大数据计算平台 资深工程师（计算中间件）

优缺点分析

角色解读

• 从资深工程师向技术专家或架构师发展，主导大数据平台整体架构演进
• 横向扩展至更多引擎和异构计算领域，成为计算中间件方向的核心技术带头人
• 未来可转向技术管理岗位，带领团队负责基础设施平台建设
• 负责大数据计算平台中间件建设，引入并改造 Linkis、Kyuubi 等组件，构建统一计算入口，解耦上层业务与底层引擎
• 建设智能路由能力，通过 SQL 指纹和执行画像优化引擎选择，实现用户透明访问
• 推进高可用、容灾和灰度发布体系，支持多云多集群场景下的稳定运行
• 构建全链路可观测性和成本归因体系，持续优化引擎复用率和查询性能
• 熟悉 Linkis 或 Kyuubi 的生产落地与二次开发，了解其架构和扩展机制
• 深入理解 Spark、Flink 或 Trino 至少一种引擎的内核与作业提交机制，具备源码级排查能力
• 有多云或跨机房平台建设经验，熟悉高可用、容灾、灰度设计
• 具备优秀的系统设计能力和 Linux/分布式系统基础

申请策略

• 提前了解地平线在AI基础设施方面的布局，明确你的经验如何支撑其业务方向
• 在简历中量化你带来的性能提升、稳定性改进或成本降低效果
• 重点突出 Linkis 或 Kyuubi 的二次开发或生产落地项目，描述具体改造点和效果
• 列出 Spark/Flink/Trino 的源码级排查案例，展现问题定位和优化能力
• 强调多云/跨机房部署经验，以及高可用、容灾、灰度方案的设计与落地
• 系统梳理 Spark/Flink 的作业提交和调度机制，理解其内核设计
• 学习 Trino 的分布式查询引擎原理，分析其与 Spark、Flink 的差异
• 了解云原生和容器化技术（如 Kubernetes）与大数据平台的结合

面试指南

• 对于系统设计题，采用「需求分析-架构设计-核心机制-落地验证」的框架，先明确目标，再画出分层架构，最后说明关键细节
• 对于技术深度题，从「问题现象-根因分析-解决方案-效果衡量」四步阐述，展示你对引擎内核的理解
• 对于经验类问题，使用STAR法则（情境-任务-行动-结果）组织回答，突出你的个人贡献和量化成果
• 请介绍你在 Linkis 或 Kyuubi 二次开发中的具体工作，遇到的最大挑战是什么？
• 如何设计一个统一计算入口，实现用户无感知的引擎路由？
• 在多云场景下，如何保障集群的高可用和容灾？
• 如何排查一个 Spark 作业提交失败的问题？请描述你的思路
• 如何建设全链路可观测体系？你如何设计指标和日志拉取？