DiDi logo
滴滴出行
OLAP 引擎研发工程师

OLAP 引擎研发工程师

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 3.5–6.5万 · AI 参考估算
中级经验
学历未注明
全职员工仅现场办公数据库管理
数据库管理
Olap
Starrocks
分布式系统
列式存储
多租户隔离
查询优化
湖仓一体

值不值得投

73综合评分

综合评分 73

核心技术平台岗,技术成长强,办公与生活平衡信息不明确

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

5.0万

比数据库管理中位数高

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 2400 个在招 · 其中数据库管理 2 个

市场机会

选择适中

北京 · 数据库管理 · 27 个在招

职位详情

关于这个职位

该职位负责公司级 OLAP 引擎核心模块研发,围绕 StarRocks、Druid 等技术建设实时分析、交互式查询和多维分析能力

你将深入数据摄入、列式存储、索引、预聚合、缓存、湖仓一体查询和大规模集群资源管理等关键链路,提升系统性能、稳定性与生产落地效果

最低要求

熟练掌握 Java 或 C++,具备扎实的数据结构、算法、多线程编程和内存管理基础,能够阅读、理解并修改复杂系统源码

熟悉主流查询引擎的架构与运行机制,对查询优化、执行引擎、存储索引、数据摄入或分布式调度中的至少一个方向有深入理解,具备相关研发或深度性能优化经验
具备扎实的数据库与分布式系统基础,理解 SQL 执行、列式存储、数据分区、并行计算、副本管理及故障恢复等机制,能够分析系统性能与稳定性问题
具备独立定位复杂问题的能力,能够结合查询执行计划、运行指标、日志和性能分析工具,完成问题复现、根因分析、方案实现与效果验证
具备良好的工程质量意识、沟通协作能力和主动学习能力,能够结合业务需求进行技术取舍并推动方案落地

工作职责

负责公司级 OLAP 引擎的核心模块设计、研发与持续演进,围绕 StarRocks、Druid 等技术,支撑大规模数据下的实时分析、交互式查询和多维分析场景

优化数据摄入、列式存储、索引、预聚合与缓存等关键链路,解决数据实时性、查询延迟和读写资源竞争等问题,提升系统稳定性与处理效率
参与数据湖仓一体查询能力建设,推进 OLAP 引擎与数据湖表格式、元数据服务及存储系统的集成,围绕元数据访问、数据裁剪、计算下推及缓存加速等方向,提升湖上查询性能
参与大规模集群下的资源管理、多租户隔离、混合负载管理与弹性伸缩能力建设,完善性能评测、问题诊断及回归验证机制,推动优化成果在生产环境落地

AI 洞察

优缺点分析

优点

  • 岗位处于数据平台核心链路,能积累 OLAP 引擎、湖仓一体和大规模分布式系统的源码级研发经验
  • 技术栈围绕 StarRocks、Druid、列式存储、查询优化等方向,专业壁垒高,成长价值明显
  • 工作内容覆盖性能优化、稳定性治理和生产落地,容易形成可量化、可沉淀的技术成果
  • 数据平台事业部场景复杂,有助于提升跨团队协作和大规模系统治理能力
  • OLAP 引擎涉及源码、执行计划、存储索引和分布式调度,技术深度要求高,上手周期较长
  • 适合具备 Java/C++ 系统研发经验、对数据库内核或分布式查询引擎有浓厚兴趣,并愿意长期深耕数据基础设施的工程师

缺点 / 挑战

  • 需要同时兼顾实时性、查询延迟、资源竞争和系统稳定性,问题定位与权衡复杂度较高
  • 优化成果需要在生产环境落地,对工程质量、回归验证和风险评估要求较高

角色解读

  • 短期可成长为 OLAP 引擎核心模块负责人,深入查询优化、存储引擎或分布式调度等方向
  • 中期可向数据平台架构师、湖仓一体查询技术负责人或大规模集群性能优化专家发展
  • 长期可拓展到数据基础设施技术管理、平台架构治理或公司级数据计算体系建设
  • 负责 OLAP 引擎核心模块的设计、研发和持续演进,重点围绕 StarRocks、Druid 等系统支撑实时分析和交互式查询场景
  • 优化数据摄入、列式存储、索引、预聚合和缓存等关键链路,降低查询延迟并提升系统稳定性
  • 参与湖仓一体查询能力建设,推动 OLAP 引擎与湖表格式、元数据服务、存储系统集成,提升湖上查询性能
  • 建设大规模集群下的资源管理、多租户隔离、混合负载和弹性伸缩能力,并通过评测、诊断和回归验证推动优化落地
  • 需要熟练掌握 Java 或 C++,并具备扎实的数据结构、算法、多线程和内存管理基础,能够修改复杂系统源码
  • 需要理解主流查询引擎架构,至少深入掌握查询优化、执行引擎、存储索引、数据摄入或分布式调度中的一个方向
  • 需要具备数据库与分布式系统基础,熟悉 SQL 执行、列式存储、分区、并行计算、副本管理和故障恢复等机制
  • 需要具备复杂问题定位能力,能结合执行计划、指标、日志和性能分析工具完成根因分析与效果验证

申请策略

  • 面试前梳理滴滴数据平台业务场景,重点理解实时分析、交互式查询和多维分析对引擎能力的要求
  • 准备一个完整的复杂问题定位案例,按照现象、指标、假设、验证、方案、收益的结构表达
  • 突出参与过的查询引擎、数据库内核、OLAP 系统或大规模数据平台项目,说明负责的模块和最终效果
  • 量化展示性能优化成果,如查询延迟下降、摄入吞吐提升、资源成本降低或稳定性指标改善
  • 强调 Java/C++、多线程、内存管理、源码阅读与修改能力,最好能体现复杂系统调试经验
  • 补充 SQL 执行、列式存储、索引、预聚合、缓存、分布式调度、故障恢复等相关经历
  • 提前复习 StarRocks、Druid 或类似 OLAP 引擎的架构,重点理解查询优化、执行引擎和存储索引机制
  • 加强性能分析能力,熟悉执行计划、火焰图、系统指标、日志分析和瓶颈定位方法

面试指南

  • 项目类问题采用“背景—目标—架构—我的职责—关键难点—解决方案—量化收益—复盘”的结构回答
  • 性能类问题采用“现象定义—指标收集—瓶颈定位—假设验证—方案实施—回归验证—监控沉淀”的框架展开
  • 架构类问题先明确业务约束,再从查询性能、资源隔离、稳定性、扩展性和工程成本几个维度做技术取舍
  • 请介绍你参与过的一个 OLAP 或查询引擎项目,你负责哪些核心模块,最终取得了什么优化效果?
  • 如何定位一个查询延迟突然升高的问题?你会从执行计划、指标、日志和资源竞争哪些角度分析?
  • 请解释列式存储、预聚合和索引在 OLAP 查询加速中的作用,以及各自的适用边界
  • 在大规模集群中,如何设计多租户隔离和混合负载管理,避免不同业务互相影响?
  • 湖仓一体查询中,元数据访问、数据裁剪、计算下推和缓存加速分别可能遇到哪些问题?

职位点评

薪资福利78
成长发展88
工作生活48
使命价值70

薪资福利

78中等

JD 未披露薪资和福利信息,但岗位属于高门槛的系统研发方向,通常对具备源码优化和分布式系统经验的工程师有较好吸引力。稳定性与福利信息不足,需面试中进一步确认。

薪资信号未披露(AI估算:3.5千–6.5万/月)

成长发展

88较高

岗位明确涉及 OLAP 引擎核心模块、湖仓一体查询、查询优化、列式存储、缓存加速和大规模集群治理,技术深度和成长空间突出。JD 未提及明确晋升或培训机制,发展性主要来自技术挑战本身。

技术前沿主流现代技术
技术栈OLAP、StarRocks、Druid、Java、C++、列式存储、索引、预聚合、缓存、数据湖仓一体、元数据服务、计算下推、多租户隔离、混合负载管理、弹性伸缩
业务类型ambiguous

工作生活

48较低

JD 仅明确地点为北京市,未说明远程、弹性办公、双休或加班情况,因此生活化动机满足程度难以判断。具体办公模式和团队节奏需要在投递或面试时确认。

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

70中等

岗位服务于公司级数据平台,支撑实时分析、交互式查询和多维分析场景,对提升数据基础设施能力有明确价值。JD 未直接描述社会使命或行业价值导向,意义感更多来自技术平台建设。

行业发展新兴领域(暂难判断)
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs