阿里巴巴研究型实习生 - 数据库智能运维体系研究
任职要求
1.计算机或相关方向博士、硕士在读； 2.在数据库、人工智能、系统、安全等领域有顶会论文发表经验…
工作职责
面向云数据库运维体系，充分利用各类数据、知识、工具，对工单处理、异常发现、根因定位、优化治理、故障恢复等日常运维任务，进行大幅度提效，实现半自动甚至全自动的智能运维体系升级。具体研究内容包括但不限于： 1.探索复杂故障的智能化定位与恢复相关技术； 2.探索领域知识库的自动化沉淀相关技术； 3.探索分布式环境下的多Agent协同相关技术。
1、研究与算法实现： （1）参与图数据库代码知识图谱的构建与优化，借鉴最新的 RepoAudit 等研究成果。 （2）设计并实现基于强化学习（RL）的探索与反馈循环，包括智能体、动作空间、奖励机制。 （3）实验和优化多种RL策略（如PPO、DPO、GRPO、DAPO、GSPO）在真实图数据库测试场景的应用。 2、系统开发与实验： （1）构建可编译运行的图数据库测试平台，负责自动化测试流程（提出预言机→生成用例→执行验证→反馈奖励）的实现。 （2）针对开源图数据库（NeuG、Neo4j、RedisGraph、NebulaGraph等），验证并提交新型逻辑错误。 3、论文与成果输出： （1）参与撰写技术报告和学术论文，总结测试预言机生成的新方法与实验结果。 （2）协助开源端到端研究原型及技术文档的完善与维护。
数据库智能调优方案研发，具体职责包括： 1.通过应用Agent、RAG等技术，开发大语言模型驱动的数据库智能调优工具，包括自动计划标注管理、表结构优化、自动构建物化视图等能力； 2.设计基于历史SQL运行数据的LLM训练与调优方案，并建设持续在线学习能力； 3.设计智能优化评估工具。
职位描述： 1、参与Agent系统的原型构建与落地，探索提升Agent自主理解、规划与执行任务能力的新思路与方法； 2、优化Agent的对话交互机制，尝试新颖的交互方式，以提升用户体验和任务完成的流畅性与智能性； 3、研究并实验Agent的知识整合与上下文记忆管理方案，探索更高效、智能的信息组织与检索技术，支持Agent进行更深层次的思考； 4、探索Agent与系统工具、API的智能协同策略，参与设计和验证更鲁棒、灵活的工具调用与任务规划流程，鼓励提出创新交互方案； 5、针对特定复杂场景，调研并实践Agent解决用户实际问题的创新路径，挑战并拓展Agent的能力边界。
发现数据库系统的性能瓶颈并作出针对性优化是一项重要工作。随着各类智能算法的发展和应用，学术界和业界也逐渐开始利用智能算法优化数据库系统中的各种模块，我们也考虑在实际产品中实现智能化数据库调优能力，项目内容包括但不局限于: 1、数据库可观察性接口：云原生数据库系统含有多种资源，针对性能问题实现系统可观测接口，数据收集与清洗； 2、数据库可操控性接口：定量化数据库系统对外提供的可操控接口特性； 3、多时间尺度的数据库性能分析模型：需要将已有的系统可观察性和可操控性模型化、定量化，建立多时间尺度的系统状态评估模型和状态迁移模型； 4、具有特征性的数据库性能调优算法：基于已有的可观、可控接口及数据库性能模型，设计并实现用于智能化自适应的数据库性能调优算法。