吉利汽车
大数据开发工程师-实时
大数据开发工程师-实时
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公大数据
大数据
Dataworks
Hologres
Maxcompute
Quickbi
Sql
实时数仓
数据治理
值不值得投
74综合评分
综合评分 74
大型车企数字化岗位，技术栈前沿（Flink实时计算），成长性强，但WLB需入职后确认。
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
28K
比大数据中位数高
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 2100 个在招 · 其中大数据 3 个
市场机会
选择不多
杭州 · 大数据 · 3 个在招
职位详情
关于这个职位
负责吉利汽车集团实时数仓的整体建设、开发与优化
你将主导基于Flink、Kafka、Hologres等技术栈的实时数据平台开发，从数据接入、计算、存储到服务层全链路负责，保障数据的实时性、准确性和高性能，以支撑业务实时监控、运营决策和数据分析需求
最低要求
本科及以上学历，计算机、大数据、软件工程、统计学等相关专业，3年及以上实时数仓开发与建设经验，具备完整实时数仓从0到1搭建经验者优先
精通实时数仓建设方法论，熟悉实时数仓分层架构、实时建模、指标体系搭建，了解实时与离线数仓融合建设思路，具备成熟的项目落地经验
精通SQL，熟练使用Flink SQL、Hologres SQL，擅长复杂实时计算逻辑开发，具备丰富的SQL调优、实时任务性能优化经验，可独立解决数据倾斜、任务反压、消息积压、查询超时等问题
熟练掌握Flink核心原理，精通窗口机制、状态管理、checkpoint、watermark、迟到数据处理、背压优化、资源调优，具备大规模实时任务开发与运维经验
熟练使用Kafka，熟悉消息队列存储、分区、副本、消费组机制，具备消息积压排查、吞吐优化、数据流治理实战能力
熟练掌握Hologres使用与调优，熟悉实时数仓存储设计、索引优化、实时聚合、高并发查询优化，有大规模实时数据服务落地经验
精通Python，熟练运用Python进行数据处理、自动化运维、数据对账、监控脚本开发，独立完成数据异常校验与问题定位
熟练使用阿里云DataWorks、MaxCompute平台，掌握数据开发、调度运维、数据集成、任务监控等能力，可完成实时离线联动开发
熟练使用QuickBI完成实时报表、数据大屏、多维分析图表开发，满足业务可视化需求
具备良好的问题排查能力、业务理解能力和沟通协作能力，工作严谨负责，能承受互联网数据场景的迭代节奏
工作职责
负责实时数仓整体建设与分层设计，搭建标准实时数仓架构，规范实时数据域划分、指标体系、建模标准及开发规范，统筹实时数据链路的迭代与优化，保障数仓体系稳定可扩展
负责Flink实时任务开发，包括实时数据流接入、数据清洗、维度关联、窗口计算、状态计算、双流join、迟到数据处理等核心开发工作，落地各类实时业务指标
熟练使用Kafka消息队列，负责topic规划、分区策略、消息积压治理、消费策略优化、数据流解耦，保障实时消息链路高吞吐、低延迟、无丢失
熟练使用Hologres进行实时数仓存储、实时聚合、多维查询、实时服务层建设，负责表结构设计、分区主键优化、索引调优、查询性能优化，支撑高并发实时查询场景
精通SQL开发及实时SQL优化，针对Flink SQL、Hologres查询存在的延迟过高、资源占用大、数据倾斜、查询慢等问题进行专项调优，解决实时任务积压、数据延迟、数据重复、状态异常等线上问题
熟练使用阿里云DataWorks、MaxCompute，配合实时场景完成离线兜底数据加工、任务调度、数据同步、数据校验，实现实时+离线数据链路联动，保障数据口径统一、数据结果一致
精通Python，可独立编写数据校验脚本、自动化巡检工具、数据对账程序、监控告警脚本，提升实时数据质量与运维效率
负责实时数据质量治理，搭建实时数据监控、异常告警、数据对账、容错重试机制，及时处理数据延迟、数据缺失、口径偏差、任务失败等问题，保障实时数据准确性、时效性、完整性
基于QuickBI搭建实时数据大屏、实时指标看板、业务分析报表，支撑业务实时监控、运营决策、数据复盘等场景需求
深入对接业务需求，梳理实时指标口径，沉淀标准化实时指标体系，持续优化实时链路架构，降低计算成本、提升业务响应效率
AI 洞察
优缺点分析
优点
- 技术栈前沿且主流，Flink实时计算是当前大数据领域的热点，技能积累价值高
- 业务场景明确（汽车行业数字化），能深入了解一个传统行业向智能化转型的全过程
- 作为大型企业，能接触到大规模、复杂的数据处理场景，项目经验含金量高
- 需要深入理解业务需求并将其转化为技术实现，对业务理解和沟通协作能力有要求
- 在传统制造业集团内推动新技术应用，可能需要适应与传统IT体系融合的复杂度和节奏
- 适合具备扎实大数据开发经验，尤其对实时计算技术有浓厚兴趣，希望在大型企业内推动数据驱动决策，并追求技术深度和稳定平台的工程师
缺点 / 挑战
- 技术深度要求高，需要解决实时任务积压、状态异常等复杂线上问题，对问题排查和系统稳定性设计能力挑战大
角色解读
- 技术专家路线：深耕实时计算、数仓架构，成为实时大数据领域的技术权威
- 数据架构师路线：从实时数仓扩展到全域数据架构设计，统筹数据平台建设
- 数据平台负责人：带领团队，负责公司整体数据平台或某个业务域的数据体系建设与管理
- 负责从零到一搭建或优化公司的实时数据仓库，设计整体架构和数据分层
- 使用Flink、Kafka等工具开发和维护实时数据流处理任务，确保数据实时准确到达
- 通过Hologres等存储技术提供高性能的实时数据查询服务，并利用Python和BI工具进行数据质量监控和业务可视化
- 精通实时大数据技术栈，核心是Flink（状态管理、窗口、调优）和Kafka
- 具备扎实的SQL能力，尤其是针对实时场景的Flink SQL和Hologres查询优化
- 熟悉阿里云大数据生态（DataWorks, MaxCompute）并能进行实时离线联动开发
申请策略
- 研究吉利汽车的数字化转型战略或公开的智能网联、智能制造相关信息，在面试中展现你对业务的理解
- 准备好描述你在处理实时数据常见问题（如乱序、重复、延迟）时的具体思路和排查步骤
- 重点突出1-2个完整的实时数仓从0到1搭建或重大优化项目经历，说明背景、挑战和成果
- 详细描述使用Flink、Kafka、Hologres解决具体业务问题（如数据倾斜、任务积压）的技术方案和效果
- 列出对阿里云DataWorks/MaxCompute、Python自动化脚本的使用经验
- 强调在数据质量治理、实时监控方面的实践和取得的成效
- 深入复习Flink的高级特性（如Checkpoint机制、状态后端选型、反压原理），准备应对深度技术提问
- 实践并总结Hologres在索引设计、查询优化方面的最佳实践案例
面试指南
- 采用STAR法则（情境、任务、行动、结果）回答项目类问题，突出技术选型、难点攻克和量化成果
- 对于技术问题，先阐述原理（如Checkpoint原理、Kafka分区机制），再结合实际场景说明解决方案（如状态后端选择、并行度调整、异步IO）
- 对于系统设计类问题，从业务需求出发，阐述整体架构、技术组件选型理由、数据流设计以及容错和监控方案
- 请描述一个你主导或深度参与的实时数仓项目，从架构设计到落地遇到的最大挑战是什么？如何解决的？
- 在Flink任务中遇到状态膨胀导致性能下降，你会如何排查和优化？
- 如何保证实时数据与离线数据的一致性？在你的项目中是如何实践的？
- 当实时消息队列（如Kafka）出现积压时，你的排查思路和处理步骤是怎样的？
- 如何评估和优化一个复杂Flink SQL任务的性能？
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
该职位未明确披露薪资，但作为上市跨国企业的技术岗位，通常提供具有市场竞争力的薪酬福利体系。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
职位要求掌握Flink、Hologres等当前大数据领域前沿的实时计算技术，能够深度参与实时数仓的从0到1建设，技术成长空间明确。
技术前沿前沿/新兴技术
技术栈Flink、Kafka、Hologres、实时数仓、DataWorks、MaxCompute、Python
成长机会从0到1搭建经验者优先
业务类型ambiguous
工作生活
60中等
JD未明确说明办公模式（如远程、弹性），也未提及加班或WLB相关信息，工作与生活的平衡状况无法判断。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
服务于大型汽车制造企业的数字化转型，通过实时数据技术支撑业务决策，具有一定的行业价值和社会意义。
行业发展稳定成熟行业
社会影响中性/一般
使命信号支撑业务实时监控、运营决策、数据复盘
创新程度积极采用新技术
Watch Jobs