Data Lakehouse Engineer (удаленная работа)

Вакансия: Data Lakehouse Engineer

Описание вакансии

Ищем сильного инженера для построения и развития Data Lakehouse платформы. Нам нужен человек, который умеет не просто писать пайплайны, а способен спроектировать и построить DLH с нуля: принимать архитектурные решения, выбирать подходы, настраивать и оптимизировать вычислительный слой.

Вам предстоит:

• Проектировать и развивать Data Lakehouse платформу с нуля
• Строить надежную и масштабируемую архитектуру хранения и обработки данных
• Разрабатывать ETL/ELT пайплайны на базе Spark, DBT и Trino
• Глубоко понимать внутреннее устройство Spark и применять это знание для проектирования эффективных пайплайнов, оптимизации вычислений и решения проблем производительности
• Разрабатывать кастомные плагины и компоненты для Spark: источники и форматы данных, listeners, расширения каталога и оптимизатора
• Работать с объектным хранилищем S3 и организовывать эффективную работу с данными в Data Lake
• Развивать слой метаданных и каталогизации данных (Polaris как metastore)
• Управлять инфраструктурой и конфигурацией платформы через GitOps (ArgoCD, Helm)
• Оптимизировать производительность, стоимость вычислений и хранения
• Строить наблюдаемость платформы: метрики, дашборды и алертинг на базе Prometheus, VictoriaMetrics и Grafana
• Взаимодействовать с продуктовой командой, понимать потребности пользователей платформы и развивать DLH как внутренний продукт

Вы нам подходите, если:

• Имеете практический опыт построения Data Lakehouse платформ или крупных Data Platform решений.
• Имеете опыт проектирования DLH с нуля будет большим преимуществом
• Владеете глубоким пониманием архитектуры Spark: execution model, partitioning, memory management, shuffle, оптимизация запросов
• Имеете опыт оптимизации Spark jobs и SQL-запросов
• Владеете хорошим пониманием принципов работы форматов данных и таблиц в Data Lake (Iceberg/Parquet и аналогичных технологий)
• Имеете опыт работы с Trino и понимание принципов распределенного выполнения запросов
• Имеете опыт работы с Airflow и построения сложных data workflows, разработки кастомных операторов, сенсоров, хуков и плагинов
• Опыт работы с Kubernetes и контейнеризированными платформами
• Опыт управления инфраструктурой через GitOps (ArgoCD, Helm)
• Инженерный подход, самостоятельность и способность принимать архитектурные решения
• Продуктовое мышление: способность понимать потребности пользователей платформы и развивать удобный и надежный data-продукт

Будет плюсом, если вы:

• Имеете опыт разработки кастомных плагинов и компонентов для Spark на Scala/Java (не PySpark)
• Имеете опыт построения self-service Data Platform
• Имеете опыт проектирования multi-tenant Data Lakehouse
• Имеете опыт настройки безопасности, governance и управления доступами
• Имеете опыт работы с Iceberg catalog / Polaris
• Имеете опыт оптимизации стоимости вычислений и хранения данных в облаке
• Имеете опыт работы в роли Tech Lead / Lead Data Engineer: принятие технических решений, определение архитектурных подходов и развитие инженерных практик
• Имеете опыт проведения архитектурных ревью, оценки технических решений и выбора технологий
• Имеете опыт принятия компромиссов между скоростью разработки, надежностью, стоимостью инфраструктуры и долгосрочной поддерживаемостью решения

Наш стек технологий:

• Аpache Spark
• DBT (Spark DBT, Trino DBT)
• Trino
• Apache Airflow
• S3-совместимое объектное хранилище
• Kubernetes
• Apache Polaris (metastore)
• GitOps (ArgoCD, Helm)
• Prometheus, VictoriaMetrics, Grafana