Senior Data Engineer - Spark / Data Lakehouse

Clurgo Ltd.; Wrocław; Hybrid; PLN 180,000 - 280,000; Full time

Job summary

Clurgo Ltd. w ramach zespołu Data Platform poszukuje specjalisty ds. danych, który zaprojektuje i wdroży rozwiązania do rekonsyliacji danych w ODS opartym o MongoDB oraz zbuduje warstwy danych w architekturze Data Lakehouse.

Rola łączy Spark, PySpark i Spark SQL z optymalizacją przetwarzania, CI/CD oraz monitorowaniem procesów batch i streamingowych. Wymaga min. 4 lat pracy w środowiskach produkcyjnych i komunikatywnej znajomości angielskiego.

Qualifications

• Minimum 4 years of production experience with Apache Spark.
• Experience with PySpark, Spark SQL, DataFrames and Structured Streaming.
• Experience reading/writing data to MongoDB via MongoDB Spark Connector.
• Hands-on with Data Lakehouse architectures (Iceberg, Delta Lake, Hudi).
• Knowledge of Jenkins and automation of tests and Spark deployment processes.
• Monitoring/observability tools: Prometheus, Grafana, OpenTelemetry, Dynatrace.
• English knowledge at least B2 and experience working in Agile (Scrum/Kanban).

Responsibilities

• Projektowanie i implementacja zadań Spark-SQL/PySpark do weryfikacji spójności danych między ODS (MongoDB) a systemami źródłowymi
• Łączenie Spark z MongoDB przy użyciu MongoDB Spark Connector
• Optymalizacja odczytów z MongoDB
• Budowa architektury medalionowej z Iceberg/Delta Lake/Hudi
• Implementacja CI/CD dla schematów tabel, migracji i wersjonowania
• Kosztowa optymalizacja zapytań w środowisku Data Lakehouse
• Konfiguracja metryk (Prometheus + Grafana), logów i śledzenia (OpenTelemetry, Dynatrace) dla Spark i procesów batch/stream
• Definiowanie SLA/SLO oraz alertów
• Diagnoza problemów z rekordami i opóźnieniami danych
• Praca w Scrum/Kanban z Data Engineerami, Business Analystami, testerami i DevOps

Skills

Apache Spark

PySpark

Spark-SQL

DataFrames

Structured Streaming

Angielski B2

Agile (Scrum/Kanban)

CI/CD

MonogoDB Spark Connector

Prometheus Grafana

Dynatrace/OpenTelemetry

Jenkins

Docker

Kubernetes

Tools

MongoDB

Iceberg

Delta Lake

Hudi

Spark Operator

Job description

Clurgo to firma stworzona przez developerów dla developerów. Nasze zespoły łączą pełne spektrum kompetencji - od rozwoju oprogramowania i infrastruktury, przez analizę oraz testy, aż po strategiczne zarządzanie produktem i procesami. Realizujemy różnorodne projekty IT dla klientów z wielu branż, dbając o dobre praktyki programistyczne i zachowanie work-life balance. Tworzymy rozwiązania, które mają znaczenie - dla firm w Polsce i na całym świecie.

Dołącz do zespołu Data Platform naszego Klienta z sektora bankowego, gdzie będziesz projektować i wdrażać rozwiązania do rekoncyliacji danych w ODS opartym o MongoDB oraz budować warstwy danych w architekturze Data Lakehouse. Rola łączy rozwój rozwiązań opartych o Apache Spark, PySpark i Spark SQL z optymalizacją przetwarzania danych, wdrażaniem CI/CD oraz monitoringiem procesów batch i streamingowych. Będziesz mieć wpływ na jakość, wydajność i niezawodność kluczowych procesów danych w środowisku dużej organizacji bankowej.

Technologie i narzędzia: Python, Apache Spark, PySpark, Spark-SQL, DataFrames, Structured Streaming, MongoDB, MongoDB Spark Connector, Delta Lake, Apache Iceberg, Hudi, Jenkins, Prometheus, Grafana, OpenTelemetry, Dynatrace, Kubernetes, Docker, Spark Operator

Model hybrydowy: 1 raz w tygodniu z biura we Wrocławiu

Szukamy Ciebie, jeśli:

Posiadasz min. 4 lata praktycznego doświadczenia w środowiskach produkcyjnych z wykorzystaniem Apache Spark

Masz doświadczenie z PySpark, Spark-SQL, DataFrames oraz Structured Streaming

Posiadasz doświadczenie w odczycie i zapisie danych z/ do MongoDB przy użyciu MongoDB Spark Connector

Posiadasz praktyczne doświadczenie z architekturą Data Lakehouse (zarządzanie tabelami wersjonowanymi przy użyciu Iceberg, Delta Lake lub Hudi)

Znasz Jenkinsa i potrafisz automatyzować testy (unit/integration) oraz procesy deploymentu aplikacji Spark

Znasz narzędzia do monitoringu i obserwowalności (Prometheus, Grafana)

Swobodnie komunikujesz się w języku angielskim (min. B2 ) i efektywnie pracujesz w metodykach Agile (Scrum/Kanban)

Mile widziane:

• Praktyczna znajomość Dynatrace i OpenTelemetry
• Doświadczenie z Docker oraz Spark Operator w środowisku Kubernetes

Zadania:

• Projektowanie i implementacja zadań Spark-SQL/PySpark do weryfikacji spójności danych między ODS (MongoDB) a systemami źródłowymi
• Łączenie Spark z MongoDB przy użyciu MongoDB Spark Connector
• Optymalizacja odczytów z MongoDB
• Budowa architektury medalionowej z wykorzystaniem technologii Iceberg/Delta Lake/Hudi
• Implementacja CI/CD dla schematów tabel, migracji i wersjonowania
• Kosztowa optymalizacja zapytań w środowisku Data Lakehouse
• Konfiguracja metryk (Prometheus + Grafana), logów oraz śledzenia (OpenTelemetry, Dynatrace) dla Spark i procesów batch/stream
• Definiowanie SLA/SLO oraz alertów
• Diagnoza problemów z rekordami, opóźnieniami i niezgodnościami danych
• Praca w Scrum/Kanban z Data Engineerami, Business Analystami, testerami i zespołem DevOps

Czego możesz się spodziewać:

• współpracy w oparciu o kontrakt B2B
• pracy hybrydowej: raz w tygodniu z biura we Wrocławiu
• profesjonalnego procesu rekrutacyjnego – zawsze otrzymasz od nas feedback niezależnie od decyzji