- Страна
- Россия
Откликайтесь
на вакансии с ИИ
SDET / AQA Python
Оценка ИИОтличная вакансия в известной технологической компании Arenadata. Работа с передовым стеком Big Data (Spark, Flink, K8s) и фокус на инженерный подход в QA делают эту позицию очень привлекательной для опытных SDET.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью глубоких знаний Python (от 4 лет), экспертного владения pytest и понимания архитектуры распределенных Big Data систем. Также требуются навыки работы с Kubernetes и сетевыми протоколами на уровне эксплуатации.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиции SDET с опытом от 4 лет в сфере Big Data рыночные предложения в России обычно начинаются от 250 000 рублей и могут достигать 450 000 рублей в зависимости от глубины знаний инфраструктуры.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Arenadata уже сейчас
Присоединяйтесь к команде Arenadata и создавайте будущее Big Data решений вместе с экспертами отрасли!
Описание вакансии
SDET / AQA Python
Компания: Arenadata
*☑️*Что нужно делать:-Автоматизировать тестирование компонентов Arenadata Hyperwave (ADH) и Arenadata Hyperwave Cloud (ADHC): Spark, Impala, Trino, Kyuubi, Hive, HBase, Ozone, HDFS, YARN, Airflow, Flink;
-Тестировать развёртывание и эксплуатацию платформы на bare metal, VM и в Kubernetes;
-Разрабатывать и развивать тестовые фреймворки на Python для распределённых Big Data-систем;
-Писать интеграционные и e2e-тесты на реальных кластерах: функциональность, отказоустойчивость, производительность;
-Поддерживать и развивать CI/CD-пайплайны автотестов;
-Работать с разработчиками, архитекторами и QA над качеством релизов;
-Делать код-ревью тестового кода.
*☑️*Мы ждём, что вы:
-Обладаете опытом коммерческой разработки на Python от 4 лет
-Умеете применять SOLID, DRY, KISS при проектировании тестовых фреймворков
-Знаете паттерны проектирования (Factory, Strategy, Builder, Resource Object) для гибких и масштабируемых решений
-Владеете pytest на экспертном уровне: сложные фикстуры, параметризация, плагины (pytest-xdist и другие)
-Имеете опыт использования Linux (Core Utils, Bash): файловые системы, права, процессы, сетевые утилиты
-Имеете опыт тестирования систем развёртывания и конфигурации распределённого ПО, плюсом будет Ansible, Terraform или Puppet
-Обладаете сетевым бэкграундом: HTTP(S), TCP/IP, SSH, сертификаты.
-Имеете опыт настройки и поддержки CI/CD-пайплайнов (Jenkins, GitLab CI, TeamCity, GitHub Actions)
-Имеете опыт работы с Docker и Kubernetes на уровне эксплуатации и отладки
Контакты: Откликнуться
Python Job в Telegram | в VK | в Max
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Linux
- Terraform
- Kubernetes
- Bash
- CI/CD
- Docker
- Airflow
- Jenkins
- Spark
- Flink
- Big Data
- TCP/IP
- PyTest
- HTTP
- Ansible
- GitLab CI
- Hive
- HBase
- HDFS
- Trino
- Impala
Возможные вопросы на собеседовании
Проверка экспертного владения основным инструментом тестирования.
Расскажите о самом сложном плагине для pytest, который вы писали или использовали, и как вы решали проблему разделения ресурсов при параллельном запуске через pytest-xdist?
Оценка навыков проектирования архитектуры тестов для сложных систем.
Как бы вы спроектировали тестовый фреймворк для проверки отказоустойчивости (fault tolerance) кластера HDFS, используя паттерн Resource Object?
Проверка навыков работы с инфраструктурой и контейнеризацией.
С какими типичными проблемами вы сталкивались при отладке автотестов, запущенных внутри Kubernetes, и какие инструменты использовали для диагностики?
Оценка понимания специфики Big Data.
В чем заключаются особенности интеграционного тестирования Spark-приложений по сравнению с обычными микросервисами?
Проверка знаний сетевых протоколов и безопасности.
