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 - 面向AI场景下的数据库资源优化",
"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": "面向AI场景下数据库资源优化系统研发，具体职责包括：\n1.设计基于深度强化学习（DRL）的CPU/GPU混合负载调度框架，构建基于负载管理器、资源调度器的动态资源分配模型，实现资源利用率与服务质量（QoS）的联合优化；\n2.研发“资源预热+缓存预热+计算编排”混合架构，通过热点数据预测模型、计算节点池化技术及数据预热机制，突破对象存储（OSS）水平弹性的性能瓶颈；\n3.基于Neon分支技术改进动态数据隔离机制，设计多分支场景下的共享数据访问优化策略，在零冗余存储前提下保障租户间、branch间安全隔离，同时提升多分支并发场景下的数据访问吞吐量。",
"requirements_text": "1.扎实的工程能力，优良的编程风格，熟悉JAVA/Python/C++语言和常用设计模式，具备复杂系统的设计开\n发调试能力；\n2.优良的沟通表达能力、团队合作意识和经验；具备快速学习的能力，以及深入钻研技术问题的耐心；\n3.熟悉Kubernets，RAY等开源调度框架；\n加分项：\n1.有突出的学术背景和创新研究能力；\n2.有混合算力优化经验。",
"skills": [AI生成
"Python",
"Java",
"C++",
"团队协作",
"沟通表达"
],
"preferred_qualifications": "加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus-talent.alibaba.com/campus/position/199903780017?deptCodes="
}
]
},
"posting": {
"posting_id": "199903780017",
"post_date": "2026-03-17",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903780017?deptCodes="
},
"fulltext": "研究型实习生 - 面向AI场景下的数据库资源优化\n研究型实习生 - 面向AI场景下的数据库资源优化\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面向AI场景下数据库资源优化系统研发，具体职责包括：\n1.设计基于深度强化学习（DRL）的CPU/GPU混合负载调度框架，构建基于负载管理器、资源调度器的动态资源分配模型，实现资源利用率与服务质量（QoS）的联合优化；\n2.研发“资源预热+缓存预热+计算编排”混合架构，通过热点数据预测模型、计算节点池化技术及数据预热机制，突破对象存储（OSS）水平弹性的性能瓶颈；\n3.基于Neon分支技术改进动态数据隔离机制，设计多分支场景下的共享数据访问优化策略，在零冗余存储前提下保障租户间、branch间安全隔离，同时提升多分支并发场景下的数据访问吞吐量。\n\n职位要求\n1.扎实的工程能力，优良的编程风格，熟悉JAVA/Python/C++语言和常用设计模式，具备复杂系统的设计开\n发调试能力；\n2.优良的沟通表达能力、团队合作意识和经验；具备快速学习的能力，以及深入钻研技术问题的耐心；\n3.熟悉Kubernets，RAY等开源调度框架；\n加分项：\n1.有突出的学术背景和创新研究能力；\n2.有混合算力优化经验。\n\n在招业务\n阿里云\n面向AI场景下数据库资源优化系统研发，具体职责包括：\n1.设计基于深度强化学习（DRL）的CPU/GPU混合负载调度框架，构建基于负载管理器、资源调度器的动态资源分配模型，实现资源利用率与服务质量（QoS）的联合优化；\n2.研发“资源预热+缓存预热+计算编排”混合架构，通过热点数据预测模型、计算节点池化技术及数据预热机制，突破对象存储（OSS）水平弹性的性能瓶颈；\n3.基于Neon分支技术改进动态数据隔离机制，设计多分支场景下的共享数据访问优化策略，在零冗余存储前提下保障租户间、branch间安全隔离，同时提升多分支并发场景下的数据访问吞吐量。\n1.扎实的工程能力，优良的编程风格，熟悉JAVA/Python/C++语言和常用设计模式，具备复杂系统的设计开\n发调试能力；\n2.优良的沟通表达能力、团队合作意识和经验；具备快速学习的能力，以及深入钻研技术问题的耐心；\n3.熟悉Kubernets，RAY等开源调度框架；\n加分项：\n1.有突出的学术背景和创新研究能力；\n2.有混合算力优化经验。",
"standard_classification": {
"std_category_code": "T019",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}