大数据计算引擎研发工程师(OLAP方向)-后台开发工程师

优缺点分析

角色解读

• 向大数据底层架构师方向发展，成为OLAP引擎内核领域的技术专家
• 结合AI技术向Data+AI智能运维专家转型，引领数据平台智能化演进
• 向技术管理或大客户解决方案专家转型，负责整体技术架构与业务落地
• 负责分布式OLAP引擎查询执行模块的设计与开发，持续优化查询性能与准确性
• 为客户提供数据仓库技术支持与解决方案，处理复杂查询调优与数据建模指导
• 结合LLM/AI Agent技术开发智能调优工具，提升数据平台的自动化运维与诊断效率
• 精通C++或Java，深入理解MPP架构与分布式系统底层原理
• 熟悉StarRocks/ClickHouse/Doris等主流OLAP引擎，掌握查询优化器、执行引擎或存储引擎技术
• 具备复杂查询调优、性能瓶颈定位能力，以及良好的客户沟通与故障应急处理能力

申请策略

• 准备关于分布式系统一致性、查询优化器原理的深度技术思考，展现架构思维
• 了解腾讯在大数据和AI结合方面的最新产品动态（如腾讯云数据仓库），体现业务契合度
• 突出C++/Java在分布式系统或数据库内核的实际项目经验，强调底层技术深度
• 详细列出对StarRocks/ClickHouse等引擎的源码级贡献或深度使用经验
• 展示复杂查询调优和性能瓶颈定位的具体案例，用数据说明优化效果
• 深入学习MPP架构、向量化执行和列式存储原理，夯实数据库内核基础
• 了解LLM在数据库诊断和SQL调优中的最新应用（如Text-to-SQL、智能诊断Agent）

面试指南

• 采用STAR法则描述项目经验，突出个人在底层优化中的具体贡献与量化收益
• 对于技术对比，从架构设计、适用场景、底层实现（如向量化执行、索引机制）等维度系统展开
• 对于排查问题，遵循“监控告警->慢查询日志->执行计划分析->资源瓶颈定位”的系统性思路
• 请详细描述你在MPP架构或分布式查询执行模块中解决过的最复杂的性能瓶颈问题
• 对比StarRocks和ClickHouse在查询优化器或存储引擎设计上的核心差异
• 如果客户反馈一个复杂SQL查询极慢，你的排查思路和调优步骤是什么？
• 你如何看待LLM/AI Agent在数据库运维和SQL调优中的应用？有什么落地思路？
• 复习数据库内核原理、分布式系统理论（如CAP、Paxos/Raft）及主流OLAP引擎源码