Data Engineer

LIAN — системный интегратор с фокусом в аналитике и управлении данными.

Мы работаем в трех направлениях:

1. Автоматизация управленческой отчетности (BI) в малом и среднем бизнесе. Строим хранилища данных, настраиваем сбор и интеграцию, разрабатываем отчеты и дэшборды. Наш стек в BI включает все современные инструменты, в том числе open-source ПО.

2. Заказная разработка аналитических систем. Когда у нашего клиента есть специфичный запрос, мы разрабатываем аналитические системы с нуля. Часто применяем подходы BigData, Data Science, актуальные подходы к программному анализу данных и прогнозированию.

3. Запуск и ресурсное обеспечение команд разработки в комплексных проектах цифровой трансформации. Мы усиливаем команды наших партнеров и клиентов собственными сотрудниками и обеспечиваем максимально быстрый старт новых проектов. Среди наших заказчиков -крупные системные интеграторы, банки, нефтегазовые, химические производства, логистические компании, стартапы.

Мы ищем опытного Data Engineer для доработки существующего пайплайна загрузки данных из SAP HANA в Hadoop на Apache Spark.

Стек проекта: Apache Spark (Scala / PySpark), Hadoop (HDFS, Hive), SAP HANA (JDBC), Python, Airflow (желательно), GitLab, Docker, Kubernetes (будет плюсом)

Обязанности:

• Доработка и оптимизация существующего Spark-лоадера для загрузки данных из SAP HANA в Hadoop.
• Реализация многопоточной (параллельной) загрузки для повышения производительности и сокращения времени выполнения.
• Оптимизация Spark-джоб: работа с партиционированием, настройка параметров JDBC, устранение data skew.
• Перенос пайплайна из Jupyter Notebook в промышленный ETL-процесс (Airflow, bash-скрипт или Spark Submit).

• Опыт работы с Apache Spark: написание и оптимизация пайплайнов обработки больших данных.

• Уверенные знания партиционирования и многопоточной загрузки из реляционных БД в Spark.

• Опыт интеграции со сторонними источниками данных по JDBC (желательно SAP HANA).

• Знание Hadoop-экосистемы.

• Опыт работы с Python, Scala или Java.

• Умение работать с системами контроля версий (Git).

Будет плюсом:

• Опыт построения автоматизированных ETL пайплайнов (Airflow).

• Опыт работы с большими компаниями и высоконагруженными системами.

• Навыки мониторинга и алертинга (Grafana, Zabbix).

• Реальная задача по оптимизации производительности на живых больших данных.

• Работа в команде с сильной экспертизой в Big Data.

• Возможность влиять на архитектуру и процессы.

• Аутстафф проект
• Сотрудничество через форму ИП или СЗ