Детали вакансии

Python-разработчик в Яндекс для работы над сервисом Yandex DataLens. Задачи включают разработку API, коннекторов, масштабирование и развитие опенсорс-ядра. Гибридный формат работы.

Строить гибкий API для решения задач анализа данных, оптимизировать построение модели данных Датасеты — это способ объединить большое количество данных в модель, которая независимо от источника данных позволяет строить запросы к нему благодаря универсальному API. Датасеты должны быстро работать с любым количеством полей: это достигается различными оптимизациями и несколькими уровнями кеширования. Помимо развития API датасетов, мы также наполняем сервис и другими возможностями, улучшающими пользовательский опыт (это, к примеру, экспорты, алертинг, публичный API). Разрабатывать коннекторы для подключения к новым источникам Мы постоянно увеличиваем набор доступных коннекторов к источникам данных, чтобы покрывать больше сценариев аналитики. Задача подключения каждого нового источника по-своему уникальна: необходимо не только разобраться в тонкостях его работы, но и продумать взаимодействие с коннектором с точки зрения пользователя. Работать над масштабированием, стабильностью и скоростью работы сервиса Наша команда отвечает за все этапы жизни сервиса, от проектирования и разработки до развёртывания и поддержания работоспособности всех окружений. Мы сами обслуживаем как DataLens внутри Яндекса — одну из крупнейших инсталляций среди подобных инструментов, так и DataLens в Yandex Cloud — крупнейший облачный сервис аналитики и визуализации в России. Оптимизация пайплайнов CI/CD, улучшение инструментов мониторинга, развитие средств диагностики без прямого доступа к инсталляции и данным пользователей — в наших планах всегда находится место для актуальных инфраструктурных задач. Развивать ядро сервиса в опенсорсе, чтобы открыть новые возможности для его расширения Чтобы каждый желающий мог добавить в сервис новый коннектор или иную функциональность, собрать и настроить систему под свои требования, необходимо поддерживать и развивать модульную архитектуру кода: выделять общие части, предоставляя точки для расширения.

Разрабатывали на Python или готовы перейти на него с другого языка Работали с реляционными базами данных Строили и поддерживали отказоустойчивые системы