英伟达
Principal Software Engineer, Distributed Query Engines - Analytics and Data Intelligence
Principal Software Engineer, Distributed Query Engines - Analytics and Data Intelligence
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公高性能计算
高性能计算
Cuda
Gpu加速
Lakehouse
Rapids Cudf
分布式存储
分布式查询引擎
高性能计算
值不值得投
84综合评分
综合评分 84
外企巨头Principal级核心研发岗，技术栈前沿且极具挑战性，薪资福利顶尖，适合追求技术极致的资深专家。
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
11.5万
比高性能计算中位数高
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 200 个在招 · 其中高性能计算 4 个
市场机会
选择适中
上海 · 高性能计算 · 18 个在招
职位详情
关于这个职位
该职位属于英伟达分析与数据智能（ADI）团队，主要负责开发和维护用于GPU数据处理的高性能C++和CUDA库
你将参与构建数据帧和数据库加速器的计算核心，优化数据加载、解析、连接和聚合等任务，支持从单个工作站到机架级GPU超级计算机的高性能结构化数据处理
最低要求
计算机科学、计算机工程、电气工程或相关技术领域的学士学位，或具有同等实践经验
年以上相关软件工程经验，包括在系统软件、分布式数据平台、存储、数据库或加速计算方面的大量工作
熟练掌握 C++ 和 CUDA 编程
深入了解数据处理、数据分析和存储环境
在以下至少一个领域具有深厚专业知识：分布式存储、数据库/查询引擎内部原理、高性能 I/O、加速计算或大规模数据平台
具有在分布式/对象存储、表格式（如 Iceberg、Parquet）、Lakehouse 架构和分析引擎中驱动高效 I/O 和数据移动路径的经验
熟悉 SiriusDB、GPU 加速查询引擎或相关项目，或有相关贡献
工作职责
创建和改进用于高性能数据处理的 C++ 和 CUDA 库，包括从存储到 GPU 计算引擎的端到端数据路径
加速数据加载、解析、连接、聚合以及 I/O、数据移动、内存管理和并发优化等操作
与销售/DevRel 团队合作，支持中国区的合作伙伴集成、PoC、性能调优和生产问题解决
为跨计算、网络和分布式存储的数仓和 Lakehouse 工作负载实现高性能解决方案
与全球分布的高度技术化团队合作，推动软件计划从架构到交付
应用数据分析与 ETL 生态系统的深厚经验，优化 GPU 加速的数据处理管道
优先资格
熟悉 RAPIDS cuDF
熟悉 S3、Parquet 和 Iceberg
具有跨存储、网络和 CPU/GPU 计算的跨栈性能优化经验
具备在复杂分布式系统中诊断和解决生产问题的能力
能够定义技术方向并亲自实现关键组件，同时推动跨团队交付
AI 洞察
优缺点分析
优点
- 处于AI与GPU加速计算的最前沿，能接触到业界顶级的硬件架构与开源生态，技术视野极佳
- 跨国巨头平台提供极具竞争力的薪酬福利体系，以及全球化的技术协作环境
- 参与构建下一代计算时代的核心基础设施，工作成果具有极高的行业影响力和技术壁垒
- 技术门槛极高，需要深厚的底层系统优化、并行计算和内存管理功底，学习曲线陡峭
- 适合在底层系统、数据库内核或高性能计算领域有深厚积累，且追求技术极致与行业影响力的资深技术专家
缺点 / 挑战
- 跨时区与全球分布式团队协作，对沟通效率、项目管理及跨文化协作能力提出较高要求
角色解读
- 作为Principal级别专家，可向首席工程师（Chief Engineer）或技术Fellow方向发展，引领底层技术演进
- 也可转型为技术团队负责人（Engineering Manager），带领大型研发团队推动跨部门技术战略落地
- 负责开发和维护基于GPU加速的高性能数据处理C++和CUDA库，优化从存储到计算引擎的端到端数据路径
- 与全球团队合作，推动分布式查询引擎和Lakehouse架构下的核心计算组件研发与性能调优
- 支持中国区合作伙伴的集成、PoC验证及生产环境中的复杂性能问题解决
- 精通C++和CUDA编程，具备15年以上系统软件、分布式数据平台或加速计算经验
- 深入理解分布式存储、查询引擎内部原理及高性能I/O，熟悉Lakehouse架构及主流数据格式
- 具备跨栈性能优化能力，能够诊断和解决复杂分布式系统中的底层性能瓶颈
申请策略
- 了解英伟达ADI团队及RAPIDS生态的最新进展，准备能够体现技术深度和全局架构视野的面试案例
- 突出在C++/CUDA底层优化、分布式查询引擎或大规模数据平台方面的核心贡献与量化性能提升指标
- 展示在开源社区（如RAPIDS、SiriusDB）的贡献，或主导过的跨团队复杂技术项目交付经验
- 强调在Lakehouse架构、现代数据湖格式（Iceberg/Parquet）及分布式存储方面的实战经验
- 深入研读最新GPU架构及CUDA高级编程模型，熟悉现代数据湖格式及Lakehouse架构的底层原理
- 复习分布式数据库/查询引擎的核心原理，准备具体的跨团队技术推动和复杂生产问题排查案例
面试指南
- 采用STAR法则，重点突出问题背景、技术选型的思考过程、底层优化的具体手段（如内存合并、指令级优化、异步执行）以及最终量化的业务收益
- 在回答架构问题时，先阐述全局设计思路，再深入核心组件的实现细节，最后说明如何保证系统的可扩展性和容错性
- 请分享一个你主导的GPU加速或分布式系统性能优化的成功案例，具体解决了什么瓶颈？
- 在C++和CUDA混合编程中，你如何解决内存管理和数据移动的瓶颈？
- 面对复杂的分布式查询引擎，你如何定位和解决生产环境中的性能抖动或死锁问题？
- 你如何理解Lakehouse架构，以及在GPU加速场景下有哪些具体的优化空间？
- 复习CUDA编程模型、GPU内存层级结构及分布式数据库/查询引擎的核心原理
- 准备1-2个具有技术深度的开源贡献或底层系统调优的完整案例，能够清晰讲述技术难点和解决思路
职位点评
薪资福利90
成长发展95
工作生活60
使命价值85
薪资福利
90较高
作为跨国巨头企业的Principal级别岗位，薪资和福利处于行业顶尖水平，能极大满足对高薪酬和稳定性的追求。
薪资信号未披露（AI估算：8千–15万/月）
福利待遇highly competitive salaries、comprehensive benefits package
成长发展
95较高
岗位处于AI和GPU加速计算的最前沿，能接触到业界顶级的开源生态和底层技术，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈C++、CUDA、Distributed Query Engines、GPU、RAPIDS cuDF、Lakehouse、Iceberg、Parquet
业务类型profit_center
工作生活
60中等
JD未明确说明工作模式和加班情况，但作为外企巨头，通常能提供相对较好的工作生活平衡，不过Principal级别可能面临一定的跨时区协作压力。
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
85较高
参与定义下一代计算时代，推动AI和加速计算的发展，具有极强的技术使命感和行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号define the next era of computing、make a lasting impact on the world
创新程度开拓性创新（行业首创）
英伟达 的其他在招职位
相似职位推荐
Watch Jobs