数据 infra 人员要求

最匹配画像

  1. 云原生数据基础设施工程师

  2. 熟 K8s、对象存储、Postgres/OLTP、消息队列/工作流系统、服务可观测性。

  3. 做过多租户、配额、限流、回压、容灾、灰度、部署、迁移。

  4. 能把数据管线当成“线上系统”而不是“离线任务”来设计。

  5. 分布式存储 / 数据库 / 查询系统工程师

  6. 理解 WAL、事务、索引、分区、Compaction、LSM/B-Tree、MVCC、一致性、复制、恢复。

  7. 不一定真的写过数据库内核，但至少能讲清楚数据库为什么这么设计。

  8. 如果做过 Doris、ClickHouse、HBase、TiDB、CockroachDB、StarRocks、Kafka、Flink 内核或存储层，会比纯数仓应用更有价值。

  9. AI/机器人数据平台工程师

  10. 做过大文件、多模态数据、视频/传感器/轨迹数据、数据集版本、标注/审核、质量检查、训练数据生产。

  11. 熟 S3/MinIO、Parquet/Lance/Delta/Iceberg、元数据管理、数据血缘。

  12. 能理解“数据不是表，是资产和生命周期”。

传统数仓候选人的问题

他们常见强项是：

  • SQL 开发

  • ETL 编排

  • 离线批处理

  • 指标口径

  • 报表/企业数仓模型

  • Doris/Hive/Spark/Flink 应用层使用

但你这里更需要的是：

  • 在线上传接入

  • 多租户隔离

  • 对象存储路径设计

  • 元数据一致性

  • workflow orchestration

  • K8s 部署和恢复

  • 回压、限流、队列堆积处理

  • schema migration

  • 大文件/多模态数据处理

  • 数据质量、审核、可追踪交付

所以如果一个人只会“把业务表抽进 Doris，然后建宽表出报表”，确实不太匹配。

你可以把岗位定义成

Cloud-native Data Infrastructure Engineer for embodied AI / robotics data platform.

中文可以叫：

具身智能数据基础设施工程师 / 云原生数据平台工程师 / 多模态数据 Infra 工程师。

不要写成“大数据开发工程师”，否则简历会继续涌入数仓 ETL 人群。

筛选关键词

简历里优先看这些：

  • Kubernetes / Helm / Terraform / Argo / Prometheus / Grafana

  • S3 / MinIO / OSS / 对象存储

  • Postgres / MySQL / distributed database / TiDB / CockroachDB / ClickHouse / Doris kernel

  • Temporal / Airflow / Dagster / workflow orchestration

  • Kafka / Pulsar / queue / backpressure

  • data lake / Iceberg / Delta / Lance / Parquet

  • schema migration / Alembic / Flyway / Liquibase

  • multi-tenant / quota / rate limit / isolation

  • observability / SLO / incident / recovery

  • robotics / autonomous driving / video data / sensor data / multimodal dataset

面试时重点问

  1. “如果 1000 台设备同时上传大文件，系统怎么做限流、排队、失败恢复？”

  2. “对象存储和 Postgres 元数据之间如何保证一致性？”

  3. “生产数据库 schema 怎么迁移，不能 drop schema 怎么办？”

  4. “K8s 里 worker 被杀、队列堆积、DB 短暂不可用，系统怎么恢复？”

  5. “你怎么设计一个多租户数据集版本和血缘系统？”

  6. “讲一个你处理过的数据平台线上事故。”

  7. “解释一下数据库索引、事务、WAL、MVCC 或 compaction 中任意一个机制。”

  8. 所以候选人不一定每项都做过，但至少要能自然理解这些问题：

  9. 为什么 Postgres 只放元数据，大文件放对象存储？

  10. 为什么上传接口要有 backpressure？

  11. 为什么 worker 失败不能导致 episode 卡死？

  12. 为什么生产 DB 不能 drop schema？

  13. 为什么 K8s 里不能依赖 host Docker 服务？

  14. 为什么多租户/设备维度要从第一天进入表结构和路径设计？