平台研发-数据开发工程师

优缺点分析

角色解读

• 从数据工程师向数据架构师或技术专家发展
• 深入实时计算、湖仓一体等前沿方向，成为领域专家
• 可转向数据产品、数据分析或技术管理岗位
• 参与公司级数据仓库设计与研发，负责离线与实时数据管道的搭建和维护
• 使用Hadoop、Spark、Flink等处理海量游戏业务数据，进行清洗、转换、建模与性能优化
• 协同产品、运营团队，提供数据提取、指标开发、报表落地等数据服务
• 探索湖仓一体、实时计算、AI Infra等前沿技术并落地
• 熟练掌握Java/Python/Scala/SQL至少一门语言，具备扎实的编码功底
• 熟悉Hadoop生态，掌握Hive、Spark、Flink、Kafka等至少一种引擎的原理与实战
• 了解数据仓库理论，熟悉维度建模、星型模型、雪花模型
• 了解ClickHouse、Doris、StarRocks等OLAP引擎者优先

申请策略

• 提前了解米哈游的游戏产品和数据应用场景
• 准备一个能体现数据敏感度和业务理解的项目案例
• 突出数仓搭建、数据管道开发等项目的实际成果
• 强调编程能力、数据结构与算法基础
• 如有实习经历，具体说明数据处理流程与优化效果
• 展示对Hadoop/Spark/Flink等技术的掌握程度
• 系统复习Hadoop生态组件核心原理，动手实践
• 学习数据仓库建模方法，理解维度建模

面试指南

• 技术问题采用STAR法则，结合项目经验，从背景、任务、行动、结果展开
• 原理类问题从基础概念讲起，由浅入深，并联系实际应用场景
• 请描述一个你使用Spark处理数据的项目，如何设计？
• 星型模型和雪花模型有什么区别？
• 如何保证数据仓库中的数据一致性？
• Flink的Exactly-Once语义是如何实现的？
• 如何优化一个慢查询的Hive SQL？
• 复习Hadoop、Spark、Flink的关键特性与分布式计算原理