Data Engineer (Spark)
In short
Data Engineer (Spark) wanted by Upvanta sp. z o.o. in Gdańsk. Responsibilities include data reconciliation, Data Lakehouse architecture development, and performance optimization. Requires 6+ years of commercial experience with Apache Spark, PySpark, and Spark SQL.
AI-written summary based on the listing content.
Poszukujemy doświadczonego Data Engineer/Spark / Data Lakehouse Developera, który dołączy do zespołu Data Platform i będzie uczestniczył w rozwoju nowoczesnych rozwiązań przetwarzania oraz zarządzania danymi.
Osoba na tym stanowisku będzie odpowiedzialna za projektowanie i implementację mechanizmów rekoncyliacji danych w warstwie ODS (Operational Data Store), opartej na MongoDB, a także za synchronizację danych z systemami źródłowymi. Ważnym elementem projektu będzie również budowa i rozwój architektury Data Lakehouse, obejmującej przetwarzanie danych od warstwy surowej po warstwy prezentacyjne (Raw, Bronze, Silver, Gold).
Zakres obowiązków
Rekoncyliacja i jakość danych
- Projektowanie oraz implementacja procesów rekoncyliacji danych z wykorzystaniem Apache Spark, PySpark i Spark SQL.
- Porównywanie danych przechowywanych w MongoDB z danymi w systemach źródłowych.
- Tworzenie reguł walidacji i jakości danych oraz wykrywanie duplikatów, braków i anomalii.
- Generowanie raportów i alertów dotyczących niezgodności danych.
Integracja z MongoDB
- Integracja Apache Spark z MongoDB przy użyciu MongoDB Spark Connector.
- Implementacja procesów odczytu i zapisu danych.
- Optymalizacja operacji odczytu, m.in. poprzez partitioning, predicate push-down i schema-aware reads.
Rozwój architektury Data Lakehouse
- Projektowanie i rozwój warstw danych Raw, Bronze, Silver i Gold.
- Implementacja rozwiązań opartych na Apache Iceberg, Delta Lake lub Apache Hudi.
- Zarządzanie tabelami wersjonowanymi oraz optymalizacja operacji zapisu i aktualizacji danych (upsert/merge).
- Wdrażanie CI/CD dla schematów tabel, migracji i wersjonowania.
Optymalizacja wydajności
- Tuning procesów Apache Spark, w tym partitioning, caching, broadcast joins i Adaptive Query Execution.
- Optymalizacja zapytań oraz kosztów przetwarzania danych w środowisku Data Lakehouse.
Monitoring i observability
- Konfiguracja monitoringu i metryk z wykorzystaniem Prometheus i Grafana.
- Integracja logowania i distributed tracing z wykorzystaniem OpenTelemetry lub Dynatrace.
- Definiowanie SLA/SLO oraz alertów dotyczących świeżości danych i poprawności realizacji zadań.
DevOps i wsparcie operacyjne
- Automatyzacja wdrożeń aplikacji Spark z wykorzystaniem Docker, Kubernetes i Spark Operator.
- Diagnozowanie problemów związanych z jakością danych, opóźnieniami i niezgodnościami.
- Tworzenie i utrzymywanie dokumentacji technicznej, runbooków oraz diagramów przepływu danych.
Współpraca zespołowa
- Współpraca z Data Engineerami, Business Analystami, testerami i zespołem DevOps.
- Udział w pracach prowadzonych w metodykach Scrum/Kanban.
- Prowadzenie code review oraz warsztatów technicznych.
Wymagania
Must-have:
- Minimum 6 lata doświadczenia komercyjnego w pracy z Apache Spark oraz środowiskach produkcyjnych. Mile widziane doświadczenie bankowe.
- Bardzo dobra znajomość PySpark, Spark SQL, DataFrames oraz Structured Streaming.
- Praktyczne doświadczenie w integracji Apache Spark z MongoDB przy użyciu MongoDB Spark Connector.
- Znajomość modelowania dokumentowego oraz indeksowania w MongoDB.
- Doświadczenie z Apache Iceberg, w szczególności w zakresie zarządzania tabelami, wersjonowania danych oraz operacji upsert/merge.
- Praktyczna znajomość języka Python.
- Doświadczenie w budowaniu i utrzymywaniu procesów CI/CD z wykorzystaniem Jenkins.
- Znajomość narzędzi Prometheus i Grafana.
- Doświadczenie w pracy w metodykach Agile (Scrum/Kanban).
- Znajomość Jira i Confluence.
Mile widziane
- Doświadczenie z Delta Lake lub Apache Hudi.
- Znajomość Docker i Kubernetes oraz Spark Operator.
- Praktyczna znajomość OpenTelemetry lub Dynatrace.
- Doświadczenie w projektowaniu rozwiązań monitorowania procesów batch i streaming.
- Znajomość zagadnień Data Quality, Data Observability i zarządzania cyklem życia danych.
Dołącz do projektu!
Jeśli masz doświadczenie w budowaniu wydajnych rozwiązań Big Data, dobrze znasz Apache Spark i chcesz rozwijać nowoczesną architekturę Data Lakehouse, zapraszamy do aplikowania!
| Published | 2026-11-17 |
| Expires | 2027-02-15 |
| Source |
|
Hexjobs App
Tools tailored to this listing.
Hexjobs App
Tools tailored to this listing.