Сервисы Яндекса порождают сотни и тысячи петабайт данных. Хранят и обрабатывают эти данные кластеры из десятков тысяч машин под управлением YT.

В прошлом году мы подключили к YT Apache Spark — популярную опенсорсную технологию для обработки больших данных. Нам удалось объединить преимущества YT и Spark, получить хорошие результаты и порадовать потребителей — десятки инженеров данных из различных подразделений Яндекса.

Мы продолжаем развивать Spark over YT и ищем сильного разработчика, которому интересно заниматься интеграцией сложных и высокопроизводительных механизмов.

Фронт работ охватывает следующие системы:

• Spark Core (Scala);
• YT (C++);
• клиентские библиотеки (Java, Python);
• смежные инфраструктурные компоненты (С++, Java, Python).

Примеры задач:

• под лупой профайлера оптимизировать код чтения исходных данных;
• сделать Python-обвязку для удобного запуска задач из конкретной инфраструктуры;
• написать плагин для оптимальной записи логов в долгосрочное хранилище;
• протянуть знание о метаданных из файловой системы в оптимизатор Spark.

• прокачивать Spark, глубоко погрузившись в его работу;
• интегрировать YT со Spark;
• писать много хардкорного кода на Scala и Python;
• иногда писать что-то нестрашное на C++ и Java.

• уверенно разрабатываете на Scala или Python;
• готовы учить другие языки;
• понимаете принципы работы распределенных систем;
• понимаете принципы обработки больших данных, парадигму MapReduce и ее наследников.

• работали с Apache Spark;
• знаете C++ или Java;
• хорошо знаете Hadoop Stack (особенно HDFS, YARN);
• работали с Docker и системами оркестрации (Kubernetes, Rancher).