阿里巴巴阿里妈妈-引擎数据工程师-北京
社招全职2年以上地点:北京状态:招聘
任职要求
1. 较强的动手能力和学习能力,熟悉 Java(但不限于)编程语言,有良好的编程习惯,具备优秀的系统架构设计能力; 2. 有扎实的大数据工程基础,精通Flink,NoSql,Kafaka,Hadoop等一种或多种大数据技术栈, 具备丰富的分布式系统设计和实现经验…
登录查看完整任职要求
微信扫码,1秒登录
工作职责
职位描述: 在这里,你将接触到国内Top的数字营销平台,了解技术和商业目标的完美结合。你将看到超大规模数据如何实时/高并发/快速处理;你会了解新进的、前沿的分布式系统处理技术。 我们需要你: 1. 支持阿里妈妈超大规模广告数据流批一体化处理; 2. 支持阿里妈妈广告大数据平台的开发、设计与维护工作,打造高可靠、低成本、简单易用的一站式端到端广告数据集成、ETL处理平台; 3. 研究海量数据的存储、传输,优化系统架构,不断提升离近线系统的 时效性、灵活性、性能;
包括英文材料
Java+
https://www.youtube.com/watch?v=eIrMbAQSU34
Master Java – a must-have language for software development, Android apps, and more! ☕️ This beginner-friendly course takes you from basics to real coding skills.
编程规范+
[英文] Google Style Guides
https://google.github.io/styleguide/
Every major open-source project has its own style guide: a set of conventions (sometimes arbitrary) about how to write code for that project. It is much easier to understand a large codebase when all the code in it is in a consistent style.
系统设计+
https://roadmap.sh/system-design
Everything you need to know about designing large scale systems.
https://www.youtube.com/watch?v=F2FmTdLtb_4
This complete system design tutorial covers scalability, reliability, data handling, and high-level architecture with clear explanations, real-world examples, and practical strategies.
大数据+
https://www.youtube.com/watch?v=bAyrObl7TYE
https://www.youtube.com/watch?v=H4bf_uuMC-g
With all this talk of Big Data, we got Rebecca Tickle to explain just what makes data into Big Data.
还有更多 •••
相关职位
社招MEG
-负责搜索在线架构,包括文本搜索、视频搜索、图片搜索、语音检索、视觉检索、资讯/热议等各类搜索系统的架构研发工作 -负责服务治理与重构、云原生架构改造、搜索性能优化,保证搜索系统的可扩展性与可持续发展 -负责高并发架构机制、稳定性工程、检索延时优化、数据流系统研发,保证搜索系统全面可用性 -负责机器学习应用落地与智能化语义检索,提升搜索的智能化水平 -负责基础检索、排序架构、展现架构机制革新,支持用户体验、内容生态的革新
更新于 2025-06-10北京
社招MEG
-负责搜索在线架构,包括文本搜索、视频搜索、图片搜索、语音检索、视觉检索、资讯/热议等各类搜索系统的架构研发工作 -负责服务治理与重构、云原生架构改造、搜索性能优化,保证搜索系统的可扩展性与可持续发展 -负责高并发架构机制、稳定性工程、检索延时优化、数据流系统研发,保证搜索系统全面可用性 -负责AI大模型 和 机器学习应用落地与智能化语义检索,提升搜索的智能化水平 -负责基础检索、排序架构、展现架构机制革新,支持用户体验、内容生态的革新
更新于 2025-09-23北京
社招1年以上搜一搜技术
1.负责面向图文、视频、账号等多种内容载体的大规模数据接入、特征计算、数据存储和发布平台; 2.通过数据工程技术规范化建设:推动提升数据质量、提升pipeline稳定性、提升平台易用性,提升系统在大规模分布式环境下高并发的处理性能,同时沉淀通用方案和平台工具,提升数据研发效率; 3.支持搜索场景下各类数据特征的处理需求,跟进和引入业界最新技术,打造业界领先的离线数据流架构。
更新于 2025-08-20北京