软件开发工程师（数据工程）-Data Engineering(J18934)

优缺点分析

角色解读

• 深耕数据工程领域，可向高级数据工程师、数据架构师发展，主导更大规模数据平台
• 结合AI能力，可转型为AI应用工程师或机器学习工程师，专注智能数据产品
• 在半导体行业数据方向积累，可成为行业数据专家，参与企业级数据战略规划
• 负责数据平台的应用开发，使用Java/Python构建数据产品，确保模块效率与交付质量
• 主导高性能数据模型开发，如良率分析模型和供应链模型，并优化数据链路计算性能
• 设计优化数据库表结构和SQL查询，使用StarRocks、ClickHouse等OLAP数据库进行调优
• 集成向量数据库（Milvus）和AI技术（RAG），配合数据产品完成原型验证
• 扎实的Java或Python编程能力，熟练运用设计模式进行模块化开发
• 精通SQL和关系型数据库设计，有StarRocks/ClickHouse/Doris等OLAP数据库实战经验
• 了解向量数据库（Milvus）或图数据库（Neo4j）基本使用，具备AI技术集成兴趣
• 结构化问题分析能力，能独立完成从需求到技术的链路设计

申请策略

• 了解长鑫存储的业务和产品（存储芯片制造），面试时展现对半导体数据场景的兴趣
• 准备一个从需求到实现的技术案例，突出问题分析和链路设计能力
• 突出Java/Python项目经验，尤其是使用设计模式的模块设计案例
• 强调SQL优化和OLAP数据库（StarRocks/ClickHouse/Doris）的实际应用成果
• 如果做过AI相关项目（如RAG、向量数据库），务必详细描述实现细节和效果
• 展示数据模型开发经验，如良率分析或供应链优化模型，体现业务理解能力
• 提前巩固StarRocks/ClickHouse的使用场景和性能调优技巧
• 学习向量数据库（Milvus）和图数据库（Neo4j）的基本操作，了解RAG实现原理

面试指南

• 采用STAR法则（情境、任务、行动、结果）回答项目经验问题，重点突出你的技术决策和量化成果
• 对于数据库选型问题，从数据模型、查询模式、实时性、扩展性等维度对比分析，体现思考深度
• 对于AI集成问题，先明确业务目标，再分步说明数据准备、模型选择、集成测试和效果评估
• 请描述一个你主导过的数据平台开发项目，包括技术选型、架构设计和性能优化
• 你如何优化一条复杂的SQL查询？给出具体例子
• StarRocks、ClickHouse和Doris的区别是什么？在什么场景下你会选择哪一个？
• 你如何将AI技术（如RAG）集成到现有数据应用中？请简述流程和挑战
• 面对多个紧急需求并行的场景，你如何安排优先级并保证交付？