主分类：数据库与存储系统研发
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": "研究型实习生 - 和数据库优化器结合的Session级别SQL优化",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "阿里云",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "目前，随着数据库管理的数据越来越多，关系越来越复杂，数据库系统的性能也面临着很大的挑战。传统上，基于专家经验的优化技术（如代价估计，连接顺序选择，参数调优）已经不能在session级别，快速满足异构数据、海量应用和大规模用户对数据库系统性能的严苛需求。我们需要设计基于机器学习/深度学习的数据库优化技术，使得之前很硬的规则变成随着数据分布、应用查询和人为性能要求而动态变化和取舍的软规则。这样，数据库系统才能更好服务于现代的用户负载。",
"requirements_text": "1、实现的原型系统及源码；\n2、相关技术方案申请专利；\n3、研究成果发表CCF-A类会议或期刊论文。",
"skills": [AI生成
"机器学习",
"深度学习",
"数据库"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903740016?deptCodes="
}
]
},
"posting": {
"posting_id": "199903740016",
"post_date": "2026-03-17",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903740016?deptCodes="
},
"fulltext": "研究型实习生 - 和数据库优化器结合的Session级别SQL优化\n研究型实习生 - 和数据库优化器结合的Session级别SQL优化\n\n基础信息\n毕业起止时间要求：2027-11-01 - 2030-01-01\n职位类别：技术类\n招聘项目：阿里巴巴研究型实习生\n工作地点：杭州\n\n职位描述\n目前，随着数据库管理的数据越来越多，关系越来越复杂，数据库系统的性能也面临着很大的挑战。传统上，基于专家经验的优化技术（如代价估计，连接顺序选择，参数调优）已经不能在session级别，快速满足异构数据、海量应用和大规模用户对数据库系统性能的严苛需求。我们需要设计基于机器学习/深度学习的数据库优化技术，使得之前很硬的规则变成随着数据分布、应用查询和人为性能要求而动态变化和取舍的软规则。这样，数据库系统才能更好服务于现代的用户负载。\n\n职位要求\n1、实现的原型系统及源码；\n2、相关技术方案申请专利；\n3、研究成果发表CCF-A类会议或期刊论文。\n\n在招业务\n阿里云\n目前，随着数据库管理的数据越来越多，关系越来越复杂，数据库系统的性能也面临着很大的挑战。传统上，基于专家经验的优化技术（如代价估计，连接顺序选择，参数调优）已经不能在session级别，快速满足异构数据、海量应用和大规模用户对数据库系统性能的严苛需求。我们需要设计基于机器学习/深度学习的数据库优化技术，使得之前很硬的规则变成随着数据分布、应用查询和人为性能要求而动态变化和取舍的软规则。这样，数据库系统才能更好服务于现代的用户负载。\n1、实现的原型系统及源码；\n2、相关技术方案申请专利；\n3、研究成果发表CCF-A类会议或期刊论文。",
"standard_classification": {
"std_category_code": "T019",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}