Описание вакансии
Коротко о роли- Разработка Data Pipelines: проектирование и реализация ETL/ELT-пайплайнов: построение DAG в Apache Airflow, написание кастомных операторов и сенсоров на Python, настройка ретраев, алертинга и зависимостей. - Стриминг и батч-обработка: разработка стриминговых джоб на Apache Flink и батч-процессинга на Apache Spark.
Задачи:
— Разработка Data Pipelines: проектирование и реализация ETL/ELT-пайплайнов, построение DAG в Apache Airflow, написание кастомных операторов и сенсоров на Python, настройка ретраев, алертинга и зависимостей.
— Стриминг и батч-обработка: разработка стриминговых джоб на Apache Flink и батч-процессинга на Apache Spark.
— Оптимизация производительности: поиск и устранение узких мест, оптимизация медленных SQL-запросов (анализ execution plans, индексы, партиционирование), тюнинг конфигурации движков обработки (Flink, Spark) и баз данных для минимизации потребления ресурсов (CPU, RAM, I/O).
— Обеспечение качества данных: организация тестирования трансформаций данных, внедрение механизмов проверки целостности и актуальности данных, реализация процессов нормализации и дедупликации.
— Интеграции: разработка и поддержка интеграций между системами: REST/gRPC API, базы данных, message brokers (Kafka, MQTT), файловые хранилища (S3), Timeseries DB.
— Взаимодействие с разработчиками и тестировщиками для уточнения технических ограничений и требований.
Требования:
— Опыт работы на позиции Data Engineer от 4 лет в сфере разработки ПО.
— Опыт работы с Postgres и MSSQL.
— Опыт настройки и оптимизации OLAP-движков (Trino, StarRocks) и современных хранилищ (Cassandra, Redis).
— Практический опыт работы с Apache Airflow (написание DAG, кастомные операторы).
— Опыт использования Apache Kafka (producer/consumer) и Apache Flink (разработка стриминговых джоб, состояние, чекпоинты).
— Опыт работы с Apache Iceberg, понимание архитектуры lakehouse, использование Lakekeeper для управления метаданными, работа с объектным хранилищем S3.
— Опыт реализации Change Data Capture паттернов для синхронизации данных между системами.
— Знания в области архитектуры данных и баз данных: понимание принципов нормализации и денормализации, проектирование relational и columnar моделей, стратегии управления данными (lifecycle, retention, versioning).
— Владение Python: написание скриптов, модулей, работа с асинхронностью при необходимости; опыт написания DAG в Apache Airflow, включая кастомные операторы, hooks, sensors.
— Умение профилировать процессы, находить bottlenecks, оптимизировать SQL-запросы и настраивать ресурсы кластеров под нагрузку.
— Опыт организации хранения данных для последующих задач OLAP / OLTP с учетом требований (consistency / integrity).
— Опыт организации обработки данных в рамках задач OLAP / OLTP с применением различных паттернов (batch processing, CDC).
— Понимание ключевых особенностей и сценариев применения различных паттернов организации интеграционных потоков (batch processing, CDC) с учетом их характеристик (3V+).
— Умение структурировать информацию, работать с требованиями, документировать технические решения.
Будет плюсом:
— Опыт работы с Timeseries базами данных (InfluxDB, TimescaleDB, TDengine и др.).
— Глубокий опыт эксплуатации кластеров (Hadoop, YARN, Kubernetes) в production-среде.
— Знание SQL на продвинутом уровне (оптимизация сложных запросов, window functions, CTE).
— Опыт работы с CI/CD для data-пайплайнов.
— Понимание принципов DDD, event-driven архитектуры.
— Опыт работы с Apache NiFi.
Контакты работодателя доступны по кнопке «Откликнуться» после входа.