[Skip to main content](#main-content)

[OpenNash Jobs](https://jobs.opennash.com/)
[Hiring report](/reports/hiring/) · [All JD.com jobs](https://jobs.opennash.com/companies/jd/) · [Search jobs](/search/)

JD.com · 北京市-北京市

# 基于分层AI架构的SparkSQL自适应执行优化系统研究

北京市-北京市 Internship or early career 

Listed on JD.com’s official careers site. Posted July 20, 2026. Check that it is still open and apply there.
[Apply on JD.com’s careers site →](https://campus.jd.com/#/details?id=8917)

[OpenNash Jobs](https://jobs.opennash.com/) / [JD.com](https://jobs.opennash.com/companies/jd/) / 基于分层AI架构的SparkSQL自适应执行优化系统研究

## Job description

工作职责
- 研发基于轻量级机器学习模型（如XGBoost等）的编译时智能决策引擎，在优化器关键路径实现低延迟预测性调优。
- 扩展Spark AQE能力，实现数据倾斜自动处理、内存自适应管理与预测性调度等细粒度动态执行计划调整。
- 构建执行结果自动采集与模型在线更新的反馈学习机制，实现自动化迭代闭环。
- 利用大语言模型构建SQL优化知识库与建议生成系统，深度挖掘慢查询日志，沉淀可复用优化策略。
- 推动AI架构引擎在零售核心数仓场景中的规模化落地，达成性能与资源利用率的双重提升及数亿级成本节省。 任职要求
- 计算机科学、软件工程、数据科学或相关领域的本硕博在校生。
- 精通Scala/Java/Python，深入理解Spark SQL内核原理（Catalyst、Tungsten、AQE）与分布式计算架构。
- 在AI for Database、学习型查询优化器、自动数据库调优或机器学习系统等方向具有深入研究与实战经验。
- 熟悉XGBoost/LightGBM等轻量模型，具备将ML模型嵌入生产系统关键路径的能力。
- 熟悉LLM应用框架（如LangChain），或在系统与数据工程方向（如OSDI、SIGMOD、VLDB、ICDE等）有高水平论文发表经历者优先。

## At a glance
- Posted by the employer: Jul 20, 2026
- First seen by OpenNash: Oct 19, 2026
- Last checked: Oct 19, 2026
- Listed for: 91 days
- Location: 北京市-北京市
- Employment type: Internship or early career[Apply on JD.com’s careers site →](https://campus.jd.com/#/details?id=8917)

## More jobs at JD.com

### [3D医疗影像多模态基础大模型研究](https://jobs.opennash.com/companies/jd/jobs/31cea141d3ff4222fc49/)

北京市-北京市

### [3D可控生成与空间智能多模态研究](https://jobs.opennash.com/companies/jd/jobs/9264cfdaab33cfb45f96/)

北京市-北京市

### [AI多模态存储与向量化计算探索研究](https://jobs.opennash.com/companies/jd/jobs/e91a2f3f9d7be9a91867/)

北京市-北京市

### [CodeAI代码大模型全链路与推理优化](https://jobs.opennash.com/companies/jd/jobs/234f9df632b03e4bec55/)

北京市-北京市

OpenNash lists jobs from employers’ own careers sites and does not handle applications.
Dates come from the employer where stated; “first seen” and “last checked” are our own observations.

OpenNash Jobs · Official listings with dates and links to the employer. [Weekly hiring report](/reports/hiring/) · [Methodology](/methodology/)