岗位职责
Owner 一块在线排序 / 推荐服务（如酒店列表智能排序、推荐场景排序、房型推荐等场景），负责架构演进、性能优化和稳定性建设 维护并优化召回 - 粗排 - 精排 - 重排完整链路：包括与特征填充服务、DNN 推理服务、重排策略框架的协作集成 推动 DNN 排序模型的在线推理工程化：模型版本管理、性能调优（P99 延迟、CPU/GPU 资源效率） 与算法同学共建重排 / 粗排策略框架，把扶持、打散、规则、智能定价等策略安全高效落到线上 维护基于 A/B 实验的动态配置体系，保障策略迭代的快速性和可回滚性 负责服务的可观测性、容量规划、告警体系，主导线上问题排查与复盘 参与离线特征生产、特征质量监控、数据回流链路的工程建设
职位要求
本科及以上学历，计算机相关专业，3 年以上后端研发经验 Java 基础扎实：精通 Java 8/21、JVM 调优、并发编程；熟悉 Spring Boot 生态；能写出高性能、可读性强、可维护的代码 熟悉 Protobuf、Netty/Dubbo/SOA 等 RPC 体系，有大流量在线服务（QPS ≥ 1w，P99 延迟敏感型场景）的实战经验 理解推荐 / 搜索 / 广告系统的整体架构：召回 - 粗排 - 精排 - 重排各环节职责 熟悉常见在线推理工程化方案，能与算法同学高效协同 熟悉特征工程链路：实时特征（Flink/Kafka）、离线特征（Hive/Spark）、特征存储（HBase/Redis） 熟悉缓存、限流、降级、熔断等高可用设计 良好的工程品味：重视代码质量、单测覆盖、可观测性、文档沉淀 业务 sense 好：能从业务指标反推工程优化方向，对数据敏感，能独立完成需求拆解和方案设计，主动推动跨团队协作 善用 AI 提高工作效率 加分项（任一即可，多项更佳） 熟悉 Flink：能独立开发实时特征 Job、曝光归因、订单回流 Job 算法建模能力：理解 LR/XGBoost/DNN 排序模型的训练和上线流程，能独立做特征工程、模型迭代、AB 评估 有推荐 / 搜索 / 广告排序系统从 0 到 1 或大版本演进的经验 有 GPU 推理优化、特征 pipeline 性能优化的实战经验 熟悉酒店 / OTA / 电商等推荐业务，有较强的业务理解力
