Java-разработчик в команду Big Data
Оценка ИИСильный бренд (Иви), современный и сложный технологический стек, работа с действительно большими данными. Минусом может быть отсутствие полной удаленки для тех, кто не в Москве.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует уверенного владения Java и Spring, а также опыта работы с Big Data стеком (Flink, Kafka) и высоконагруженными системами (45k RPS). Гибридный формат работы в Москве ограничивает круг кандидатов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для Senior Java разработчика в Москве с опытом в Big Data рыночный диапазон составляет 300-450 тысяч рублей. Иви обычно предлагает конкурентоспособные условия, соответствующие верхнему сегменту рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*💻 Иви ищет Java-разработчика в команду Big Data*
Команда обрабатывает около 2,5 ТБ данных в день и развивает сервисы на Spring Boot WebFlux с нагрузкой до 45 тысяч запросов в секунду.
Предстоит создавать распределённые сервисы, развивать аналитику и обработку событий в реальном времени. В стеке — Java, Kafka, Flink, ClickHouse, PostgreSQL и Kubernetes.
Нужны от 3 лет коммерческой разработки на Java, знание Spring и реляционных баз. Работа в Москве: гибрид или офис, гибкое начало дня.
*➡️* Навигация: База знаний • Задачи • Собеседования
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Java
- Spring Boot
- Spring WebFlux
- Kafka
- Apache Flink
- ClickHouse
- PostgreSQL
- Kubernetes
- Big Data
Возможные вопросы на собеседовании
Вакансия предполагает работу с нагрузкой 45k RPS. Важно понимать, как кандидат будет обеспечивать производительность.
Как вы подходите к оптимизации производительности Spring Boot WebFlux приложений при экстремально высоких нагрузках?
В стеке указан Flink для обработки событий в реальном времени.
Расскажите о вашем опыте работы с Apache Flink: какие оконные функции вы использовали и как решали проблему late data?
Команда работает с распределенными сервисами.
Какие паттерны обеспечения отказоустойчивости в распределенных системах вы применяли на практике?
Упоминается работа с Kafka.
Как гарантировать семантику 'exactly-once' при обработке сообщений из Kafka и записи в PostgreSQL?
Используется ClickHouse для аналитики.
В каких случаях вы выберете ClickHouse вместо PostgreSQL для хранения данных и каковы особенности проектирования схем в ClickHouse?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
