锦鲤求职岗位描述
【岗位定位】
Engineering & Architecture 是 Shopee SRA（Search / Recommendation / Ads）部门的基础工程团队，负责支撑搜广推核心链路的统一基础设施与工程平台。团队覆盖排序与特征处理、特征存储、召回检索、离线引擎、工程效能、质量保障等方向，长期服务亿级用户规模下的在线检索、排序、特征、样本、索引与研发流程。
特征存储引擎（Feature Storage Engine, FSE）团队负责 SRA 的基础特征存储引擎，统一承载线上 rank 打分及各业务场景所需的特征数据，是业界请求量最大的线上存储系统之一，每天为 Shopee 数十亿级的搜索与推荐请求提供高性能、高可用的特征读写服务。在跨境/本地多市场、全球多活的复杂场景下，团队需要在极高资源利用率的约束下，持续解决海量特征的低延迟在线服务、存储成本、稳定性与一致性等核心问题，支撑机器学习算法的持续演进与特征体系的快速迭代。
我们正在为 FSE 团队寻找一位负责人。这个岗位需要在带领团队、定义技术路线的同时，深入特征存储引擎的核心架构，推动系统在性能、成本、稳定性和演进能力上的持续突破，并与搜索、推荐、广告、算法、工程等团队紧密协同，让特征存储能力在 SRA 复杂工程场景中持续放大价值。
【岗位职责】
负责 FSE 团队的目标设定、技术规划与团队建设，对特征存储系统的稳定性、性能、成本和交付结果负责。
主导特征存储引擎的整体架构设计与长期技术路线，推动系统在高并发、低延迟、高可用和高资源利用率上的持续演进。
带领团队建设 SRA 基础特征存储引擎的核心能力，支持 KV、KKV、Table、序列、计数器等多种数据类型，并针对不同业务使用场景做深度优化。
在数据规模庞大、访问量庞大、延迟要求严苛的约束下，支持特征数据的流式更新、批量构建与批流一体，解决海量特征的在线存储、读写优化、压缩、缓存与一致性等核心问题。
面向电商搜索与推荐场景，打造支持全球多活、高可用、极高资源利用率的业界先进存储产品。
面向机器学习场景打造在线特征存储服务，对接训练 / 推理链路，支撑算法的持续演进与特征体系的快速迭代。
面向生成式模型技术的演进，针对超长序列特征的存储与在线读取做专项优化，支撑生成式推荐等新场景。
主导从问题定义、方案设计到规模化落地与长期运营的完整闭环，跨团队（搜索、推荐、广告、算法、工程）协同与对齐。
负责团队人才的招聘、培养与梯队建设，营造高标准的技术氛围。
【岗位要求】
计算机或相关专业本科及以上学历，6 年以上后端 / 存储 / 基础设施相关研发经验，有主导复杂存储或数据密集型系统设计、落地和长期运营的经历。
具备很好的技术判断、owner 意识和跨团队推动力，能带领团队定义技术方向、拆解技术路线并推动落地，在不确定场景下推动共识。
有数据密集型系统的开发与优化经验，扎实的计算机体系结构功底，良好的 C/C++ 编程功底。
深入理解分布式计算与存储的关键问题与主流架构，能够处理高并发、低延迟、可靠性、可观测性、性能、成本和稳定性等存储系统基础问题。
深入理解 KV / LSM-Tree 存储引擎的原理与实现，熟悉读写路径、Compaction、缓存、压缩、索引等关键机制；熟悉存储引擎相关技术与业界生态。
具备在线高并发、低延迟服务的技术背景，熟悉高性能服务端架构与并发模型。
具备较强的自我驱动力与抗压能力，乐于接受有挑战性的工作并持续追求技术与业务突破。
【加分项】
有特征平台、机器学习平台、在线特征服务或 ML 数据链路相关经验。
有 RocksDB、BRPC 等基础库的深入了解或二次开发经验，或向量检索、列式 / 时序存储等方向经验。
有大规模、高吞吐在线系统的架构与稳定性建设经验。
有全球多活、跨地域容灾或极致资源利用率优化的实战经验。
有团队管理或人才梯队建设经验。
有开源项目、内部技术社区或跨团队平台推广经验。