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": "PostgreSQL 资深数据库架构师（J100946）",
"job_level": "高级",AI生成
"work_category": "全职",AI生成
"department": "ACG",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"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": "-主导 PostgreSQL 内核级功能设计与优化\n-针对 AI/ML 工作负载（如向量检索、批量推理数据加载、实时特征存储）优化 PG 查询引擎与存储层\n-支持扩展如 pgvector、lantern、pg_embedding 等向量插件的深度集成与性能调优\n-构建下一代云原生 PG 架构（对标 Neon、Supabase）\n-设计并实现 计算与存储分离架构，支持秒级弹性扩缩容、按需计费、多租户隔离\n-实现 数据库分支（Branching）能力，支持开发/测试/CI 场景下的瞬时克隆与版本管理\n-构建基于对象存储（如 S3）或分布式日志（如 WAL-on-S3）的持久化层，保障低成本与高可用\n-打造 AI-Ready 数据库服务\n-为 LLM 应用提供原生支持：高效存储上下文、对话历史、向量索引与元数据联合查询\n-与 AI 平台（如 ModelScope、PAI、SageMaker）深度集成，提供“数据库即特征仓库”能力\n-探索在数据库内运行轻量级推理（In-Database ML）或 UDF 扩展（如 Python/Rust UDF）\n-高可用、智能运维与自治增强（延续并升级）\n-结合 AIOps 实现自动索引推荐、参数调优、异常根因分析\n-支持 Serverless 模式下的冷启动优化、连接池代理、请求级资源隔离\n-技术前瞻与生态引领\n-跟踪 Neon、Tembo、Supabase、FerretDB 等新兴 PG 生态的技术路线\n-推动开源协同，探索将内部创新回馈社区（如开源分支管理、WAL 分离组件等）",
"requirements_text": "-必备条件（Must-have）\n-深厚的 PostgreSQL 内核功底\n-熟悉 PG 源码（v12+），有内核模块开发经验（如自定义 AM、Hook、WAL 重放逻辑）\n-理解 MVCC、WAL、复制槽、逻辑解码等机制，能针对云环境重构关键路径\n-云原生数据库实战经验\n-有存算分离、共享存储、无服务器（Serverless）数据库架构设计或开发经验\n-熟悉 Neon、Aurora、PolarDB、CockroachDB、Vitess 等系统者优先\n-掌握 Kubernetes Operator、Sidecar 模式、Service Mesh 在数据库控制面的应用\n-AI/向量场景理解与工程落地能力\n-了解向量数据库基本原理（HNSW、IVFFlat）、PG 向量扩展生态\n-有为 AI 应用构建数据管道、特征存储或实时检索系统的经验\n-系统工程与性能调优能力\n-精通 C/Rust，熟悉 Linux I/O 栈、eBPF、io_uring、RDMA 等底层技术\n-能在百万 QPS 或 PB 级数据下定位瓶颈并设计可扩展方案\n-加分项（Nice-to-have）\n-深入研究过 Neon 的架构（Pageserver + Safekeeper + Compute 分离模型）并有复现或改进经验\n-参与过开源向量数据库（如 Weaviate、Qdrant）或 PG 扩展项目\n-熟悉数据库与 LangChain/LlamaIndex 等 AI 框架的集成模式\n-有 Serverless 平台（如 AWS Lambda、阿里云 FC）与数据库协同调度经验\n-在 GitHub 或社区发布过 PG 相关工具、Benchmark 或 RFC",
"skills": [AI生成
"Rust",
"PostgreSQL",
"Linux",
"Kubernetes",
"数据库",
"性能调优",
"架构设计"
],
"preferred_qualifications": "熟悉 Neon、Aurora、PolarDB、CockroachDB、Vitess 等系统者优先；加分项（Nice-to-have）",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/SOCIAL/267b740f-6083-484a-a658-b7ed828068d6"
}
]
},
"posting": {
"posting_id": "267b740f-6083-484a-a658-b7ed828068d6",
"post_date": "2026-06-17",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/SOCIAL/267b740f-6083-484a-a658-b7ed828068d6"
},
"fulltext": "PostgreSQL 资深数据库架构师（J100946）\nPostgreSQL 资深数据库架构师（J100946）\n\n基础信息\n部门：ACG\n地点：北京市\n类别：技术\n招聘人数：1\n发布时间：2026-07-21\n\n工作职责\n-主导 PostgreSQL 内核级功能设计与优化\n-针对 AI/ML 工作负载（如向量检索、批量推理数据加载、实时特征存储）优化 PG 查询引擎与存储层\n-支持扩展如 pgvector、lantern、pg_embedding 等向量插件的深度集成与性能调优\n-构建下一代云原生 PG 架构（对标 Neon、Supabase）\n-设计并实现 计算与存储分离架构，支持秒级弹性扩缩容、按需计费、多租户隔离\n-实现 数据库分支（Branching）能力，支持开发/测试/CI 场景下的瞬时克隆与版本管理\n-构建基于对象存储（如 S3）或分布式日志（如 WAL-on-S3）的持久化层，保障低成本与高可用\n-打造 AI-Ready 数据库服务\n-为 LLM 应用提供原生支持：高效存储上下文、对话历史、向量索引与元数据联合查询\n-与 AI 平台（如 ModelScope、PAI、SageMaker）深度集成，提供“数据库即特征仓库”能力\n-探索在数据库内运行轻量级推理（In-Database ML）或 UDF 扩展（如 Python/Rust UDF）\n-高可用、智能运维与自治增强（延续并升级）\n-结合 AIOps 实现自动索引推荐、参数调优、异常根因分析\n-支持 Serverless 模式下的冷启动优化、连接池代理、请求级资源隔离\n-技术前瞻与生态引领\n-跟踪 Neon、Tembo、Supabase、FerretDB 等新兴 PG 生态的技术路线\n-推动开源协同，探索将内部创新回馈社区（如开源分支管理、WAL 分离组件等）\n\n职责要求\n-必备条件（Must-have）\n-深厚的 PostgreSQL 内核功底\n-熟悉 PG 源码（v12+），有内核模块开发经验（如自定义 AM、Hook、WAL 重放逻辑）\n-理解 MVCC、WAL、复制槽、逻辑解码等机制，能针对云环境重构关键路径\n-云原生数据库实战经验\n-有存算分离、共享存储、无服务器（Serverless）数据库架构设计或开发经验\n-熟悉 Neon、Aurora、PolarDB、CockroachDB、Vitess 等系统者优先\n-掌握 Kubernetes Operator、Sidecar 模式、Service Mesh 在数据库控制面的应用\n-AI/向量场景理解与工程落地能力\n-了解向量数据库基本原理（HNSW、IVFFlat）、PG 向量扩展生态\n-有为 AI 应用构建数据管道、特征存储或实时检索系统的经验\n-系统工程与性能调优能力\n-精通 C/Rust，熟悉 Linux I/O 栈、eBPF、io_uring、RDMA 等底层技术\n-能在百万 QPS 或 PB 级数据下定位瓶颈并设计可扩展方案\n-加分项（Nice-to-have）\n-深入研究过 Neon 的架构（Pageserver + Safekeeper + Compute 分离模型）并有复现或改进经验\n-参与过开源向量数据库（如 Weaviate、Qdrant）或 PG 扩展项目\n-熟悉数据库与 LangChain/LlamaIndex 等 AI 框架的集成模式\n-有 Serverless 平台（如 AWS Lambda、阿里云 FC）与数据库协同调度经验\n-在 GitHub 或社区发布过 PG 相关工具、Benchmark 或 RFC\n-主导 PostgreSQL 内核级功能设计与优化\n-针对 AI/ML 工作负载（如向量检索、批量推理数据加载、实时特征存储）优化 PG 查询引擎与存储层\n-支持扩展如 pgvector、lantern、pg_embedding 等向量插件的深度集成与性能调优\n-构建下一代云原生 PG 架构（对标 Neon、Supabase）\n-设计并实现 计算与存储分离架构，支持秒级弹性扩缩容、按需计费、多租户隔离\n-实现 数据库分支（Branching）能力，支持开发/测试/CI 场景下的瞬时克隆与版本管理\n-构建基于对象存储（如 S3）或分布式日志（如 WAL-on-S3）的持久化层，保障低成本与高可用\n-打造 AI-Ready 数据库服务\n-为 LLM 应用提供原生支持：高效存储上下文、对话历史、向量索引与元数据联合查询\n-与 AI 平台（如 ModelScope、PAI、SageMaker）深度集成，提供“数据库即特征仓库”能力\n-探索在数据库内运行轻量级推理（In-Database ML）或 UDF 扩展（如 Python/Rust UDF）\n-高可用、智能运维与自治增强（延续并升级）\n-结合 AIOps 实现自动索引推荐、参数调优、异常根因分析\n-支持 Serverless 模式下的冷启动优化、连接池代理、请求级资源隔离\n-技术前瞻与生态引领\n-跟踪 Neon、Tembo、Supabase、FerretDB 等新兴 PG 生态的技术路线\n-推动开源协同，探索将内部创新回馈社区（如开源分支管理、WAL 分离组件等）\n-必备条件（Must-have）\n-深厚的 PostgreSQL 内核功底\n-熟悉 PG 源码（v12+），有内核模块开发经验（如自定义 AM、Hook、WAL 重放逻辑）\n-理解 MVCC、WAL、复制槽、逻辑解码等机制，能针对云环境重构关键路径\n-云原生数据库实战经验\n-有存算分离、共享存储、无服务器（Serverless）数据库架构设计或开发经验\n-熟悉 Neon、Aurora、PolarDB、CockroachDB、Vitess 等系统者优先\n-掌握 Kubernetes Operator、Sidecar 模式、Service Mesh 在数据库控制面的应用\n-AI/向量场景理解与工程落地能力\n-了解向量数据库基本原理（HNSW、IVFFlat）、PG 向量扩展生态\n-有为 AI 应用构建数据管道、特征存储或实时检索系统的经验\n-系统工程与性能调优能力\n-精通 C/Rust，熟悉 Linux I/O 栈、eBPF、io_uring、RDMA 等底层技术\n-能在百万 QPS 或 PB 级数据下定位瓶颈并设计可扩展方案\n-加分项（Nice-to-have）\n-深入研究过 Neon 的架构（Pageserver + Safekeeper + Compute 分离模型）并有复现或改进经验\n-参与过开源向量数据库（如 Weaviate、Qdrant）或 PG 扩展项目\n-熟悉数据库与 LangChain/LlamaIndex 等 AI 框架的集成模式\n-有 Serverless 平台（如 AWS Lambda、阿里云 FC）与数据库协同调度经验\n-在 GitHub 或社区发布过 PG 相关工具、Benchmark 或 RFC",
"standard_classification": {
"std_category_code": "T019",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}