滴滴出行
27届秋招-引擎研发工程师（Spark）
27届秋招-引擎研发工程师（Spark）
发布于 大约 15 小时前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Sql优化
分布式系统
数据湖
值不值得投
74综合评分
综合评分 74
大厂校招技术岗，前沿技术栈，薪资可观，但工作强度可能较大。
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
25K
比数据工程中位数高
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 3370 个在招 · 其中数据工程 22 个
市场机会
选择面较广
北京 · 数据工程 · 72 个在招
职位详情
关于这个职位
作为滴滴出行CTO线的引擎研发工程师，你将参与开发和维护业界领先的PB级别批计算引擎，支持大规模数据湖仓建设、业务数据挖掘和特征工程等复杂场景
你将深入Spark内核，进行二次开发和性能优化，解决用户在作业效率、资源使用和稳定性方面的痛点，并开发自动化运维工具，保障集群稳定运行
这是一个面向2027届毕业生的校招岗位，适合对大数据技术有热情、具备扎实计算机基础的同学
最低要求
届毕业生，本科以上学历，计算机及其相关专业优先
至少掌握Java/Scala/C++编程语言的其中一种
计算机基础扎实，熟悉常见的算法和数据结构，对操作系统、分布式系统、数据库系统（如SQL执行原理、存储引擎、查询优化）等知识有一定了解
熟悉开源大数据生态，例如Spark、Flink、Hadoop、Hive等，了解Spark内核（DAG调度、Shuffle机制、内存管理、Catalyst优化器）者优先
有以下经历（一种或多种）优先考虑：曾在ACM/ICPC等竞赛获奖
有大数据计算引擎、分布式系统内核开发经验
有参加实习、暑研等实践经历
具备快速学习能力、沟通协调能力及团队精神，有较强的责任心和学习积极性
工作职责
负责开发和维护业界领先的PB级别批计算引擎，支持滴滴大规模数据湖仓建设、业务数据挖掘、特征工程等复杂场景需求
负责对接平台方和业务方相关计算任务需求，对开源Spark引擎进行二次开发，并在SQL优化器、执行引擎（Shuffle、内存管理、调度）、存储对接等方面持续挖掘性能瓶颈、进行专项优化
参与分析和解决用户在作业运行效率、资源使用、稳定性等场景下的痛点，提供SQL调优、资源配置、参数诊断等综合解决方案
开发计算引擎侧自动化运维、诊断与资源管控工具（如作业画像、资源治理、动态资源分配），配合监控告警系统，保障Spark集群日常稳定运行与资源高效利用
AI 洞察
优缺点分析
优点
- 滴滴作为大型互联网公司，平台大，数据规模大，能接触到真实复杂场景
- 校招岗位，有完善的培养体系，成长路径清晰
- 技术门槛高，需要扎实的计算机基础和分布式系统知识
- 工作强度可能较大，需要应对复杂的性能优化和稳定性保障任务
- 竞争激烈，校招岗位要求高，需要提前准备
缺点 / 挑战
- 参与业界领先的PB级计算引擎开发，技术挑战大，能快速提升技术能力
- 适合对大数据技术有浓厚兴趣，具备扎实计算机基础，喜欢挑战技术难题的应届毕业生
角色解读
- 从引擎研发工程师起步，逐步深入Spark内核，成为大数据计算引擎领域的专家
- 可向技术专家或技术管理方向发展，负责更复杂的系统架构设计和团队指导
- 在滴滴这样的大规模数据场景下，积累PB级数据处理经验，未来可跳槽至其他大厂或独角兽公司
- 负责开发和维护PB级别的批计算引擎，支撑滴滴大规模数据湖仓建设、数据挖掘和特征工程等场景
- 对开源Spark引擎进行二次开发，在SQL优化器、执行引擎（Shuffle、内存管理、调度）等方面进行性能优化
- 分析并解决用户在作业运行效率、资源使用和稳定性方面的痛点，提供SQL调优、资源配置等解决方案
- 开发计算引擎侧的自动化运维、诊断与资源管控工具，保障集群稳定运行
- 扎实的编程能力，至少掌握Java、Scala或C++中的一种
- 计算机基础扎实，熟悉算法、数据结构、操作系统、分布式系统和数据库原理
- 熟悉开源大数据生态，如Spark、Flink、Hadoop、Hive，了解Spark内核者优先
- 具备快速学习能力、沟通协调能力和团队合作精神
申请策略
- 关注滴滴的技术博客和招聘宣讲，了解技术方向
- 准备项目介绍，重点说明在分布式或大数据方面的实践
- 突出编程能力，特别是Java/Scala/C++的项目经验
- 强调对Spark、Hadoop等大数据框架的理解，如有相关项目或实习经历更佳
- 展示算法和数据结构基础，如ACM竞赛获奖经历
- 体现分布式系统或数据库相关的课程项目或研究
- 深入学习Spark内核，如DAG调度、Shuffle机制、Catalyst优化器
- 熟悉SQL执行原理和查询优化，可以阅读数据库系统相关书籍
面试指南
- 对于原理性问题，先阐述基本概念，再结合具体场景说明应用
- 对于优化问题，可以按照问题定位、分析瓶颈、提出方案、验证效果的思路回答
- 对于项目经历，采用STAR法则，突出个人贡献和结果
- 请解释Spark的DAG调度机制
- Spark Shuffle的原理和优化方法有哪些？
- 如何优化一个慢SQL？
- 描述一次你解决分布式系统问题的经历
- 你对Spark内存管理有什么理解？
职位点评
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
薪资水平较高，福利待遇好，但JD未明确具体薪资和福利，需面试确认。
薪资信号未披露（AI估算：20K-30K/月）
成长发展
90较高
技术前沿，涉及Spark内核开发，成长空间大，符合校招生的职业发展需求。
技术前沿前沿/新兴技术
技术栈Spark、Flink、Hadoop、Hive、分布式系统
业务类型ambiguous
工作生活
50较低
工作地点在北京，现场办公，JD未提及WLB，互联网公司普遍强度较大。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
滴滴出行作为大型互联网公司，业务规模大，技术影响力强，但社会价值中性。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs