1. 岗位能力画像与简历优化模板
本章帮助你建立对数据库内核工程师能力要求的系统认知，掌握简历优化技巧——从关键词布局到成果量化句式，让面试官一眼识别你的核心竞争力。
📋 简历关键词清单
| 维度 | 关键词（建议 3-5 个） | 面试官关注点 |
|---|---|---|
| 存储引擎 | B+树、LSM-Tree、磁盘 I/O、页结构、WAL | 数据结构选型与读写路径 |
| SQL 引擎 | 火山模型、表达式编译、谓词下推、物化、哈希连接 | 查询优化与执行效率 |
| 事务与并发 | MVCC、2PL、乐观锁、死锁检测、隔离级别 | 一致性与隔离实现 |
| 性能调优 | 锁竞争、缓存命中、并行度、MPP、NUMA 感知 | 系统性分析与优化手段 |
| 工程实践 | C++17、gdb、perf、代码审查、版本发布 | 代码质量与调试能力 |
📐 成果量化句式模板
在简历项目描述中，使用「动作 + 指标 + 对比」结构，例如：
- 通过重构查询编译器的谓词下推逻辑，将过滤条件下推比例从 60% 提升至 95%，使全表扫描场景 TP99 延迟降低 40%。
- 采用分区索引 + 预读优化，使批量插入吞吐量从 5K/s 提升至 22K/s，提升 4.4 倍。
- 设计自适应 MVCC 版本链裁剪策略，事务回滚段空间占用减少 70%，同时读快照生成时间下降 55%。
🎯 面试问答卡片
考察点： 自我定位的清晰度、对岗位的认知深度、成果叙述的逻辑性。
回答框架： 拆解 2-3 个核心能力 → 每个能力对应一个项目实例 → 用数据量化结果收尾。
示例回答： “我认为核心是存储引擎、查询优化和事务并发三块。在 TiDB 存储引擎项目中，我独立实现了 B+ 树并发分裂，将写入吞吐提升 30%；同时优化了 MVCC 版本链回收，回滚段空间占用下降 70%。这些让我能快速匹配岗位对内核深度的要求。”
可能追问： 你提到的并发分裂是怎样保证正确性的？
避坑提醒： 避免只谈概念不谈项目；不要只列技能不提成果。
考察点： 项目真实度、技术细节掌握程度、数据来源的可靠性。
回答框架： 背景（瓶颈是什么） → 动作（你做了什么改动） → 结果（对比数据） → 总结（原理）。
示例回答： “背景是组内发现复杂查询计划生成耗时高。我通过 profiling 定位到 Join 顺序枚举是热点，于是改用了基于直方图的选择率估计 + 贪心算法，将枚举空间从 120 种降到 20 种，TPC-H Q5 执行时间从 12s 降到 9.6s，提升 20%。采样数据通过 jenkins 流水线重复验证 5 次取中位数。”
可能追问： 贪心算法可能错过最优计划，你是如何权衡的？
避坑提醒： 避免描述模糊（如“做了优化”）；必须说清楚测量方法和置信度。
考察点： 简历意识、岗位理解、自我反思能力。
回答框架： 指出 2-3 类常见错误 → 每类给出正确做法/示例 → 总结建议。
示例回答： “常见错误：一是只贴关键词不写成果，比如‘熟悉 MVCC’，面试官无法判断深度。正确做法是‘基于 MVCC 实现快照读，读写不冲突，TPS 保持在 8K’。二是量化浮夸，如‘性能大幅提升’。应写‘提升 40%’并附测试条件。三是项目描述全是代码细节，缺少业务价值。建议用 STAR 法，先交代场景再讲技术选择。”
可能追问： 你简历中某处量化数据是真实的吗？如何复现？
避坑提醒： 不要只批评他人而不展示自己的简历优化思路；可以顺便提及自己的简历经过几次迭代。