O projekcie
Projekt realizowany w ramach zespołu Data Platform. Aktualne prace koncentrują się przede wszystkim na rekoncyliacji i procesach przetwarzania danych, dlatego doświadczenie w tych obszarach będzie szczególnie wartościowe.
Rozwiązania rozwijane są w architekturze Data Lakehouse. Apache Iceberg jest głównym wykorzystywanym formatem tabel i jego znajomość jest warunkiem koniecznym. Obecnie przetwarzanie odbywa się przede wszystkim w trybie batchowym, natomiast rozwiązania streamingowe planowane są w przyszłości.
Twój zakres obowiązków
Projektowanie i implementacja procesów w Spark SQL / PySpark
Rekoncyliacja danych pomiędzy MongoDB a systemami źródłowymi
Budowanie reguł jakości danych oraz wykrywanie duplikatów, braków i anomalii
Integracja Apache Spark z MongoDB
Budowa i rozwój warstw Data Lakehouse
Optymalizacja wydajności procesów Spark
Rozwój CI/CD dla aplikacji i procesów danych
Monitoring procesów oraz diagnozowanie problemów produkcyjnych
Tworzenie dokumentacji technicznej i udział w code review
Nasze wymagania
Minimum 4 lata praktycznego doświadczenia z Apache Spark w środowiskach produkcyjnych
Bardzo dobra znajomość PySpark, Spark SQL, DataFrames
Praktyczne doświadczenie z Apache Iceberg – warunek konieczny, w tym znajomość tabel wersjonowanych oraz operacji upsert/merge
Doświadczenie z MongoDB – MongoDB Spark Connector nie jest wymagany
Znajomość Python / PySpark
Doświadczenie w tworzeniu procesów rekoncyliacji i przetwarzania danych
Doświadczenie z Jenkins
Znajomość Prometheus i Grafana
Doświadczenie w pracy w Scrum lub Kanban oraz z Jira/Confluence