НовоеAI-конструктор резюме: правишь прямо на листе A4, а нейросеть подсказывает, что усилитьКонструктор резюме на листе A4Попробовать
JobPath
Начать бесплатно

InfraCloud

Senior Spark QA Engineer

  • Удалённо
  • India
  • Полная занятость
  • 5 дн. назад

Ищем Senior Spark QA Engineer для тестирования распределённых data-платформ и обработки больших данных. Отличная возможность работать с Apache Spark, облачными технологиями и развивать экспертизу в performance-testing.

О позиции

Компания InfraCloud предлагает позицию специалиста по качеству распределённых систем на базе Apache Spark. Вы будете отвечать за функциональное и нагрузочное тестирование ETL-пайплайнов, кластеров Spark и связанных компонентов. Работа включает настройку сред, бенчмаркинг, поиск узких мест и менторство команды. Полностью удалённый формат.

Будет плюсом

  • Опыт работы с Hadoop экосистемой
  • Знание инструментов профилирования Spark (Spark UI, spark-submit profiling)
  • Опыт тестирования в облачных провайдерах (AWS, GCP, Azure)
  • Дополнительные знания Scala
  • Сертификации Apache Spark или cloud платформ

Условия

  • Работа с современными распределёнными системами и Big Data стеком
  • Удалённый формат работы
  • Возможность расти технически и возглавлять QA направления
  • Опыт работы в международном проекте

Навыки

  • Apache Spark
  • Kubernetes
  • Python
  • Java
  • Performance Testing
  • Functional Testing
  • CI/CD
  • Distributed Systems
  • ETL Pipeline
  • SQL

Сложность отбора

Высокий порог входа из-за необходимости глубокой экспертизы в распределённых системах и Apache Spark

Оценка JobPath

Зарплата по рынку

300 000 – 650 000 ₽ в месяц

Оценка для Индии с удалёнкой на международный рынок; senior-level QA engineer со специализацией на Spark и distributed systems

Оценка JobPath по рынку, не предложение работодателя

Могут спросить на собеседовании

  1. Какие основные метрики вы отслеживаете при performance-тестировании Spark приложений?
  2. Опишите типичные bottlenecks в Spark кластере и как вы их диагностируете?
  3. Как строите тестовый фреймворк для автотеста Spark задач? Какие инструменты используете?
  4. Чем отличается testing Standalone mode vs K8s для Spark? Что выбираете и почему?
  5. Приведите пример сложной проблемы, которую нашли в production Spark pipeline, и как её решили.

Прорепетировать это собеседование

Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.

Начать бесплатно

Сохрани похожие вакансии

Новые вакансии с такой должностью будут собираться в кабинете.

Сохранить фильтр

Перед откликом

Попробовать бесплатно

Связаться с поддержкой

Выбери, где удобнее написать