岗位职责
- 多模存储与智能表架构设计： 负责多模态数据（向量、文本、文件等）高并发、大容量存储引擎架构设计，研发多模态统一智能路由表结构（Smart Table/Multi-Modal Schema）与高效持久化存储机制；
- 融合计算与查询优化： 设计并实现跨模态融合查询执行引擎，优化标量+向量混合过滤、多模态联合检索等复杂算子的下推、算子融合与并行执行路径，降低查询延迟并提升吞吐；
- AI 负载与分布式计算下沉： 针对大模型多模态检索等 AI 工作负载，深度优化内存管理与多级缓存策略；探索与 Ray 等 AI 计算框架及大数据计算引擎的下沉融合计算，提升海量数据实时检索与分析性能；
- 架构演进与技术攻关： 推动多模态数据库内核向存算分离、Serverless 弹性扩展演进；攻克高并发写入下的索引实时更新、降低尾部延迟（Tail Latency）等关键工程难题，保持产品技术领先性。
职位要求
- 专业背景： 计算机、软件工程等相关专业本科及以上学历，3 年以上数据库内核、分布式存储、搜索引擎或大数据核心计算/存储引擎（如 Spark, Flink, ClickHouse, Iceberg 等）研发经验；
- 核心技能： 精通 C/C++ 或 Rust，具备扎实的系统编程与底层调优能力，熟悉 Linux 操作系统内核、多线程编程、并发控制、内存管理及 CPU/硬件加速技术（如 SIMD/AVX512）；
- 领域知识： 深入理解 OpenSearch / Elasticsearch / Lucene 或主流向量搜索引擎（如 Milvus, FAISS 等）的实现原理与源码；对 HNSW/IVF 等向量索引算法及文本/全文检索有实际研发与性能调优经验者优先；
- 生态与计算框架： 具备开源大数据生态（如 Spark, Flink, Iceberg, ClickHouse 等）底层源码级开发或社区贡献经验者优先；熟悉 Ray 等分布式 AI 计算框架内核，或具备大规模异构资源调度与计算下推实战经验者优先。
