长鑫存储
高级后端开发工程师-Senior Backend Development Engineer(J17502)
高级后端开发工程师-Senior Backend Development Engineer(J17502)
发布于 大约 1 小时前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Mybatis
Onnx Runtime
Rabbitmq
Spring Cloud
Tensorflow Serving
值不值得投
74综合评分
综合评分 74
存储大厂、技术前沿、薪资有竞争力，但为现场办公且工作强度未明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
35K
比后端开发中位数高
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 1530 个在招 · 其中后端开发 11 个
市场机会
选择适中
合肥 · 后端开发 · 13 个在招
职位详情
关于这个职位
作为高级后端开发工程师，你将基于Spring Boot/Spring Cloud构建高性能微服务架构，优化分布式系统稳定性，并参与深度学习/机器学习系统的服务化部署
与产品、算法团队紧密合作，推动技术方案落地，是兼具后端工程与算法工程化能力的核心角色
最低要求
本科及以上学历，8年以上后端开发经验，有大型分布式系统架构设计经验
精通 Java 生态（Spring Boot、Spring Cloud、MyBatis），熟悉微服务治理（熔断、限流、服务发现等）
熟练使用 Python，有 Django/Flask/FastAPI 开发经验优先
熟悉 MySQL/PostgreSQL、Redis、Kafka/RabbitMQ 等中间件
具备高并发系统设计经验（如分库分表、读写分离、分布式缓存）
熟悉云原生技术（Docker、Kubernetes）及 DevOps 流程
强烈的技术Owner意识，能主动推动技术方案落地
出色的问题解决能力，能快速定位复杂系统问题
良好的沟通能力，能与业务、算法团队高效协作
工作职责
基于 Spring Boot/Spring Cloud 构建高性能、可扩展的微服务架构
设计并优化高可用的分布式系统，保障系统稳定性和性能
参与技术选型，推动架构演进，提升系统可维护性和开发效率
深入理解业务需求，与产品、算法团队紧密协作，提供技术驱动的解决方案
主导复杂业务场景的架构设计，确保技术方案与业务目标高度契合
参与深度学习/机器学习系统的设计和开发，熟悉算法模型的服务化部署（如TensorFlow Serving、ONNX Runtime等）
优化算法与业务系统的集成流程，提升推理性能与资源利用率
探索算法工程化最佳实践，如模型版本管理、AB测试、在线推理优化等
优先资格
参与过深度学习/机器学习系统的开发，了解模型训练、推理服务化（如 TensorFlow/PyTorch 模型部署）
熟悉算法工程化工具链（如 MLflow、Kubeflow、Airflow）
对模型性能优化（如量化、剪枝、GPU加速）有实践经验者优先
AI 洞察
优缺点分析
优点
- 长鑫存储是国内存储芯片龙头，国产替代背景下公司前景广阔，平台稳定性高
- 合肥生活成本相对一线城市低，薪资竞争力强，性价比高
- 年以上经验要求高，需要精通 Java 和 Python 双语言，且对算法部署有理解，技术栈较广
- 制造业信息化环境可能相对传统，需要适应内部流程
- 合肥的互联网氛围和一线大厂相比略有差距，技术交流圈较小
缺点 / 挑战
- 岗位同时涉及后端架构与算法工程化，技术挑战大，能快速积累分布式系统和 AI 部署经验
- 适合具备 8 年以上后端经验，对 AI 工程化感兴趣、希望深耕存储行业，追求稳定且有技术挑战的候选人
角色解读
- 可向资深架构师方向深入，主导核心系统架构设计与技术演进
- 可结合算法工程化经验，转型为 AI 基础设施或 ML 平台架构师
- 在存储芯片行业积累业务与技术双重经验，未来可担任技术团队 Leader 或技术专家
- 负责基于 Java 生态（Spring Boot/Spring Cloud）构建微服务架构，设计和优化大规模分布式系统
- 参与深度学习/机器学习模型的服务化部署（如 TensorFlow Serving、ONNX Runtime），优化推理性能与资源利用率
- 与产品和算法团队紧密协作，主导复杂业务场景的技术方案设计，确保架构演进契合业务目标
- 推动算法工程化最佳实践落地，包括模型版本管理、AB测试、在线推理优化等
- 精通 Java 及微服务生态，包括 Spring Boot、Spring Cloud、MyBatis，掌握服务治理与高并发设计
- 熟练使用 Python，熟悉 FastAPI/Django/Flask 及常见中间件（MySQL、Redis、Kafka 等）
- 掌握云原生技术（Docker、Kubernetes）与 DevOps 流程，具备大型分布式系统调优经验
- 了解机器学习模型部署与算法工程化工具链（如 MLflow、Kubeflow、Airflow）是重要加分项
申请策略
- 长鑫存储是半导体制造企业，面试时除了技术，也需展现对存储行业或制造信息化场景的兴趣
- 准备一些架构演进与业务结合的故事，说明如何推动技术方案落地并获得业务价值
- 突出大型分布式系统设计案例，包括具体的高并发、分库分表、微服务治理实践
- 强调 Python 和 Java 双栈能力，如有模型部署或算法工程化项目经验务必展示
- 提及云原生和 DevOps 技能，例如 Kubernetes 容器编排、CI/CD 流水线落地
- 量化系统性能优化结果（如吞吐量提升、延迟降低）以便凸显产出
- 尽快补充 TensorFlow Serving / ONNX Runtime 的动手经验，可尝试部署一个开源模型
- 了解 MLflow / Kubeflow / Airflow 基本使用，补足算法工程化认知
面试指南
- 回答技术问题可遵循 STAR 法则：说明背景、任务、行动、结果，突出量化成效
- 对于架构设计问题，先明确业务场景和约束（性能、成本、团队），再比较多种方案，最后给出权衡理由
- 遇到不熟悉的技术，坦诚承认并展示学习路径，表达对新兴技术的热情
- 请描述一个你主导设计的大型分布式系统架构，以及遇到的主要挑战和解决方案
- 在高并发场景下，如何对 MySQL 进行分库分表？分表后的全局 ID 和跨库查询怎么处理？
- 如何将训练好的 TensorFlow 模型部署到生产环境？谈谈你的服务化方案
- 如果某个微服务出现性能瓶颈，你会如何排查和优化？
- 你在架构演进中如何权衡技术选型与业务需求？能否举例说明？
职位点评
薪资福利70
成长发展85
工作生活60
使命价值80
薪资福利
70中等
薪资未在JD中披露，但公司为大型存储企业，通常提供有市场竞争力的薪酬福利。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
85较高
技术栈涉及微服务、云原生、算法工程化，具有较大的技术深度和广度，成长空间良好。
技术前沿前沿/新兴技术
技术栈Java、Spring Boot、Spring Cloud、Python、Kubernetes、TensorFlow Serving、ONNX Runtime、MLflow、Kubeflow
业务类型ambiguous
工作生活
60中等
现场办公，未提及弹性工作或远程，但合肥整体节奏相对一线城市舒缓。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
长鑫存储作为国产存储芯片主力，助力国家半导体自主可控，工作具有较高使命感和行业前景。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
长鑫存储 的其他在招职位
相似职位推荐
Watch Jobs