资深大数据架构工程师-离线计算方向

职位描述

工作职责:

一、离线计算方向(Spark / 向量化执行引擎)

1、跟踪 Spark / MapReduce / 向量化执行引擎(Gluten / Velox / Photon / DuckDB)的社区前沿,结合 bilibili 业务做选型和落地

2、主导 Spark 引擎在 PB 级日处理、千节点集群下的稳定性、性能优化,包括但不限于:

（1）Catalyst 优化器改造

（2）Shuffle 优化(Remote Shuffle Service / Celeborn / Magnet)

（3）AQE / Dynamic Allocation / Spec Execution 深度调优

3、推动 Spark 与向量化引擎(Gluten + Velox)的深度集成,降低 CPU 成本、提升查询性能

4、解决批处理任务的资源效率、SQL 兼容性、调度延迟等真实工程问题

5、与湖仓团队配合,做好 Spark on Iceberg / Paimon 的查询和写入优化

二、AI 赋能基础设施研发

1、熟练使用 Claude Code、Cursor、Copilot 等 AI 编程工具，将 AI 深度嵌入日常工作流

2、主导 AI 流程自动化建设，为团队赋能：

（1）开发阶段：基于 AI 的代码生成、Code Review、单测生成、性能 profiling 自动化

（2）发布阶段：AI 辅助的变更影响分析、灰度策略推荐、回滚决策

（3）运维阶段：AI 驱动的告警归并、根因分析、故障自愈

（4）答疑阶段：基于内部知识库的 RAG 答疑机器人、SQL 助手、调优建议生成

3、沉淀 AI 工具链最佳实践，推广到全组并向外辐射

工作要求:

【硬性条件】

●985 / 211 及以上院校全日制本科及以上学历，计算机相关专业

●5 年以上大数据相关工作经验

●至少深度参与过 1 个大型大数据基础设施项目（EB 级存储 / PB 级日处理 / 千节点以上集群 任一）

●Java / Scala / Go / Rust / C++ 中至少两门掌握扎实

●深度参与过 Spark 生产环境(>= PB / 日)的运维和优化,对 Spark 内核源码有源码级理解

●对至少一个领域有体系化认知:Catalyst 优化器 / Tungsten / Shuffle / Spark on K8s

【加分项】

● 对开源生态高度熟悉

● 具备从 0 到 1 设计大型分布式系统的能力,能独立 owner 某个技术方向

● 良好的工程品味:代码质量、测试覆盖、可观测性、稳定性

● 熟练使用 AI 编程工具完成日常开发,对 LLM 能力边界有清晰认知

● 良好的中英文技术阅读和书面表达能力(社区 issue / PR / 设计文档)

● Apache 顶级项目 Committer / PMC,或活跃的 Contributor(有合入主线的非 trivial PR)

●主导过将 AI 能力工程化落地到基础设施场景的真实案例(不只是用 ChatGPT 写代码,而是构建了系统)

● 在 GitHub 有持续的开源项目贡献或个人作品

●有向量化执行引擎(Velox / Gluten / Photon / DuckDB)的开发或深度调优经验

● 主导过 Spark 大版本升级(2.x → 3.x、3.x → 4.x)的项目

● 主导过 Remote Shuffle Service(Celeborn / Uniffle)在生产环境的落地

● Apache Spark / Gluten / Celeborn Committer 优先