哔哩哔哩(bilibili|b站)招聘资深大数据架构工程师-平台工程方向
招聘职位：
资深大数据架构工程师-平台工程方向 搜索同类职位
岗位介绍：
部门介绍
我们是bilibili基础架构部-大数据架构组，负责支撑全公司离线/实时数据基础设施的建设与演进。技术栈覆盖 Hadoop / Spark / Flink / Iceberg / ClickHouse / Kafka / ES / HDFS / Trino等主流开源生态，承担 EB级数据规模下的存储、计算、查询、治理全链路，峰值处理数据量级达到亿级别每秒。我们既是开源生态的深度使用者，也是社区贡献者——团队鼓励参与上游、推动改进合入主线。随着 AI 工具链的成熟，我们正在系统性地把 AI 能力融入大数据基础设施的开发、发布、运维、答疑全流程。这个岗位的一个核心使命，就是让大数据基础设施团队成为"AI-native"的工程团队。
职位描述
工作职责:
一、存储与中间件方向(HDFS / Kafka / 磁带 / 数据集成)
1、跟踪分布式存储 / 消息中间件 / 归档存储社区前沿(HDFS / 对象存储 / Kafka / Pulsar / 磁带库),结合业务做选型和落地
2、主导 EB 级存储底座的稳定性、成本优化,包括但不限于:
（1） HDFS NameNode 扩展性、Federation、Router-based 架构
（2）EC 编码、冷热分层、磁带归档、对象存储分层
（3）跨机房 / 多活 / 容灾 / 数据迁移
3、主导 Kafka / Pulsar 在亿级 QPS 入口下的稳定性、扩展性优化,包括但不限于:
（1）集群扩展、分区均衡、副本同步
（2）多租户、配额、流量隔离
（3）跨集群复制 / 多机房灾备
4、主导大数据数据集成体系建设,包括但不限于:
（1）异构数据源(MySQL / Kafka / 对象存储 / 业务系统)接入与同步
（2）全量 + 增量同步、CDC 数据通道
5、数据校验、对账、补数机制
6、推动存算分离、Remote Shuffle Service、新型存储介质(NVMe / SCM / 磁带)在大数据场景的落地
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 HDFS / Kafka / 对象存储 至少一个组件在生产环境(>= EB 级 / >= 亿级 QPS)的研发和运维
●有 EB 级存储成本优化经验(EC 编码、冷热分层、磁带归档、对象存储)
【能力素质(满足一项或多项)】
●对分布式存储 / 消息系统的核心机制(一致性协议、副本管理、元数据扩展)有源码级理解
●有跨机房 / 多活 / 容灾的大数据基础设施建设经验
●有大规模数据集成系统(类似 DataX / SeaTunnel / Flink CDC)的设计或落地经验
●有自研 / 改造分布式存储 / 中间件的经验
● Apache HDFS / Kafka / Pulsar / Ozone / SeaTunnel Committer 优先
● 对开源生态高度熟悉,能快速判断"该自研、该用开源、该改开源"的边界
● 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)
投递简历
部门介绍
我们是bilibili基础架构部-大数据架构组，负责支撑全公司离线/实时数据基础设施的建设与演进。技术栈覆盖 Hadoop / Spark / Flink / Iceberg / ClickHouse / Kafka / ES / HDFS / Trino等主流开源生态，承担 EB级数据规模下的存储、计算、查询、治理全链路，峰值处理数据量级达到亿级别每秒。我们既是开源生态的深度使用者，也是社区贡献者——团队鼓励参与上游、推动改进合入主线。随着 AI 工具链的成熟，我们正在系统性地把 AI 能力融入大数据基础设施的开发、发布、运维、答疑全流程。这个岗位的一个核心使命，就是让大数据基础设施团队成为"AI-native"的工程团队。
职位描述
工作职责:
一、存储与中间件方向(HDFS / Kafka / 磁带 / 数据集成)
1、跟踪分布式存储 / 消息中间件 / 归档存储社区前沿(HDFS / 对象存储 / Kafka / Pulsar / 磁带库),结合业务做选型和落地
2、主导 EB 级存储底座的稳定性、成本优化,包括但不限于:
（1） HDFS NameNode 扩展性、Federation、Router-based 架构
（2）EC 编码、冷热分层、磁带归档、对象存储分层
（3）跨机房 / 多活 / 容灾 / 数据迁移
3、主导 Kafka / Pulsar 在亿级 QPS 入口下的稳定性、扩展性优化,包括但不限于:
（1）集群扩展、分区均衡、副本同步
（2）多租户、配额、流量隔离
（3）跨集群复制 / 多机房灾备
4、主导大数据数据集成体系建设,包括但不限于:
（1）异构数据源(MySQL / Kafka / 对象存储 / 业务系统)接入与同步
（2）全量 + 增量同步、CDC 数据通道
5、数据校验、对账、补数机制
6、推动存算分离、Remote Shuffle Service、新型存储介质(NVMe / SCM / 磁带)在大数据场景的落地
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 HDFS / Kafka / 对象存储 至少一个组件在生产环境(>= EB 级 / >= 亿级 QPS)的研发和运维
●有 EB 级存储成本优化经验(EC 编码、冷热分层、磁带归档、对象存储)
【能力素质(满足一项或多项)】
●对分布式存储 / 消息系统的核心机制(一致性协议、副本管理、元数据扩展)有源码级理解
●有跨机房 / 多活 / 容灾的大数据基础设施建设经验
●有大规模数据集成系统(类似 DataX / SeaTunnel / Flink CDC)的设计或落地经验
●有自研 / 改造分布式存储 / 中间件的经验
● Apache HDFS / Kafka / Pulsar / Ozone / SeaTunnel Committer 优先
● 对开源生态高度熟悉,能快速判断"该自研、该用开源、该改开源"的边界
● 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)
投递简历
免责声明：
此信息由b站官网 (查看来源)审核并发布，我们转载该信息，仅出于传递更多就业招聘资讯、促进大学生及广大求职者就业之目的。该招聘职位信息的真实性、准确性、时效性及合法性均由原始发布方“b站官网”负责。我们作为信息转载平台，不构成求职建议，不涉及任何职业中介服务，不对其内容承担任何形式的保证责任。请用户在使用转载信息时保持审慎，自行判断并承担相应风险，求职请认准企业官方渠道！
