技术中心 - 数据开发工程师

优缺点分析

角色解读

• 可在数据平台方向纵深发展，从数仓开发成长为数据架构师或数据平台负责人
• 具备湖仓一体、实时计算等经验后，可转向数据治理、数据资产或数据产品方向
• 在游戏业务场景中积累全域数据经验，未来可向业务数据负责人或数据团队管理岗发展
• 负责实时与离线数仓、分析报表的开发，基于 StarRocks 承接各类数据查询与分析需求
• 参与数据流转标准化建设，落地数据血缘、数据质量、链路监控等平台能力
• 参与统一指标体系建设，规范指标口径并沉淀通用数据开发规范
• 针对 PB 级全域数据做存储与计算优化，解决数据倾斜、任务超时、资源浪费等问题
• 扎实的大数据组件能力：熟悉 Hive、Spark、Flink、Kafka，理解采集、存储、计算、调度、监控全链路原理
• 较强的 SQL 与建模能力：能独立完成复杂查询、报表开发与 SQL 性能调优，熟练使用 StarRocks
• 工程化落地能力：掌握 Linux 与 Shell，能独立排查任务逻辑问题并完成数据任务开发
• 数据治理意识：理解数据血缘、数据质量、指标标准化等治理体系并能推动落地

申请策略

• 投递前了解库洛游戏的产品线与数据场景，面试中结合游戏业务谈数据建设思路会更契合
• 可准备一份性能优化或数据治理的完整案例文档，用于面试深入追问时展开
• 突出参与过的数据规模与量级，例如 PB 级数仓、日处理任务数、数据表数量等量化指标
• 写明 StarRocks、Flink、Spark 的具体使用场景与优化成效，如查询耗时下降、资源节省比例
• 展示数据治理类项目经验，包括数据血缘、质量校验、链路监控、指标口径统一的落地成果
• 补充跨团队协作与通用化方案设计的案例，体现从需求开发到平台沉淀的能力
• 系统梳理 StarRocks 的物化视图、分区与分桶设计、执行计划分析，准备可讲解的调优案例
• 补强 Flink 实时链路的状态管理、Exactly-Once、反压排查等实战知识

面试指南

• 用「背景—问题—方案—结果」结构回答：先说数据规模与业务背景，再讲具体技术难点、你的方案和量化结果
• 涉及优化问题时，先讲排查路径（看执行计划、看资源监控、看数据分布），再讲定位结论与调优手段
• 涉及体系建设问题时，按「现状痛点—分层设计—落地步骤—效果度量」的思路展开，体现通用化思维
• 请介绍一个你负责的 PB 级数据项目，数据规模、架构选型和你承担的具体职责是什么？
• 遇到数据倾斜或任务长时间超时，你通常如何定位和优化？请举一个真实案例
• 在 StarRocks 上做过哪些查询或建模优化？表设计、分区分桶、物化视图是如何取舍的？
• 如果让你从零搭建数据血缘与数据质量监控体系，你会如何设计？
• 如何推动指标口径标准化？当业务方口径不一致时你怎么处理？