【REDstar】索引存储架构开发

优缺点分析

角色解读

• 从基础设施开发工程师成长为技术专家，专注存储与计算优化方向
• 在核心业务中积累大规模分布式系统经验，可向架构师或技术Leader发展
• 通过学术研究与工业实践结合，成为AI基础设施领域的行业专家
• 负责向量存储引擎、特征存储引擎等核心基础设施的研发，支撑搜索、推荐、广告等业务的高性能数据存取
• 解决高并发、高可靠性场景下的技术难题，进行架构升级和性能优化
• 参与软硬件协同优化，探索新型计算架构和存储介质在AI场景的应用
• 跟踪顶级学术会议前沿，将论文成果转化为工业级系统，并发表原创论文
• 扎实的C++编程能力，良好的系统设计和工程实现能力
• 深入理解操作系统、计算机体系结构、分布式系统原理
• 了解向量检索算法（如HNSW、IVF、PQ）或GPU/异构计算优先
• 有存储引擎、数据库内核、高性能计算或相关开源项目经验者优先

申请策略

• 关注小红书技术博客或开源项目，了解团队技术方向，在面试中展示对业务的理解
• 准备好系统设计面试，尤其是涉及高性能存储和检索的场景
• 突出C++编程能力，如项目中使用C++实现的高性能模块或系统
• 强调对操作系统、分布式系统原理的理解，如做过相关课程项目或竞赛
• 如有向量检索、GPU编程或存储引擎相关经验，务必重点展示
• 开源贡献（如hnswlib、FAISS、Milvus等）或顶会论文是加分项
• 深入复习C++语言特性、内存管理、多线程编程
• 学习向量检索算法（HNSW、IVF等）和GPU编程（CUDA）

面试指南

• 对于系统设计问题，先明确需求和约束，再分层分析（存储、索引、并发、容错），最后给出方案和权衡
• 对于算法原理问题，先解释核心思想，再结合实际场景分析适用性和优化点
• 对于项目经验问题，使用STAR原则（情境、目标、行动、结果）结构化回答
• 请设计一个支持高并发读写的向量存储引擎，需要考虑哪些关键点？
• C++中如何优化内存分配和CPU缓存命中率？请举例说明
• 介绍HNSW算法的原理和优缺点，如何在实际工程中调优？
• 在多线程环境下，如何保证共享数据结构的线程安全？
• 你之前做过最复杂的系统优化项目，请详细描述