Middle/Senior/Lead Data Engineer
Оценка ИИVK — один из крупнейших работодателей в РФ с сильной инженерной культурой. Вакансия предлагает удаленный формат работы по всему миру и работу с современным стеком технологий над интересным продуктом.
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 ИИРоль требует глубоких знаний в области Big Data (Hadoop, ClickHouse) и опыта проектирования архитектуры DWH, что характерно для уровней Senior и Lead. Работа в VK подразумевает высокие нагрузки и сложные интеграционные задачи.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, однако для позиций Middle/Senior/Lead Data Engineer в крупных российских тех-гигантах рыночные вилки обычно начинаются от 250 000 до 500 000+ рублей после налогов. Предлагаемый стек технологий полностью соответствует топовым рыночным ожиданиям.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Middle/Senior/Lead Data Engineer VK
Местоположение: Весь мир
Формат работы: Удаленно
Опубликована: 17.09.2026
Требования:
• Релевантный стек: Python, SQL, Hadoop, Airflow, ClickHouse
• Опыт построения ETL и архитектуры DWH
• Опыт проектирования миграций и интеграций компонентов платформы
О компании:
Мы делаем всё, что связано с созданием и потреблением контента внутри приложения: видео, сторисы, голосовые сообщения, видеосообщения, редактирование и обработку медиа.
Контакт: Откликнуться
Откликнуться опубликована в @jtbl_vacancy
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- Hadoop
- Airflow
- ClickHouse
- ETL
- DWH
Возможные вопросы на собеседовании
Проверка навыков оптимизации в ClickHouse, который указан в стеке.
Какие стратегии оптимизации запросов и хранения данных в ClickHouse вы применяли для работы с большими объемами медиа-метрик?
Оценка опыта работы с основным оркестратором в вакансии.
Как вы организуете обработку ошибок и повторные запуски (retries) в сложных DAG в Airflow, чтобы избежать дублирования данных?
Проверка архитектурного мышления и опыта миграций.
Опишите ваш подход к миграции крупного хранилища данных: как обеспечить консистентность и доступность данных для пользователей в процессе перехода?
Оценка владения инструментами Hadoop.
В каких случаях вы предпочтете Spark вместо классического MapReduce при обработке данных в Hadoop-кластере?
Проверка навыков проектирования ETL.
Как вы проектируете ETL-процессы для обработки потоковых данных (например, видеосообщений) в условиях высокой нагрузки?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
