小红书
【2027校招】Java平台开发工程师
【2027校招】Java平台开发工程师
发布于 23 天前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Ai/大模型
Hdfs
Sql
数据平台
高可用架构
值不值得投
76综合评分
综合评分 76
技术驱动、成长性强的大数据+AI平台岗，发展性动机突出，但工作生活平衡信息缺失。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
2万
与后端开发中位数基本持平
发布情况
正常在招 · 22 天前发布
公司情况
这家公司招聘很活跃
约 1350 个在招 · 其中后端开发 26 个
市场机会
选择面较广
北京 · 后端开发 · 约 380 个在招
职位详情
关于这个职位
负责小红书数据平台的开发与维护，核心工作是推动AI能力与传统大数据技术栈的深度融合，实现AI驱动的全链路数据治理
同时负责平台的日常需求迭代、稳定性保障和问题排查
最低要求
本科及以上学历，计算机、软件工程等相关专业优先
熟练掌握Java编程语言，熟悉SQL及Hive优化
有高可用系统的设计经验和能力，具备高并发、海量数据的处理能力
深入理解Hadoop生态组件（HDFS/YARN/Hive/Spark/Flink等），有实际项目落地经验
对大模型有强烈的兴趣和好奇心，积极拥抱AI，有大模型的使用和调优经验优先
熟悉Linux环境及Shell脚本，具备任务调度系统开发经验
工作职责
推动AI能力与传统大数据技术栈融合，打通OpenClaw与数据开发平台、数据血缘、任务调度等系统的深度集成，实现AI驱动的全链路数据治理
负责平台日常需求迭代，稳定性保障和问题排查等工作，具体模块包括数据同步、任务开发、数据测试、数据发布、任务运维及调度系统
优先资格
对大模型有强烈的兴趣和好奇心，积极拥抱AI，有大模型的使用和调优经验优先
AI 洞察
优缺点分析
优点
- 技术栈前沿，能直接参与AI与大数据融合的创新项目，技术成长空间大
- 作为核心平台开发，能深入理解超大规模互联网公司的数据架构和业务逻辑
- 公司业务处于快速发展期，提供广阔的职业发展平台和资源
- 平台系统复杂度高，对高可用和稳定性要求严格，需要快速定位和解决问题的能力
- AI与大数据技术更新快，需要持续学习以保持技术竞争力
- 校招进入大平台，初期可能需要快速适应大规模协作流程和严格的技术规范
- 对大数据基础架构和AI应用有浓厚兴趣，乐于钻研底层技术，追求在复杂系统中解决实际问题的应届毕业生
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术深耕：从平台功能开发到负责核心系统架构设计，成为大数据或AI平台领域的技术专家
- 横向拓展：深入了解数据治理全链路，向数据架构师或AI工程化方向发展
- 纵向发展：带领小型技术团队，参与项目规划和团队管理，走向技术管理路线
- 负责设计和开发大数据处理平台的核心模块，确保海量数据的高效同步、处理和运维
- 推动人工智能技术与传统数据技术栈的深度融合，探索和实现AI驱动的数据治理新方案
- 参与平台的需求迭代与稳定性保障，解决线上复杂的技术问题
- 扎实的Java编程基础和面向对象设计能力，熟练掌握SQL和Hive等数据查询语言
- 深入理解Hadoop生态系统（如HDFS、YARN、Spark、Flink），具备处理高并发、海量数据的实际经验
- 对人工智能和大模型技术有浓厚兴趣，有相关使用或调优经验是重要加分项
- 熟悉Linux操作系统和Shell脚本，有任务调度系统（如Airflow, DolphinScheduler）开发或使用经验
申请策略
- 深入研究小红书的数据业务和开源项目（如OpenClaw），在面试中展现对业务的理解和热情
- 准备清晰讲解一个你参与过的数据或系统开发项目，突出自己的角色和技术难点
- 重点突出与Hadoop生态（HDFS/Spark/Flink）相关的课程项目、实习或个人项目经验
- 详细描述任何涉及高并发、海量数据处理或系统设计优化的实践经历
- 明确提及对AI/大模型的兴趣或相关实践（如参与过相关竞赛、阅读论文、个人项目等）
- 展示熟练的Java编程能力和对SQL、Linux/Shell的掌握程度
- 系统复习Hadoop生态组件原理和最佳实践，准备应对深度技术问题
- 学习或深化对一种任务调度系统（如DolphinScheduler）的理解
面试指南
- 对于技术原理问题，采用“是什么-为什么-怎么用”的结构，结合具体组件特性回答
- 对于系统设计问题，从需求分析、架构选型、高可用保障、监控运维等维度展开阐述
- 对于项目经验问题，使用STAR法则（情境-任务-行动-结果）清晰描述，并突出个人贡献和收获
- 对于动机规划问题，结合个人兴趣、技能积累和公司技术方向进行阐述
- 请介绍你对Hadoop生态中HDFS、YARN和Spark的理解，它们各自的核心职责是什么？
- 如何设计一个高可用的数据同步或任务调度系统？需要考虑哪些核心要素？
- 你对‘AI驱动的数据治理’这个概念是如何理解的？有哪方面的实践或思考？
- 请描述一个你遇到过最复杂的技术问题，你是如何分析和解决的？
职位点评
薪资福利78
成长发展90
工作生活50
使命价值75
薪资福利
78中等
作为校招岗位，薪资具有市场竞争力，能满足初期职业发展的经济需求，但具体福利未在JD中详细说明。
薪资信号市场水准 (1.5–2.5万/月)
成长发展
90较高
JD明确要求前沿的大数据和AI技能融合，为技术成长提供了明确方向和挑战，是核心发展优势。
技术前沿前沿/新兴技术
技术栈Java、Hadoop、HDFS、YARN、Hive、Spark、Flink、AI/大模型、Linux、Shell
业务类型ambiguous
工作生活
50较低
JD未提及任何工作模式（如远程/弹性）、WLB政策或加班情况，无法判断其对生活化动机的满足程度。
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
75中等
职位聚焦于通过技术赋能数据治理，提升平台效率，有明确的技术使命和价值创造，但社会价值层面未特别强调。
行业发展高速增长赛道
社会影响中性/一般
使命信号实现AI驱动的全链路数据治理
创新程度积极采用新技术
Watch Jobs