阿里巴巴
校招面向AI的高性能分布式存储系统研发-阿里星/A Star
北京/杭州 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 1、精通分布式存储理论；
- 2、对Linux内核，IO 协议栈，NVMe 协议有深入的了解和实践；
- 3、熟悉网络编程，对多路复用，RDMA 技术有较好的实践；
- 4、熟悉DPU，智能网卡，硬件卸载是加分项；
- 5、在FAST/OSDI等顶会发表存储相关论文，有参与Ceph、JuiceFS、Alluxio等开源项目核心模块开发经验；
- 6、对AI有浓厚的兴趣，积极学习和应用各种AI工具，熟悉AI场景对存储的需求；
- 7、学习能力强，有技术热情，有较强的问题分析和技术攻关能力、良好的工程能力，能写出高质量的代码。善于沟通合作，以结果为导向，推动跨团队项目合作。
岗位描述
- 1、为EBS的稳定、性能、成本技术演进和架构设计和技术创新落地，构建稳定可靠，性能优越，具有成本优势的先进分布式块存储系统；
- 2、AI 对存储吞吐有非常高的要求，本岗位需要面向AI场景将存储带宽做到物理极限，同时大幅降低成本；
- 3、OLTP 客户对EBS的延迟和长尾要求非常高，在高吞吐的背景下，需要通过流量整形，优先级调度，CPU网络的强隔离，微观时间片上的均匀化等技术来有效控制系统的延迟。
- 1、精通分布式存储理论；
- 2、对Linux内核，IO 协议栈，NVMe 协议有深入的了解和实践；
- 3、熟悉网络编程，对多路复用，RDMA 技术有较好的实践；
- 4、熟悉DPU，智能网卡，硬件卸载是加分项；
- 5、在FAST/OSDI等顶会发表存储相关论文，有参与Ceph、JuiceFS、Alluxio等开源项目核心模块开发经验；
- 6、对AI有浓厚的兴趣，积极学习和应用各种AI工具，熟悉AI场景对存储的需求；
- 7、学习能力强，有技术热情，有较强的问题分析和技术攻关能力、良好的工程能力，能写出高质量的代码。善于沟通合作，以结果为导向，推动跨团队项目合作。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 数据 岗位的常见面试问题整理
请解释数据仓库的星型模型和雪花模型的区别
查看答题思路
1. 星型：事实表在中间，维度表直接关联，维度表非规范化（有冗余） 2. 雪花：维度表进一步规范化，减少冗余但增加 join 次数 3. 选择：星型查询快（join 少），雪花存储省，一般生产用星型更多
如何设计一个埋点体系来追踪用户行为
查看答题思路
1. 确定业务目标：留存/转化/活跃 2. 定义事件：页面浏览/点击/曝光/转化，每个事件带属性 3. 技术栈：前端 SDK 上报 → Kafka → Flink 实时清洗 → ClickHouse/Hive 存储 4. 数据分层：ODS（原始）→ DWD（明细）→ DWS（汇总）→ ADS（应用） 5. 质量：埋点测试 + 数据校验 + 异常告警
SQL：有一个用户登录表 user_login(user_id, login_date)，查询连续登录超过 7 天的用户
查看答题思路
1. 思路：用 login_date 减去排名序号（ROW_NUMBER），同组连续日期差值相同 2. 关键 SQL：SELECT user_id, login_date-ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS grp 3. GROUP BY user_id, grp HAVING COUNT(*) >= 7 4. 强调：理解窗口函数和连续性问题的一般解法
你做过最有价值的数据分析项目是什么
查看答题思路
1. 业务背景：分析什么、为什么重要 2. 数据来源和量级 3. 分析方法：用了什么模型/统计方法 4. 核心发现：一句话说清洞察 5. 业务影响：做了什么决策、带来了什么改变（用数字）
解释 A/B 测试的原理和常见陷阱
查看答题思路
1. 原理：分流用户到对照组和实验组，对比核心指标差异 2. 统计基础：假设检验，p<0.05 表示差异显著 3. 陷阱：样本量不足、运行时间太短（未覆盖周期波动）、多重比较（同时做多组 A/B 需修正显著性水平） 4. 指标选择：北极星指标优先，避免虚荣指标
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。