- Страна
- Россия
AQA Python Middle в гос.сектор
Оценка ИИПроект предлагает работу с современным стеком Big Data и долгосрочную занятость, однако крайне жесткие административные ограничения и оплата 'по низу рынка' снижают привлекательность.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИВысокая сложность обусловлена строгими требованиями безопасности (ВТИ, запрет на релокацию), работой исключительно на технике заказчика и спецификой Big Data стека (Hadoop, Greenplum, Spark).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредлагаемая ставка 'по низу рынка' значительно ниже медианных значений для Middle AQA инженеров в РФ, работающих с Big Data стеком, где зарплаты обычно начинаются от 200 000 рублей.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
AQA Python Middle в гос.сектор (назвать заказчика не можем)
*❗️Гражданство и локация - РФ (Бывшие Релоканты, кто с 2022 года уезжал на 3+ месяца из РФ - запрещены!). Срок проекта - 30.11.2026, с возможной пролонгацией*
*❗️*ЭТОТ ЗАПРОС СРОГО ТОЛЬКО ДЛЯ СПЕЦИАЛИСТОВ РАБОТАЮЩИХ С ВАМИ ПО ТК РФ И БЕЗ ОТПУСКА ДО КОНЦА НОЯБРЯ*❗️*РАБОТА ТОЛЬКО НА ТЕХНИКЕ ПАРТНЕРА*❗️*ОБЯЗАТЕЛЬНОЕ ПРОХОЖДЕНИЕ ВТИ*❗️*
Ставка ОТКРЫТАЯ "по низу рынка" (отчетный период - месяц, оплата итоговая за выполненные работы - декабрь 2026, сверка часов и согласование - ежемесячное)
Что мы предлагаем:
\* участие в развитии Big Data платформы и ключевых инфраструктурных сервисов;
\* сложные инженерные задачи на стыке тестирования, данных и платформы;
\* возможность влиять на качество архитектурных и технических решений;
\* сильную команду и современный технологический стек;
\* профессиональный рост в направлении QA engineering, test automation и data platform.
Задачи:
\* анализировать требования, архитектуру и логику работы систем с точки зрения качества;
\* проектировать тестовые сценарии, тестовые наборы и подходы к покрытию;
\* разрабатывать и поддерживать автотесты на Python;
\* участвовать в тестировании интеграций, API, ETL-процессов и внутренних платформенных решений;
\* проводить функциональное, интеграционное, регрессионное и иногда нагрузочное тестирование;
\* локализовывать дефекты, помогать команде находить причины нестабильности и деградаций;
\* анализировать логи, метрики и результаты выполнения процессов;
\* участвовать в улучшении процессов тестирования, качества релизов и автоматизации проверок;
\* взаимодействовать с разработчиками, аналитиками, DevOps и data-инженерами в рамках полного цикла поставки изменений.
Стек и инструменты +\-: Greenplum, ClickHouse, Postgres, Hadoop, Airflow, Kafka, Python (Spark, PyTest), Java (Spring, Flink), Kubernetes
Ключевые компетенции +\-:- опыт на позиции QA не ниже middle;
- опыт написания автотестов на Python;
- опыт тестирования backend-сервисов, API и интеграций;
- опыт тестирования ETL-процессов, обработки данных или аналитических систем;
- опыт работы с логами, метриками и инструментами наблюдаемости;
- понимание принципов тестирования распределённых систем и высоконагруженных решений;
- понимание жизненного цикла дефекта и процессов тестирования в продуктовой или платформенной команде;
- умение самостоятельно строить стратегию тестирования в рамках своей зоны ответственности;
- уверенные знания SQL;
- внимательность, системное мышление и способность глубоко разбираться в причинах проблем.
Откликнуться на запрос: Откликнуться
По вопросам партнерского сотрудничества: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTest
- SQL
- ETL
- Greenplum
- ClickHouse
- PostgreSQL
- Hadoop
- Airflow
- Kafka
- Spark
- Kubernetes
- API Testing
Возможные вопросы на собеседовании
Проверка навыков работы с большими данными и ETL, что является ключевым в данном проекте.
Расскажите о вашем опыте тестирования ETL-процессов: какие проверки вы считаете критическими при переносе данных из Kafka в Greenplum?
Вакансия предполагает работу с распределенными системами.
С какими сложностями вы сталкивались при тестировании распределенных систем и как вы проверяете консистентность данных в Hadoop/ClickHouse?
Python и PyTest указаны как основные инструменты автоматизации.
Как вы организуете структуру автотестов на PyTest для тестирования API, взаимодействующих с высоконагруженными базами данных?
Важная часть задач — анализ причин сбоев.
Опишите ваш процесс локализации дефекта в сложной интеграционной цепочке с использованием логов и метрик в Kubernetes.
Проверка владения SQL на продвинутом уровне.
Напишите SQL-запрос для поиска дубликатов в таблице с миллионами записей и объясните, как оптимизировать его выполнение в Greenplum.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
