阿里巴巴
阿里云智能-大数据研发专家-引擎
阿里云智能-大数据研发专家-引擎
发布于 22 小时前普通员工/个人贡献者
全职员工仅现场办公大数据
大数据
Ai For Db
Cpu Cache
Olap引擎
Simd
分布式系统
向量化执行
性能优化
数据库内核
值不值得投
79综合评分
综合评分 79
阿里云核心引擎研发岗，技术挑战极高、成长性强，但工作强度与WLB信息不明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
5万
比大数据中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 2790 个在招
市场机会
选择不多
杭州 · 大数据 · 6 个在招
职位详情
关于这个职位
这是阿里云智能大数据团队的核心技术专家岗位，专注于自研OLAP分析引擎的研发
工作内容涵盖引擎核心架构设计、性能优化（特别是面向x86、ARM及国产芯片的底层优化）、以及探索将AI技术应用于引擎研发与运维，旨在打造高性能、智能化的数据分析基础设施
最低要求
本科及以上学历，计算机科学、软件工程、电子信息等相关专业，5 年以上大数据、数据库、分布式系统或高性能计算相关领域研发经验
精通 C++、Java、Rust 中至少一门编程语言，具备扎实的工程能力和高性能系统开发经验
熟悉内存管理、并发编程、锁优化、CPU Cache、SIMD 指令集、NUMA 等底层优化技术者优先
熟悉 OLAP 引擎核心原理，具备分布式系统设计、研发和性能优化经验
有数据库内核开发经验者优先，包括但不限于查询优化器、执行引擎、存储引擎、向量化执行、列式存储、索引加速等方向
具备良好的性能分析、问题定位和技术方案设计能力，能够基于 Profiling、Benchmark、执行计划、系统指标等手段，独立分析复杂问题，并结合业务场景抽象通用技术能力，支撑业务发展
具备良好的沟通协作能力、学习能力和技术前瞻性，能够推动跨团队协同并拿到结果
熟练使用 AI 编程工具提升研发效率，理解大模型、Prompt Engineering、RAG、Tool Calling、AI Agent 等基本原理，有 AI Agent 工程化落地、研发提效平台或智能诊断工具建设经验者优先
工作职责
负责自研 OLAP 引擎的核心架构设计、研发与性能优化，覆盖查询优化器、执行引擎、存储引擎等关键模块
结合不同芯片架构与硬件特性，开展向量化执行、CPU 指令集、SIMD、内存访问、并发模型、NUMA、I/O 路径等底层优化，保障引擎在 x86、ARM 及国产化芯片环境下的高性能、稳定运行
面向 TPC-H、TPC-DS、SSB、ClickBench 等行业标准基准测试，持续建设性能评测与优化体系，推动引擎在复杂查询、吞吐能力、资源效率等方面保持业界领先水平
深入理解用户核心业务场景，抽象可复用的引擎能力，持续提升系统的通用性、稳定性与性能表现，打造相较主流开源 OLAP 产品的差异化竞争力
探索 AI 在数据引擎研发与运行时优化中的落地场景，包括研发提效、Benchmark 分析、性能问题定位、执行计划诊断、Workload / Query Pattern 识别、智能调度、资源预测、参数调优等方向，推动引擎从经验驱动优化向智能化、自适应优化演进
跟踪数据库、OLAP、云原生数据分析、AI for DB / AI for Engine 等领域的前沿技术，探索查询优化、向量化执行、存储格式、索引加速、资源调度与智能优化等方向的演进机会，持续提升产品技术竞争力
优先资格
有数据库内核开发经验者优先
有 AI Agent 工程化落地、研发提效平台或智能诊断工具建设经验者优先
AI 洞察
优缺点分析
优点
- 平台影响力大，所做工作直接服务于海量企业客户，技术成果可见度高
- 前沿领域，探索AI与基础软件融合，有较强的创新空间和技术成长性
- 背靠头部云厂商的资源与数据规模，能接触到最复杂的实际业务场景
- 对技术深度和广度要求极高，需要同时掌握底层系统、分布式计算和AI知识，学习曲线陡峭
- 跨团队协同频繁，需要较强的技术影响力和沟通能力以推动复杂项目落地
缺点 / 挑战
- 深度参与自研核心引擎，技术挑战高，能快速积累底层系统与高性能计算领域的顶尖经验
- 引擎研发工作抽象，需长时间专注，且对性能和稳定性的要求带来持续压力
- 追求技术深度、热衷挑战性能极限、对数据库和分布式系统有浓厚兴趣，并具备扎实工程功底的资深系统软件工程师
角色解读
- 技术专家路径：在数据库内核、云原生数据引擎领域成为顶尖专家，主导架构演进
- 架构师路径：负责更广泛的数据平台或云产品的整体技术架构设计
- 技术管理路径：带领团队攻克大型技术项目，承担技术规划与团队培养职责
- 设计和实现自研OLAP查询引擎的核心模块，如优化器和执行引擎，并进行底层性能优化
- 负责引擎在多种CPU架构（x86, ARM, 国产芯片）下的高性能适配与调优
- 探索将人工智能技术应用于引擎的运维、诊断和自适应优化，提升智能化水平
- 参与行业基准测试（如TPC-H），推动引擎性能保持业界领先
- 精通C++/Java/Rust等系统级语言，具备高性能系统开发实战经验
- 深入理解分布式系统与数据库内核原理，特别是OLAP引擎架构与优化
- 熟练掌握CPU架构、并发编程、内存模型等底层优化技术
- 具备强大的性能分析与复杂问题定位能力，并对AI在基础软件中的应用有认知
申请策略
- 研究阿里云AnalyticDB或类似产品的公开技术博客和论文，了解其技术栈与挑战
- 在简历和面试中，强调你解决复杂技术问题的系统性方法和逻辑思维能力
- 突出在C++/Rust等语言上的高性能项目经验，量化优化成果（如性能提升百分比）
- 详细描述在分布式系统、数据库内核或OLAP引擎方面的具体工作与贡献
- 提供与SIMD、NUMA、锁优化等底层优化相关的项目案例
- 如有任何AI应用实践或对AI for DB的思考，务必清晰呈现
- 系统复习计算机体系结构（CPU缓存、指令集）和操作系统（并发、内存管理）知识
- 深入研读主流OLAP引擎（如ClickHouse, Apache Doris）的源码或架构文档
面试指南
- 采用STAR法则（情境、任务、行动、结果）结构化讲述项目经验，重点突出技术决策与量化收益
- 对于系统设计问题，先厘清核心需求与约束（如数据规模、延迟要求），再分模块阐述架构选型和关键技术点
- 对于AI应用问题，结合实际场景提出具体、可执行的切入点（如智能索引推荐、执行计划异常检测），避免空谈概念
- 所有回答都应体现深度技术思考、扎实的工程实践能力以及解决开放性问题的潜力
- 请描述一个你过去解决过的最复杂的性能问题，你是如何定位和解决的？
- 如何设计一个支持高并发、低延迟的分布式查询执行引擎？请阐述核心思路
- 谈谈你对向量化执行的理解，它相比传统火山模型有什么优势？实现难点在哪里？
- 如果让你探索AI在OLAP引擎优化中的应用，你会从哪些具体方向入手？
职位点评
薪资福利80
成长发展95
工作生活50
使命价值85
薪资福利
80较高
该职位是头部科技公司的核心研发岗，薪资福利在市场中具有竞争力，能够提供较好的经济保障。
薪资信号面议 (3.5千–6.5万/月)
福利待遇五险一金、年终奖
成长发展
95较高
职位涉及数据库内核、高性能计算、AI for DB等多个前沿领域，技术挑战和成长空间极大，能提供顶尖的技术积累。
技术前沿前沿/新兴技术
技术栈OLAP引擎、C++、分布式系统、向量化执行、AI for DB、SIMD、NUMA
业务类型profit_center
工作生活
50较低
JD未明确提及办公模式或工作生活平衡相关信息，工作地点为一线城市，实际体验可能因团队和项目阶段而异。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
致力于构建高性能数据分析基础设施，赋能企业数字化与智能化，具有明确的技术价值和社会影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号保障引擎在...环境下的高性能、稳定运行、保持业界领先水平、持续提升产品技术竞争力
创新程度积极采用新技术
Watch Jobs