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 - AI和LakeHouse时代的HTAP查询性能优化研究",
"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": "计算机科学、软件工程或相关专业博士、优异的研究型硕士",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "Stonebraker在SIGMOD上对数据库发展20年进行了回顾：尽管过去二十年间KV、NoSQL、MapReduce等技术多次对SQL系统发起挑战，但其生命力却愈发蓬勃——这种\"\"不断兼并挑战者\"\"的韧性，恰恰印证了关系型数据库在数据管理领域的统治力。\n其根本的底层逻辑是：随着内存容量突破TB级、NVMe SSD延迟进入微秒时代，硬件工艺的指数级跃迁，曾经为性能瓶颈而生的专用数据处理系统（如OLAP、时序数据库）正呈现大一统趋势。\nAI时代，人们比任何时候都更清醒地认识到——数据依然是驱动智能的核心，我们期待对底层研究富有激情的你共同探索数据处理的新范式。\n1 期待你通过创新的方法实现SQL性能在新场景下的数量级的提升，将学术成果发表成CCF-A类论文，可进一步在阿里云落地和贡献给开源社区。\n2 研究方向包括不限于：\n1) 多模态HTAP数据分析性能加速； \n2) SQL在多模态场景下的语义扩展； \n3) 探索SQL执行引擎范式，突破code gen和向量化执行等上一代执行模式；\n4） 针对新硬件设计新的SQL算子和数据结构。",
"requirements_text": "1. 对数据分析领域有充分的热情，坚持做solid，可落地的研究；\n2. 计算机科学、软件工程或相关专业博士、优异的研究型硕士；\n3. 扎实的工程能力，有过复杂系统的调优经验。\n加分项：\n1. 擅长算法和数据结构，在OI/ACM比赛中获得过突出成绩；\n2. 在数据库和系统领域发表过论文，包括不限于SIGMOD、VLDB、ICDE、 OSDI、 SOSP；\n3. 热衷于开源社区，给开源数据分析产品（DuckDB、Velox、ClickHouse、Apache Doris等）贡献过性能优化相关的提交；\n4. 对LLM（训练/推理/领域适配）等重点场景的系统优化或前沿算法有深入务实的经验。",
"skills": [AI生成
"ClickHouse",
"数据结构",
"数据库",
"数据分析",
"性能优化"
],
"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/199903780018?deptCodes="
}
]
},
"posting": {
"posting_id": "199903780018",
"post_date": "2026-03-17",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus-talent.alibaba.com/campus/position/199903780018?deptCodes="
},
"fulltext": "研究型实习生 - AI和LakeHouse时代的HTAP查询性能优化研究\n研究型实习生 - AI和LakeHouse时代的HTAP查询性能优化研究\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\nStonebraker在SIGMOD上对数据库发展20年进行了回顾：尽管过去二十年间KV、NoSQL、MapReduce等技术多次对SQL系统发起挑战，但其生命力却愈发蓬勃——这种\"\"不断兼并挑战者\"\"的韧性，恰恰印证了关系型数据库在数据管理领域的统治力。\n其根本的底层逻辑是：随着内存容量突破TB级、NVMe SSD延迟进入微秒时代，硬件工艺的指数级跃迁，曾经为性能瓶颈而生的专用数据处理系统（如OLAP、时序数据库）正呈现大一统趋势。\nAI时代，人们比任何时候都更清醒地认识到——数据依然是驱动智能的核心，我们期待对底层研究富有激情的你共同探索数据处理的新范式。\n1 期待你通过创新的方法实现SQL性能在新场景下的数量级的提升，将学术成果发表成CCF-A类论文，可进一步在阿里云落地和贡献给开源社区。\n2 研究方向包括不限于：\n1) 多模态HTAP数据分析性能加速； \n2) SQL在多模态场景下的语义扩展； \n3) 探索SQL执行引擎范式，突破code gen和向量化执行等上一代执行模式；\n4） 针对新硬件设计新的SQL算子和数据结构。\n\n职位要求\n1. 对数据分析领域有充分的热情，坚持做solid，可落地的研究；\n2. 计算机科学、软件工程或相关专业博士、优异的研究型硕士；\n3. 扎实的工程能力，有过复杂系统的调优经验。\n加分项：\n1. 擅长算法和数据结构，在OI/ACM比赛中获得过突出成绩；\n2. 在数据库和系统领域发表过论文，包括不限于SIGMOD、VLDB、ICDE、 OSDI、 SOSP；\n3. 热衷于开源社区，给开源数据分析产品（DuckDB、Velox、ClickHouse、Apache Doris等）贡献过性能优化相关的提交；\n4. 对LLM（训练/推理/领域适配）等重点场景的系统优化或前沿算法有深入务实的经验。\n\n在招业务\n阿里云\nStonebraker在SIGMOD上对数据库发展20年进行了回顾：尽管过去二十年间KV、NoSQL、MapReduce等技术多次对SQL系统发起挑战，但其生命力却愈发蓬勃——这种\"\"不断兼并挑战者\"\"的韧性，恰恰印证了关系型数据库在数据管理领域的统治力。\n其根本的底层逻辑是：随着内存容量突破TB级、NVMe SSD延迟进入微秒时代，硬件工艺的指数级跃迁，曾经为性能瓶颈而生的专用数据处理系统（如OLAP、时序数据库）正呈现大一统趋势。\nAI时代，人们比任何时候都更清醒地认识到——数据依然是驱动智能的核心，我们期待对底层研究富有激情的你共同探索数据处理的新范式。\n1 期待你通过创新的方法实现SQL性能在新场景下的数量级的提升，将学术成果发表成CCF-A类论文，可进一步在阿里云落地和贡献给开源社区。\n2 研究方向包括不限于：\n1) 多模态HTAP数据分析性能加速； \n2) SQL在多模态场景下的语义扩展； \n3) 探索SQL执行引擎范式，突破code gen和向量化执行等上一代执行模式；\n4） 针对新硬件设计新的SQL算子和数据结构。\n1. 对数据分析领域有充分的热情，坚持做solid，可落地的研究；\n2. 计算机科学、软件工程或相关专业博士、优异的研究型硕士；\n3. 扎实的工程能力，有过复杂系统的调优经验。\n加分项：\n1. 擅长算法和数据结构，在OI/ACM比赛中获得过突出成绩；\n2. 在数据库和系统领域发表过论文，包括不限于SIGMOD、VLDB、ICDE、 OSDI、 SOSP；\n3. 热衷于开源社区，给开源数据分析产品（DuckDB、Velox、ClickHouse、Apache Doris等）贡献过性能优化相关的提交；\n4. 对LLM（训练/推理/领域适配）等重点场景的系统优化或前沿算法有深入务实的经验。",
"standard_classification": {
"std_category_code": "T019",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}