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 1 天前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Spring Cloud
值不值得投
80综合评分
综合评分 80
高薪大厂、前沿AI工程化技术栈、强技术成长导向，WLB待确认
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.5万
比后端开发中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 1960 个在招 · 其中后端开发 8 个
市场机会
选择适中
合肥 · 后端开发 · 15 个在招
职位详情
关于这个职位
负责基于Spring Boot/Cloud构建高性能微服务架构，设计高可用分布式系统
深入理解业务需求，与产品、算法团队协作，主导复杂场景架构设计
同时参与深度学习系统的开发与部署，优化算法工程化流程及推理性能
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
- 接触前沿的AI工程化落地场景，技术栈先进（Java+Python+ML Ops）
- 长鑫存储作为半导体行业龙头，平台稳定，行业前景广阔
- 能够锻炼高并发、高可用系统的架构设计能力
- 要求8年以上经验，竞争激烈，对技术深度和广度要求极高
- 需要兼顾传统后端业务与新兴AI算法工程化，学习曲线陡峭
- 适合拥有丰富后端架构经验，同时对AI/ML工程化感兴趣并希望在该领域深耕的高级工程师
- 具备强烈技术驱动力和跨团队协作能力的候选人
缺点 / 挑战
- 半导体行业节奏较快，项目压力大
角色解读
- 可向首席架构师、技术专家方向发展，专注于分布式系统与AI工程化的深度融合
- 也可转向技术管理岗位，带领团队进行更大规模的技术攻坚和业务支撑
- 负责构建和维护高性能、高可用的微服务架构和分布式系统
- 深入参与业务逻辑实现，并与算法团队协作，将机器学习模型进行工程化部署和优化
- 主导技术选型和架构演进，解决复杂的技术难题
- 精通Java生态（Spring Boot/Cloud）及微服务治理，具备8年以上后端开发及大型分布式系统设计经验
- 熟练掌握Python及相关框架，熟悉MySQL/Redis/Kafka等中间件
- 具备云原生技术（Docker/K8s）实战能力
申请策略
- 准备详细的项目案例，说明如何解决复杂的分布式系统问题
- 了解长鑫存储的业务方向和技术挑战，展现技术与业务的结合能力
- 面试中体现技术Owner意识和跨团队沟通协作能力
- 突出展示大型分布式系统的设计与优化案例，特别是高并发、高可用方面的成果
- 强调Java与Python双栈的开发能力，以及微服务治理的实际经验
- 如有AI模型部署、MLOps工具链使用经验，务必重点标注
- 补充机器学习基础理论，了解模型训练、推理服务化的常见模式
- 深入学习Kubernetes在AI场景下的应用，熟悉MLflow、Kubeflow等工具
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历
- 对于系统设计题，先明确需求约束，再阐述架构选型理由，最后讨论潜在风险及解决方案
- 对于AI工程化问题，结合具体工具和指标（如延迟、吞吐量、资源利用率）进行分析
- 请介绍一个你主导设计的复杂分布式系统，你是如何保证高可用和高性能的？
- 在微服务架构中，如何处理服务间的依赖、熔断和限流？
- 如何将机器学习模型有效地部署到生产环境？遇到过哪些性能瓶颈？
- 面对高并发场景，数据库层面有哪些优化策略？
- 如何评估和优化算法模型在业务系统中的推理性能？
职位点评
薪资福利85
成长发展90
工作生活60
使命价值75
薪资福利
85较高
长鑫存储作为C轮后超大型企业，在合肥地区提供具有竞争力的薪资福利，满足补偿性动机。
薪资信号市场水准 (2.5千–4.5万/月)
成长发展
90较高
职位涉及Java/Python双栈及AI工程化前沿技术，技术成长空间大，符合发展性动机。
技术前沿前沿/新兴技术
技术栈Spring Cloud、Python、TensorFlow Serving、Kubernetes、MLflow
业务类型profit_center
工作生活
60中等
JD未明确提及WLB，但半导体行业及大厂通常有一定工作压力，生活化动机中等。
工作模式未明确
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
75中等
加入半导体行业龙头，参与国家关键技术研发，具有一定的社会价值和使命感。
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