AI 原生多模数据库管控研发工程师

优缺点分析

角色解读

• 在云原生与数据库管控领域深耕，成为技术专家，主导核心架构设计与演进
• 向技术管理方向发展，带领团队负责整个管控平台的产品化与商业化落地
• 横向拓展至 AI 基础设施、大数据平台等相邻领域，成为跨领域的架构师
• 负责云原生管控架构的设计与实现，包括集群一键部署、弹性扩缩容、备份恢复等全生命周期自动化运维
• 设计高效的分布式集群资源调度算法，支持多模集群的高密度部署与动态负载均衡，并实现多租户隔离
• 研发支持AI计算集群与大数据分析引擎协同调度的分布式管控机制，支撑混合负载下的高可用与弹性伸缩
• 构建针对向量及多模态数据负载的监控体系，实现指标采集、慢查询分析与故障自愈，推动公有云商业化落地
• 精通 Go 或 Java，熟悉 Python，深入理解 Go 并发模型与性能优化
• 精通 Kubernetes 生态，具备 CRD/Operator 深度开发经验
• 熟悉 Prometheus、Grafana、OpenTelemetry 等监控体系，以及 OpenSearch/ES 或 Hadoop/Spark/Flink 等大数据平台
• 具备大规模分布式系统、数据库/搜索引擎或大数据平台管控组件的研发经验

申请策略

• 在简历中突出与岗位职责高度相关的项目，并准备详细的技术方案与架构图
• 了解腾讯云数据库、大数据产品线，思考如何将自身经验与业务结合
• 突出在Kubernetes/Operator、分布式系统或大数据平台管控方面的项目经验，量化成果
• 强调Go语言并发编程、性能优化方面的实践，以及参与过的架构设计
• 展示对监控体系（Prometheus等）和分布式中间件的深入理解，以及解决复杂问题的能力
• 系统复习Kubernetes Operator开发模式，并动手实践一个CRD的编写
• 深入了解OpenSearch或ES的集群架构与运维，以及大数据平台（如Flink）的管控逻辑
• 关注腾讯云在云原生与AI基础设施方面的最新动态，了解其技术栈与产品方向

面试指南

• 采用STAR法则（情境、任务、行动、结果）回答项目经验类问题，突出个人贡献与最终成效
• 对于系统设计类问题，先明确需求与约束，再给出架构方案，并分析其优缺点与权衡
• 结合具体案例，展示你如何通过技术手段解决业务问题，并体现你的架构思维
• 请详细描述你过去设计或维护的Kubernetes Operator，包括其架构、难点与解决方案
• 如何设计一个支持多租户隔离的分布式集群资源调度算法？
• 在构建大规模集群监控体系时，如何实现指标采集、慢查询分析与故障自愈？
• 请谈谈你对OpenSearch或ES集群管控的运维经验，以及如何实现高可用与弹性伸缩
• 如何理解云原生架构在AI与大数据混合部署场景下的挑战？