存储&湖仓高级研发工程师

优缺点分析

角色解读

• 技术方向：深耕AI数据基础设施领域，成为行业专家或首席架构师
• 管理方向：从团队负责人晋升为部门技术总监，负责更大范围的平台建设
• 跨领域发展：深入理解自动驾驶业务，转向算法或全栈AI系统架构
• 规划设计PB~EB级多模态AI数据基础设施的架构，支撑智能驾驶模型训练
• 建设数据供应链、数据闭环（Data Loop），提升数据生产与迭代效率
• 带领湖仓研发团队，负责关键技术决策、项目管理和跨部门协作
• 持续跟踪Lakehouse等前沿技术并推动落地
• 精通分布式系统架构设计，具备大规模数据平台工程落地能力
• 熟练掌握Spark、Flink、Trino等计算引擎及Iceberg/Paimon/Hudi等湖仓技术
• 熟悉对象存储、元数据管理、Catalog及数据治理体系
• 年以上数据开发经验，至少2年技术负责人或系统设计经验

申请策略

• 投递前了解地平线智能驾驶业务和AI基础设施的现状，展示对该领域的兴趣和见解
• 面试时可以准备一个你主导过的数据平台架构案例，突出技术决策和业务价值
• 重点突出5年以上数据平台相关经验，尤其是系统设计和技术负责人的经历
• 详述参与过的大规模分布式系统架构项目，强调在数据湖、数据仓库或AI数据基础设施方面的成果
• 展示对Lakehouse技术栈（如Iceberg、Spark、Flink）的深入理解和实际应用案例
• 列出带领团队或技术决策的经历，体现领导力和项目管理能力
• 补充或加深对Iceberg/Paimon/Hudi等湖仓技术的理解，最好有源码级认知
• 熟悉AI数据生产流程，了解自动驾驶数据闭环和Data Loop概念

面试指南

• 采用STAR法则（情境-任务-行动-结果）来组织项目经历，突出你的角色和贡献
• 技术问题先阐述原理，再结合实际场景说明选型和权衡，最后总结效果
• 管理问题强调目标拆解、过程管控和团队成长，举例说明处理过的冲突或挑战
• 请描述你设计过的一个大规模分布式数据系统，其中你如何保证高可用和扩展性？
• 在AI数据基础设施中，如何实现数据闭环（Data Loop）？你有哪些经验？
• 谈谈你对Lakehouse架构的理解，以及Iceberg与Hudi的优缺点
• 如何管理技术团队，包括目标制定、项目推进和人才培养？
• 面对PB级多模态数据，你会如何规划存储和计算方案？