Data Engineer

Ищем инженера данных с сильными компетенциями архитектора данных и баз данных, который сможет взять на себя планирование и проведение внедрения инструментов хранения и обработки данных. Важно иметь подтвержденный опыт работы технологическим стеком проекта (Postgres, MSSQL, Kafka, Flink, Airflow, Iceberg, Trino/StarRocks), уметь проектировать целевую архитектуру хранилищ, анализировать потоки данных и выбирать релевантный инструментарий. Критичны навыки работы с современными data-инструментами, опыт проектирования пайплайнов, обеспечения качества данных и уверенное владение Python для написания DAG, кастомных операторов и интеграций. 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: практический опыт поиска и устранения 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.