主分类：云基础设施与系统软件研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "实时计算引擎研发工程师（深圳/上海/杭州/北京）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "TEG",
"location": "深圳",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "腾讯",
"company_industry": "互联网 / 科技 / 人工智能",
"company_size": "10000人以上",
"company_website": "tencent.com",
"company_description": "腾讯是一家互联网和科技公司，业务覆盖通信与社交、数字内容、游戏、金融科技、企业服务、云计算与人工智能等方向。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "未披露",
"language": "具备优秀的英文读写能力，便于跟进开源社区并参与全球协作",AI生成
"visa_support": "未披露",
"responsibilities": "1.Apache Flink 内核优化与二次开发：基于 Runtime、State、Checkpoint 等核心机制做深度优化与二次开发，面向高吞吐、低延迟、大状态、长周期作业专项优化，解决资源瓶颈、反压、数据倾斜、状态失效、重启抖动、延迟波动等线上核心问题；\r\n2.面向超大规模计算能力攻坚：面向超大规模实时数据接入与计算，持续优化横向 / 纵向扩缩容、零断流、热更新、超大 Checkpoint / State 等核心技术，负责引擎运行时与状态管理方向的架构演进与专项优化；\r\n3.多样化接入和 Agent适配：让引擎以 SQL / API / Python SDK / AI Agent / Skill 调用等多种形态被使用，探索并落地 LLM、AI Agent 在引擎中的智能化能力，提供稳定、高效的实时计算融合体验；\r\n4.前沿技术预研、社区贡献与团队赋能：跟进批流一体、增量 Checkpoint、状态 TTL、自适应调度、流式 OLAP 等前沿技术；参与 Apache Flink 社区核心研发并与全球社区共同推进 Flink 新技术方向；输出架构文档、调优规范、故障治理手册，指导初级工程师。",
"requirements_text": "1.扎实的计算机理论基础（数据结构、算法、网络、操作系统），深入理解 SQL 优化原理、执行模型、代码生成、状态优化等大数据计算引擎核心机制；3 年以上大数据计算引擎 / 数据库内核 / 分布式系统研发经验；\r\n2.熟悉 Flink / Spark / Calcite 等开源框架，有开源项目贡献或在优化器、大数据计算方向具备实际经验者优先；精读过 Flink 源码者优先；\r\n3.精通 Java，具备优秀的工程质量意识、性能优化能力与系统设计能力；扎实的 JVM、调优、并发、Netty / NIO 网络等底层功底；\r\n4.熟悉 LLM、RAG、AI Agent 等框架与主流 Agent / Skill 范式，有 Data + AI 数据融合处理经验者优先；对让数据引擎被多种形态使用（SQL / Python / Agent 等）有经验或强烈兴趣；\r\n5.良好的沟通能力、自驱力与跨团队协作能力，能在多团队环境中推动复杂技术方案落地；具备优秀的英文读写能力，便于跟进开源社区并参与全球协作；\r\n6.加分项；\r\n7.Apache Flink / Calcite 等社区 PMC / Committer / Contributor；\r\n8.超大规模实时计算集群实战经验（千台级节点 / 万级作业 / TB 级状态 / 高吞吐 QPS）；\r\n9.流式 OLAP、自适应调度、新一代 State Backend / Lake Format 融合等方向的预研或落地经验。",
"skills": [AI生成
"Python",
"Java",
"SQL",
"Spark",
"Flink",
"数据结构",
"分布式系统",
"数据库",
"性能优化",
"团队协作",
"沟通能力",
"大语言模型",
"检索增强生成",
"智能体开发"
],
"preferred_qualifications": "2.熟悉 Flink / Spark / Calcite 等开源框架，有开源项目贡献或在优化器、大数据计算方向具备实际经验者优先；精读过 Flink 源码者优先；4.熟悉 LLM、RAG、AI Agent 等框架与主流 Agent / Skill 范式，有 Data + AI 数据融合处理经验者优先；6.加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2090699892921118720"
}
]
},
"posting": {
"posting_id": "2090699892921118720",
"post_date": "2026-08-21",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2090699892921118720"
},
"fulltext": "实时计算引擎研发工程师（深圳/上海/杭州/北京）\n在腾讯，后台开发工程师不仅是“又快又稳”的问题解决专家，更是生态共创者。你将与技术团队一同沉淀优质代码，让它成为我们共有的宝贵资产。在不同的业务场景和技术发展阶段，你的架构思维也将帮助更多协作团队拓展新的思考。我们也珍视你的挑战精神，同时欢迎你一起参与团队愿景、文化和产品方向的探讨。\n1.Apache Flink 内核优化与二次开发：基于 Runtime、State、Checkpoint 等核心机制做深度优化与二次开发，面向高吞吐、低延迟、大状态、长周期作业专项优化，解决资源瓶颈、反压、数据倾斜、状态失效、重启抖动、延迟波动等线上核心问题；\r\n2.面向超大规模计算能力攻坚：面向超大规模实时数据接入与计算，持续优化横向 / 纵向扩缩容、零断流、热更新、超大 Checkpoint / State 等核心技术，负责引擎运行时与状态管理方向的架构演进与专项优化；\r\n3.多样化接入和 Agent适配：让引擎以 SQL / API / Python SDK / AI Agent / Skill 调用等多种形态被使用，探索并落地 LLM、AI Agent 在引擎中的智能化能力，提供稳定、高效的实时计算融合体验；\r\n4.前沿技术预研、社区贡献与团队赋能：跟进批流一体、增量 Checkpoint、状态 TTL、自适应调度、流式 OLAP 等前沿技术；参与 Apache Flink 社区核心研发并与全球社区共同推进 Flink 新技术方向；输出架构文档、调优规范、故障治理手册，指导初级工程师。\n1.扎实的计算机理论基础（数据结构、算法、网络、操作系统），深入理解 SQL 优化原理、执行模型、代码生成、状态优化等大数据计算引擎核心机制；3 年以上大数据计算引擎 / 数据库内核 / 分布式系统研发经验；\r\n2.熟悉 Flink / Spark / Calcite 等开源框架，有开源项目贡献或在优化器、大数据计算方向具备实际经验者优先；精读过 Flink 源码者优先；\r\n3.精通 Java，具备优秀的工程质量意识、性能优化能力与系统设计能力；扎实的 JVM、调优、并发、Netty / NIO 网络等底层功底；\r\n4.熟悉 LLM、RAG、AI Agent 等框架与主流 Agent / Skill 范式，有 Data + AI 数据融合处理经验者优先；对让数据引擎被多种形态使用（SQL / Python / Agent 等）有经验或强烈兴趣；\r\n5.良好的沟通能力、自驱力与跨团队协作能力，能在多团队环境中推动复杂技术方案落地；具备优秀的英文读写能力，便于跟进开源社区并参与全球协作；\r\n6.加分项；\r\n7.Apache Flink / Calcite 等社区 PMC / Committer / Contributor；\r\n8.超大规模实时计算集群实战经验（千台级节点 / 万级作业 / TB 级状态 / 高吞吐 QPS）；\r\n9.流式 OLAP、自适应调度、新一代 State Backend / Lake Format 融合等方向的预研或落地经验。",
"standard_classification": {
"std_category_code": "T018",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}