腾讯云大数据-实时引擎研发工程师

优缺点分析

角色解读

• 技术深度方向：从引擎开发工程师成长为实时计算领域的专家，主导核心技术攻坚
• 架构方向：积累流批一体、湖仓融合的架构经验，向系统架构师或技术总监发展
• 开源影响力：通过参与或发起开源项目，在社区建立个人品牌，成为行业 KOL
• 负责 Flink 引擎内核的架构设计与研发，进行流批增量一体计算引擎的优化，提升执行效率与资源利用率
• 参与 Setats 统一流湖存储引擎的设计开发，实现流、增量、批三种计算模式的统一与灵活切换，降低存储和计算成本
• 开发 C++ Native 执行引擎的核心算子，通过向量化执行、异构计算等加速手段提高吞吐与资源效率
• 探索多模态数据（文本、图像、视频）的统一处理，推动 GPU/国产加速卡的异构计算支持落地
• 精通 Java 或 C++，熟悉现代 C++ 特性（C++17/20），具备扎实的编程基础
• 深入理解计算引擎的执行模型、调度框架和状态管理，能进行复杂系统的架构设计
• 熟悉 Flink、Spark、Paimon 等流批一体及湖仓架构，有实际核心模块开发经验
• 了解 CUDA 编程或 GPU 异构计算开发，有算子优化或高性能计算经验更佳

申请策略

• 在投递前，了解腾讯云大数据产品（如 EMR、流计算等）和开源社区动态，面试时展示对业务和技术的理解
• 准备好一个你主导过的技术难题案例，从问题背景、方案选型、落地效果到思考总结，体现架构能力和攻坚精神
• 重点突出 Flink/Spark 内核优化经验，例如参与过的 task 调度优化、状态管理改进、checkpoint 性能提升等具体项目
• 强调 C++ 高性能编程实践，如向量化执行、SIMD 优化、内存管理优化等，最好有性能数据对比
• 如有 GPU 算子开发经验（CUDA/OpenCL），务必详细说明加速效果和应用场景
• 开源项目贡献（尤其是 Apache Flink/Spark 等）是极大加分项，应在简历中清晰列出
• 如果对 Flink 内核不熟悉，建议阅读 Flink 源码的调度、状态后端、checkpoint 等核心模块，理解其设计原理
• 学习现代 C++ 特性（C++17/20）和 CUDA 编程基础，能够编写简单的 GPU 算子

面试指南

• 结构化回答：先说明核心概念和原理，再结合具体项目经验讲述遇到的问题和优化方案，最后总结收益和思考
• 对比分析：当被问到多种技术选型时，从性能、一致性、复杂度等维度对比，展示决策能力
• 量化展示：优化效果尽量用数据说话，如吞吐提升 30%、延迟降低 50% 等，体现工程能力
• 请解释 Flink 的 checkpoint 机制，并说明如何优化 checkpoint 性能
• 如何设计一个支持流批一体的计算引擎？存储和计算层面需要考虑哪些因素？
• 在 C++ 中，如何进行向量化执行优化？举例说明
• 你是否有 GPU 算子开发的经历？如何优化一个简单的算子（如矩阵乘法）在 GPU 上的性能？
• 谈谈你对 Paimon（或者 Iceberg）湖仓架构的理解，以及它与传统数仓的区别