Тимлид потоковой обработки данных
Оценка ИИОтличное предложение от топового тех-бренда с высокой зарплатой, удаленкой и сильным соцпакетом. Задачи масштабные и технологически интересные.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена сочетанием глубоких технических знаний в области потоковой обработки (Flink, Kafka) и значительного управленческого опыта (от 4 лет). Работа с критически важными системами вроде антифрода требует высокого уровня ответственности.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата от 500 000 ₽ находится на верхней границе рынка для позиции Team Lead в России, значительно превышая медиану для аналогичных ролей в BigData.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*💻 Авито ищет тимлида потоковой обработки данных с зарплатой от 500 тысяч ₽*
На платформе команды работают антибот, антифрод, рекламная аналитика и доставка изменений из баз данных в DWH.
Предстоит развивать эти системы и инфраструктуру Flink на Kubernetes, принимать архитектурные решения и помогать команде расти.
Нужны глубокий опыт с Flink или аналогами, знание Kafka и распределённых систем, от 4 лет руководства разработкой.
Работа удалённая. Зарплата — от 500 тысяч ₽, есть ДМС со стоматологией и личный бюджет на обучение.
*➡️* Навигация: База знаний • Задачи • Собеседования
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Apache Flink
- Apache Kafka
- Kubernetes
- Distributed Systems
- Data Engineering
Возможные вопросы на собеседовании
Тимлид должен понимать внутреннее устройство инструментов, которые использует команда.
Расскажите о механизме Checkpoints и Savepoints во Flink: в чем разница и как они обеспечивают Exactly-once семантику?
Вакансия подразумевает работу с инфраструктурой на Kubernetes.
С какими основными сложностями вы сталкивались при запуске Flink-джоб в Kubernetes и как решали вопросы масштабирования?
Важная часть роли — развитие команды.
Как вы выстраиваете процесс профессионального роста инженеров в своей команде и как работаете с выгоранием на высоконагруженных проектах?
Авито использует Kafka для доставки изменений.
Как вы обеспечиваете консистентность данных при передаче из реляционных БД в DWH через Kafka в реальном времени?
Роль предполагает принятие архитектурных решений.
Опишите случай, когда вам пришлось принимать сложное архитектурное решение в распределенной системе. Какими критериями вы руководствовались?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
