 面对 PB 级数据和万亿级日增量，你会从哪些方面做数据治理和成本优化？
• 举一个你做过的大数据组件调优案例（如 StarRocks/Doris 查询慢、Spark 数据倾斜、Flink 反压），排查思路是什么？
• 游戏场景下客户端与服务端日志埋点常有口径不一致，你会如何设计接入与校验方案？