1. 高性能数据引擎开发：设计并实现针对海量显微图像、能谱数据的高性能存储方案（如基于 HDF5, Zarr 或分布式文件系统），优化 I/O 性能以应对 TB 级数据的瞬时吞吐。
2. 分布式计算流水线（Pipeline）：构建并维护高可用的异步任务调度系统，将图像预处理、分割、定量分析算法集成到分布式计算集群中。
3. 数据 API 与中间件设计：为前端可视化工具和算法研究员提供高性能、低延迟的数据访问接口（gRPC/REST），支持多维数据的切片、聚合与流式传输。
4. 系统性能调优：针对科学计算场景，进行深度性能剖析（Profiling），优化内存管理、网络传输及多线程并发模型，减少数据处理时延。
5. 工程化规范建设：主导数据平台的架构演进，引入容器化（Docker/K8s）、CI/CD 及监控报警体系，确保仪器在 7x24 小时运行下的系统稳定性。
1. 教育背景：计算机科学、软件工程或相关专业硕士及以上学历。
2. 精通后端语言：精通 Python（FastAPI/Celery/Asyncio）或 Go/C++，具有扎实的底层开发功底。
3. 大规模存储经验：熟悉 NoSQL（MongoDB, Cassandra）与对象存储，必须有处理大文件或非结构化科学数据（如 TIFF, HDF5, NetCDF）的实战经验。
4. 消息队列与并行调度：熟练使用 Redis, RabbitMQ 或 Kafka 进行任务解耦，熟悉分布式任务框架（如 Ray, Dask 或 Airflow）。
5. 高性能架构：理解 Linux 内核 I/O 模型，熟悉内存映射（mmap）、零拷贝技术或 GPU 并行数据交换者优先。