AI & Data Dreamers練功房
寶箱片場規則
資料工程師 資料分析師 資料科學家 機器學習工程師 AI 應用工程師 後端工程師 FDE/解決方案工程師 架構師 Tech Leader AI 產品經理
Software/Data Architect・職位指南

架構師

把需求翻成系統設計:先問量級,再找瓶頸,最後才選工具;設計出來的系統,之後還有人維護得動。

自評進度
登入後記進度
FIT・適合誰
  • 寫程式時會想:這個架構未來能維護嗎?出錯時,知道問題在哪裡嗎?
  • 選工具前習慣先想使用情境、需求和使用者
  • 願意寫設計文件,把為什麼選這個、不選那個寫下來給別人看
DUTIES・職責

每天在做什麼

  • 需求轉設計:問出量級(一天多少筆、尖峰一秒多少筆、存多久、多少人同時查),畫出服務與資料的架構圖
  • 技術選型:依使用情境、需求和使用者比較幾個方案,寫下選用與不選用的理由
  • 訂資料與介面的契約:Schema、API 規格、資料定義;Schema 要改時先通知相關團隊,避免影響既有系統
  • 訂可維護與可觀測的標準:命名規則、版本控制與 CI/CD、監控與警報
  • 審查各團隊的設計與重大變更,評估擴充、成本與風險
SKILLS・技能

必備

  • 技能樹門檻:系統設計 ③+需求與簡報 ②,選修擇一:管線與排程 ③/API 與服務 ③/LLM 應用 ③
  • 系統設計:量級估算、找瓶頸(索引、巢狀查詢、JOIN)、修法由小到大(改查詢、加索引、分區、讀寫分離)、快取與佇列
  • 資料架構:資料倉儲建模、分區與累積表、Data Lineage(資料從哪來、經過哪些處理、被哪些報表或模型使用)
  • 選型判斷:SQL 與 NoSQL;Spark、Snowflake、BigQuery 各適合哪個量級、維運成本多少
  • 需求與簡報:同一份設計,講給工程師聽,也講給主管聽

加分

  • 雲端架構:AWS/GCP 的網路、權限與成本估算
  • 可觀測性:監控、Log、Metrics,讓出錯時找得到是哪一段
  • 資安與治理:權限邊界、去識別化、資料保存期限
  • AI 系統的架構:檢索資料的更新管線、模型呼叫的成本與降級
INTERVIEW・面試準備

會被問什麼

  1. 系統設計題:給一個需求,先問量級再畫架構,說明擴充性與可維護性、分區策略、監控與資料品質驗證
  2. 選型題:為什麼選這個資料庫或工具、不選另一個;量級變成十倍時先改哪裡
  3. 效能題:系統變慢了,你怎麼找瓶頸、修法依什麼順序試
  4. 經驗題:講一個你做過的架構決策——當時的限制、有哪些選項、後來的結果
  5. 溝通題:團隊對設計有不同意見,你怎麼收斂、怎麼寫成文件
NEIGHBORS・相鄰職位邊界

和誰容易搞混

後端工程師

後端做久了常往這裡走:從寫好一個服務,變成決定多個服務怎麼分工、怎麼擴充。

資料工程師

資料工程師往資料架構師走:從寫管線,變成決定資料怎麼流、怎麼建模、怎麼讓企業相信這份資料。

Tech Leader

架構師管系統的設計決策;Tech Leader 管人和交付。小團隊裡常是同一個人。

解決方案架構師/售前工程師

偏客戶提案與方案設計;架構師多半對內,對自家系統的長期維護負責。

HEADHUNTER・與獵頭合作

怎麼跟獵頭談

  • 職稱很分散:系統架構師、資料架構師、雲端架構師、平台架構師、Staff Engineer,用技能關鍵字搜比用職稱搜準
  • 履歷寫設計決策與結果:系統規模、改了哪段架構、延遲或成本變化多少
  • 問清楚職缺還寫不寫程式;只畫圖和要自己寫一部分,每天的工作差很多
  • 問現有系統的狀況:從零設計、遷移上雲,還是整理既有架構,要的人不同
READ・延伸閱讀

這份指南整理自 Dex 的文章