分布式缓存资深研发工程师/专家-存储&数据库部

优缺点分析

角色解读

• 技术纵深发展：成为分布式缓存和KVCache领域的顶级专家，主导核心架构演进
• 横向扩展：从数据库存储延伸至AI基础设施、云原生平台等方向，拓宽技术视野
• 管理路线：可向技术主管或架构师发展，带领团队攻克大规模分布式系统难题
• 设计并研发大规模分布式缓存数据库及分布式KVCache系统，支撑小红书核心业务的高并发、低延迟访问
• 建设多活容灾、弹性扩缩容、冷热分层等核心数据链路，提升系统的可用性和资源效率
• 推动云原生、Serverless方向的技术落地，优化资源调度和租户隔离能力
• 开发智能诊断、自动化巡检等AI DevOps工具，提升数据库的智能化运维水平
• 精通分布式系统理论，熟悉Redis、RocksDB等缓存或KV存储引擎的底层原理
• 掌握Kubernetes、云原生技术栈，具备容器化部署和弹性伸缩实践经验
• 具备系统性能调优和故障排查能力，能够处理高并发场景下的复杂问题
• 有强烈的自驱力和技术好奇心，善于系统性思考和抽象问题

申请策略

• 小红书的业务场景（社交、电商、搜索）挑战各异，可在简历中体现对业务的理解
• 关注公司技术博客或开源项目（如PikiwiDB），了解其技术栈和文化
• 突出分布式缓存或数据库的研发经验，具体说明参与的系统规模、核心技术和个人贡献
• 强调对Redis、RocksDB等存储引擎的源码理解或优化实践
• 展示在Kubernetes、云原生方向的落地项目，尤其是弹性伸缩、资源调度相关的成果
• 如有AI DevOps或智能运维平台建设经验，务必重点描述
• 如果对AI推理加速不熟悉，建议提前了解KVCache、LLM推理架构等基础知识
• 学习Kubernetes的容器调度和Sidecar模式，以及相关Operator的开发

面试指南

• 对于系统设计题：先明确需求（QPS、延迟、数据量、一致性要求），再拆解为数据分片、复制、故障恢复等模块，最后给出关键trade-off
• 对于技术对比题：从适用场景、数据结构、持久化机制、集群模式等维度对比，并结合实际案例说明选择依据
• 对于性能优化题：定位瓶颈（CPU、内存、网络、IO），提出分层优化策略，并量化预期效果
• 请设计一个高并发、低延迟的分布式缓存系统，并说明如何保证数据一致性
• Redis和RocksDB在底层存储上有哪些区别？你在项目中如何选择？
• Kubernetes中如何实现缓存集群的弹性扩缩容？需要考虑哪些关键指标？
• 如何优化一个缓存系统在高负载下的延迟抖动？请给出具体方案
• 你如何理解KVCache？在AI推理场景中扮演什么角色？