微信视频号-数据Infra高级工程师-(广州/北京)

优缺点分析

角色解读

• 在数据技术方向深耕，成为大数据架构师或技术专家
• 深入理解推荐和LLM业务场景，向数据科学或算法工程方向拓展
• 在腾讯内部获得丰富的技术挑战和晋升机会，可向技术管理或架构师方向发展
• 负责微信视频号推荐业务的核心数据链路，包括样本、特征和指标的处理，确保超大规模实时和离线数据的稳定支撑
• 优化Flink框架、开发算子，提升数据处理的性能和通用性，构建高效可靠的数据基础建设
• 设计和实现LLM数据基建，为大规模模型训练提供灵活、稳定的数据集
• 参与湖仓建设，跟踪并引入新技术解决实际业务问题
• 精通Flink和Spark，具备扎实的大数据工程实践经验
• 熟悉数据湖仓技术（如Iceberg、Paimon），了解其原理及工业实践
• 具备推荐系统或LLM相关业务背景尤佳，能理解业务需求并转化为数据方案
• 具备良好的系统设计能力和性能优化意识

申请策略

• 提前了解微信视频号业务模式和技术架构，思考数据挑战
• 准备真实项目案例，突出解决复杂数据问题的思路
• 关注面试中可能涉及的系统设计题，如大数据链路优化
• 突出Flink/Spark的实战项目经验，特别是数据量级和性能优化成果
• 展示数据湖仓（Iceberg/Paimon）或LLM数据链路的实践案例
• 强调对推荐系统数据架构的理解，量化数据处理性能提升指标
• 如有开源贡献或技术博客，可增强技术深度印象
• 深入学习Flink和Spark源码，理解核心机制，补齐原理级知识

面试指南

• 先阐述问题的背景和挑战，再说明你的方案设计、关键决策和实现细节，最后给出性能收益或业务效果
• 对比技术选型时，从数据规模、实时性、状态管理、生态等方面分析利弊，结合具体业务场景给出结论
• 设计系统时，明确核心模块和交互流程，提到容错、扩展性和优化策略
• 描述一次你使用Flink处理大规模实时数据的项目，如何优化性能？
• Spark与Flink的选型考虑？在什么场景下你会选择哪个？
• 如何设计一个样本数据链路支撑LLM训练？
• Iceberg和Paimon的底层原理及适用场景是什么？
• 如何保证超大规模离线数据链路的稳定性和数据质量？