腾讯
校招新一代AI数据缓存系统课题研究
深圳总部 · 校招 · 2027 届 · 博士
长期有效
任职要求
- 1. 包含但不限于计算机、软件工程、电子工程、高性能计算、人工智能等相关专业的博士和优秀硕士，具备扎实的计算机系统结构、分布式系统、存储、网络等核心领域理论功底
- 2. 具备优秀的系统级编程与工程实现能力，熟练掌握 C/C++/Python 等编程语言，有大规模分布式系统或底层系统软件的研发经验
- 3. 以第一作者身份在 OSDI/SOSP/NSDI/USENIX ATC/EuroSys/MLSys/ISCA/MICRO 等系统、体系结构、AI 系统领域国际顶级会议发表过学术论文的优先
- 4. 有大模型推理系统、KVCache底层优化、分布式存储引擎、RDMA高速网络编程、异构存储系统相关的深度研究或核心研发经验的优先
- 5. 具有优秀的学习能力、分析和解决问题能力、沟通能力、团队合作意识，具有强烈的责任心与主动性
- 此课题同时招聘应届实习生和低年级实习生。
岗位描述
【岗位职责】
课题背景：
随着大模型推理、推荐系统等AI密集型应用的蓬勃发展，对大规模KVCache的需求呈爆发式增长。当前业界大模型普遍向超长上下文、高并发多轮对话服务演进，单节点本地 KVCache 面临不少挑战，无法支撑跨实例缓存复用、弹性扩缩容需求，同时传统存储系统无法适配大模型 KVCache 流式读写、极低时延、高吞吐的特性，导致长上下文推理性能骤降，所以需要研发面向大模型场景的高性能分布式 KVCache加速系统。
课题挑战：
一是极致时延：KV Cache 读写性能会影响推理首包时延与生成流畅度，分布式架构引入的网络传输开销极易抵消缓存收益，需要实现亚微秒级读写响应，同时支撑超高并发QPS。
二是超长上下文下的异构存储分层：超长上下文场景KVCache数据量呈指数级增长，需在显存、内存、远端存储间实现冷热数据识别与无损调度，避免推理流程卡顿。
三是多租户复用与数据一致性：跨实例缓存复用需解决多请求并发读写的强一致性问题，同时保障租户资源隔离与服务可用性。
四是轻量化适配：需兼容主流大模型架构与推理框架，实现极低侵入性接入、弹性部署以及升级。
具体工作：
加入课题后，将参与分布式 KVCache加速系统的架构设计与核心模块开发，完成低时延读写引擎、冷热数据分层、多租户隔离等功能的研发优化，适配主流大模型推理框架，探索高性能硬件在KVCache场景的可行性，提升系统在推理场景的加速效果。
【任职要求】
- 1. 包含但不限于计算机、软件工程、电子工程、高性能计算、人工智能等相关专业的博士和优秀硕士，具备扎实的计算机系统结构、分布式系统、存储、网络等核心领域理论功底
- 2. 具备优秀的系统级编程与工程实现能力，熟练掌握 C/C++/Python 等编程语言，有大规模分布式系统或底层系统软件的研发经验
- 3. 以第一作者身份在 OSDI/SOSP/NSDI/USENIX ATC/EuroSys/MLSys/ISCA/MICRO 等系统、体系结构、AI 系统领域国际顶级会议发表过学术论文的优先
- 4. 有大模型推理系统、KVCache底层优化、分布式存储引擎、RDMA高速网络编程、异构存储系统相关的深度研究或核心研发经验的优先
- 5. 具有优秀的学习能力、分析和解决问题能力、沟通能力、团队合作意识，具有强烈的责任心与主动性
【加分项】
此课题同时招聘应届实习生和低年级实习生。
【技术方向】
AI基础设施、系统与安全
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。