Senior Data Engineer / Spark Developer

Upvanta; Wrocław; Hybrid; PLN 180,000 - 280,000; Full time

Job summary

Upvanta poszukuje doświadczonego Spark/Data Lakehouse Developera do projektowania i rozwoju rozwiązań do przetwarzania danych w środowisku Big Data. Współtworzy nowoczesną architekturę Data Lakehouse opartą o Spark, MongoDB i Iceberg, dbając o jakość i wydajność procesów danych.

Wymagane minimum 4 lata doświadczenia w Spark, biegła znajomość PySpark, Spark SQL i DataFrame API, a także umiejętność integracji Spark z MongoDB. Praca w biurze we Wrocławiu 1–2 dni w tygodniu w modelu hybrydowym.

Qualifications

• Minimum 4 lata doświadczenia komercyjnego w pracy z Apache Spark.

Responsibilities

• Projektowanie i implementacja procesów rekoncyliacji danych w Apache Spark (PySpark, Spark SQL).
• Porównywanie danych pomiędzy warstwą ODS (MongoDB) a systemami źródłowymi oraz identyfikowanie rozbieżności.
• Tworzenie i rozwijanie reguł jakości danych, wykrywanie braków, duplikatów oraz anomalii.
• Budowa i utrzymanie warstw Data Lakehouse w modelu Raw / Bronze / Silver / Gold.
• Praca z Apache Iceberg i zarządzanie wersjonowanymi zbiorami danych.
• Optymalizacja wydajności procesów Spark oraz kosztów przetwarzania danych.
• Tworzenie i rozwijanie pipeline'ów CI/CD dla aplikacji Spark.
• Implementacja monitoringu, metryk i alertowania dla procesów danych.
• Automatyzacja wdrożeń z wykorzystaniem Docker, Kubernetes oraz Spark Operator.
• Analiza i rozwiązywanie problemów związanych z jakością, spójnością i dostępnością danych.
• Tworzenie dokumentacji technicznej, diagramów architektury oraz runbooków.
• Współpraca z Data Engineerami, DevOps Engineerami, Analitykami Biznesowymi i zespołami produktowymi.
• Udział w code review oraz mentoring mniej doświadczonych członków zespołu.

Skills

Apache Spark

PySpark

Spark SQL

DataFrame API

Structured Streaming

MongoDB Spark Connector

Python

Jenkins

Prometheus

Grafana

Scrum/Kanban

Jira

Confluence

Tools

Kubernetes

Docker

Spark Operator

OpenTelemetry

Dynatrace

Job description

O projekcie:

O projekcie

Do zespołu Data Platform poszukujemy doświadczonego Spark / Data Lakehouse Developera, który będzie odpowiedzialny za projektowanie i rozwój rozwiązań do przetwarzania, synchronizacji oraz rekoncyliacji danych w środowisku Big Data. Osoba na tym stanowisku będzie współtworzyć nowoczesną architekturę Data Lakehouse opartą o Apache Spark, MongoDB oraz Apache Iceberg, dbając o jakość, wydajność i niezawodność procesów danych.

Wymagania:

• Minimum 4 lata doświadczenia komercyjnego w pracy z Apache Spark.
• Bardzo dobra znajomość PySpark, Spark SQL, DataFrame API oraz Structured Streaming.
• Doświadczenie w integracji Apache Spark z MongoDB przy wykorzystaniu MongoDB Spark Connector.
• Praktyczna znajomość Apache Iceberg oraz zarządzania wersjonowanymi tabelami danych.
• Doświadczenie w budowie rozwiązań Data Lake lub Data Lakehouse.
• Dobra znajomość języka Python.
• Doświadczenie z Jenkins oraz budową pipeline'ów CI/CD.
• Znajomość narzędzi monitoringu i observability, w szczególności Prometheus oraz Grafana.
• Doświadczenie w pracy zgodnie z metodykami Agile (Scrum lub Kanban).
• Praktyczna znajomość Jira i Confluence.
• Gotowość do pracy z biura 1-2 dni w tygodniu (Wrocław)

Mile widziane

• Doświadczenie z Delta Lake lub Apache Hudi.
• Znajomość Kubernetes, Docker oraz Spark Operator.
• Doświadczenie w pracy z rozwiązaniami OpenTelemetry lub Dynatrace.
• Znajomość zagadnień Data Quality, Data Governance oraz Data Observability.
• Doświadczenie w środowiskach chmurowych (Azure, AWS, GCP).

Codzienne zadania:

• Projektowanie i implementacja procesów rekoncyliacji danych w Apache Spark (PySpark, Spark SQL).
• Porównywanie danych pomiędzy warstwą ODS (MongoDB) a systemami źródłowymi oraz identyfikowanie rozbieżności.
• Tworzenie i rozwój reguł jakości danych, wykrywanie braków, duplikatów oraz anomalii.
• Budowa i utrzymanie warstw Data Lakehouse w modelu Raw / Bronze / Silver / Gold.
• Praca z Apache Iceberg i zarządzanie wersjonowanymi zbiorami danych.
• Optymalizacja wydajności procesów Spark oraz kosztów przetwarzania danych.
• Tworzenie i rozwijanie pipeline'ów CI/CD dla aplikacji Spark.
• Implementacja monitoringu, metryk i alertowania dla procesów danych.
• Automatyzacja wdrożeń z wykorzystaniem Docker, Kubernetes oraz Spark Operator.
• Analiza i rozwiązywanie problemów związanych z jakością, spójnością i dostępnością danych.
• Tworzenie dokumentacji technicznej, diagramów architektury oraz runbooków.
• Współpraca z Data Engineerami, DevOps Engineerami, Analitykami Biznesowymi i zespołami produktowymi.
• Udział w code review oraz mentoring mniej doświadczonych członków zespołu.