- Страна
- Россия
Data Engineer (Flink)
Оценка ИИX5 Tech — один из лидеров ритейл-теха в России с огромными объемами данных. Вакансия предлагает работу с современным стеком (Flink, Iceberg, K8s) и гибкий формат работы, что делает её крайне привлекательной для опытных инженеров.
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 требованием глубоких знаний Apache Flink (включая CDC и state management) в сочетании с сильным Java Core и опытом проектирования фреймворков.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции Middle/Senior Data Engineer с глубоким знанием Flink в Москве рыночный диапазон составляет от 250 000 до 450 000 рублей после налогов. X5 Tech обычно предлагает конкурентные условия, соответствующие верхней границе рынка для сильных кандидатов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
#middle #удаленка #гибрид #офис
X5 Tech
Data Engineer (Flink)
Опыт работы: 3–6 лет
Полная занятость
График: 5/2
Формат работы: удалённо или гибрид или офис
*☑️* Чем предстоит заниматься
-Разработка шаблонов потоков данных на основе Flink DataStream
-Реализация архитектуры потоков данных
-Написание и доработка Java приложений для Big Data
*☑️* Наши пожелания к кандидатам
-Java Core: Глубокое понимание Java Core, включая ООП, многопоточность, коллекции, исключения и generics
-Spring Boot: Опыт разработки микросервисов и REST API с Spring Boot, включая Spring Data, Security, Actuator и AOP
-Apache Flink: Опыт работы с Apache Flink для потоковой обработки, включая DataStream API, state management, checkpoints и Flink CDC
-Дата-инженерия: Работа с ETL/ELT, потоковыми и batch-процессами; инструменты вроде Airflow и Temporal
-Проектирование фреймворков: Понимание принципов проектирования фреймворков и библиотек — код "для других разработчиков"
-Большие данные: Знание принципов работы с большими данными (Spark, Dask, pandas на больших датасетах — плюс)
-Базы данных: Опыт работы с PostgreSQL, ClickHouse; знание форматов данных Iceberg и Paimon
-CI/CD и DevOps: Навыки работы с CI/CD, контейнеризацией (Docker), оркестрацией (Kubernetes — плюс)
-Качество кода: Умение писать тесты (unit, integration), следить за качеством кода и его поддерживаемостью
-Опыт программирования на питоне: скрипты, микросервисы, приложения
-Будет плюсом:
-Увлеченность разработкой: Активный интерес к новым технологиям и методам разработки
-Хороший кругозор: Знание и понимание различных аспектов разработки, включая агентный
-Практический опыт: Доказанный опыт практической реализации проектов, особенно в области баз данных и автоматизации
Контакты: Откликнуться / Telegram Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Java
- Spring Boot
- Apache Flink
- ETL
- Apache Airflow
- PostgreSQL
- ClickHouse
- Apache Iceberg
- Docker
- Kubernetes
- Python
- REST API
Возможные вопросы на собеседовании
Flink — ключевой стек вакансии, важно понимать механизмы отказоустойчивости.
Расскажите, как работают Checkpoints и Savepoints в Apache Flink и в чем их принципиальное различие?
Вакансия подразумевает разработку шаблонов и библиотек для других.
Какими принципами вы руководствуетесь при проектировании внутренних фреймворков, чтобы обеспечить их расширяемость и удобство использования другими разработчиками?
Упоминается работа с Flink CDC.
С какими сложностями вы сталкивались при реализации Change Data Capture (CDC) и как решали проблемы синхронизации данных?
Требуется знание современных форматов хранения.
В каких сценариях вы бы предпочли использовать формат Apache Iceberg вместо классических подходов в Big Data?
Проверка навыков работы с состоянием в потоковой обработке.
Как вы подходите к управлению состоянием (State Management) в Flink при обработке очень больших объемов данных, чтобы избежать проблем с памятью?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
