About the Role
We are looking for a Mid/Senior Data Engineer to build, operate, and improve our next-generation data platform.
You will design reliable batch and streaming data pipelines, build scalable lakehouse architectures, and develop the infrastructure that powers analytics and operational data products.
You will work with technologies including Spark, Trino, Iceberg, Kafka, dbt, Airflow, Kubernetes, PostgreSQL, and Debezium while collaborating closely with Product, Backend, and Data teams.
What You'll Do
Build Data Platforms
- Design, build, and maintain scalable batch and streaming data pipelines.
- Build and optimize lakehouse architectures using Iceberg or Delta Lake.
- Develop distributed data processing jobs with Spark and Trino.
Operate Production Systems
- Build and maintain CDC pipelines using Debezium and Kafka Connect.
- Manage Airflow workflows and Kubernetes deployments.
- Improve platform scalability, performance, and reliability.
Ensure Reliability
- Implement monitoring, alerting, and data quality checks.
- Investigate production incidents and perform root cause analysis.
- Optimize SQL queries, Spark/Trino jobs, and storage layouts.
Collaborate
- Work with Product, Backend, and Data teams on data contracts and schema evolution.
- Document platform architecture, pipelines, and operational procedures.
What We're Looking For
- Programming: Python (required), Scala (preferred), Java or Go (a plus)
- Data Processing: Strong SQL, dbt, Apache Spark, Trino
- Data Platform: Apache Kafka, Kafka Connect, Debezium, ETL/ELT pipelines
- Storage & Lakehouse: PostgreSQL, Apache Iceberg or Delta Lake
- Infrastructure: Kubernetes, Linux, Docker
- Workflow & Automation: Apache Airflow
- Observability: Grafana, Zabbix
- Engineering Practices: Data modeling, distributed systems, performance tuning, debugging, monitoring, documentation, and CI/CD
Nice to Have
- Experience with Hive Metastore
- Experience with distributed file systems/object stores (HDFS preferred)
- Experience building internal data platforms
- Experience with data observability, lineage, or metadata management
- Experience contributing to open-source projects
Success in This Role
- Production data pipelines achieve high reliability and meet SLA targets.
- Batch and streaming workloads are scalable and well monitored.
- Platform incidents are detected quickly and resolved effectively.
- Lakehouse tables remain performant and maintainable.
- Engineering teams can confidently deploy and operate data workloads.
Core Technology Stack
- Programming: Python, Scala, Java (Plus), Go (Plus)
- Processing: SQL, Spark, Trino, dbt
- Platform: Kafka, Kafka Connect, Debezium, Airflow
- Storage: PostgreSQL, Iceberg, Delta Lake
- Infrastructure: Kubernetes, Linux, Docker
- Monitoring: Grafana, Zabbix
تا چند وقت پیش کسانی که به فکر سفر میافتادند، منبع جامع و کاملی از هتلها در دسترس نداشتند تا بتوانند بسته به بودجه و سلیقهشان اقامتگاهی مناسب پیدا کنند. اسنپ تریپ 95 درصد از اقامتگاههای ایران را در سایت گردآوری کرده است تا مسافران هتلها را مقایسه کنند و اقامتگاه مدنظرشان را با بهترین قیمت بهصورت آنلاین رزرو کنند.
اما کار همینجا تمام نشد، تیم ما هر روز بزرگتر میشد و هر روز رویا و هدفهای جدیدی پیش رویمان قرار میگرفت که بزرگترینشان این بود که بتوانیم تمامی مراحل سفر را تحتپوشش قرار دهیم. خرید آنلاین بلیط هواپیما، قطار و اتوبوس را هم به خدماتمان اضافه کردیم و انقدر بزرگ شدیم که توانستیم از نامخانوادگیمان، اسنپ، استفاده کنیم و اسممان را از پینتاپین به اسنپتریپ تغییر دهیم. خدمات ویژهای را هم برای شرکتها و سازمانها فراهم کردیم و در سایتمان بخشی را به سفرهای کاری اختصاص دادیم.
حالا اسنپتریپ از آن گروه کوچک چندنفره به گروهی 220 نفره تبدیل شده و یکی از بزرگترین سامانههای آنلاین خدمات سفر (بلیط، هتل و ...) است.
اما هدفهای ما برای ارائه خدمات بهتر و بزرگترشدن هنوز ادامه دارد. قدم بعدیمان این است که بهروزترین مرجع گردشگری ایران باشیم و کیفیت خدمات آنلاینمان آنقدر بالا باشد که تمامی گردشگران خدمات آنلاین را به خدمات آفلاین ترجیح بدهند. ما منتظر روزی هستیم که اسنپتریپ برای گردشگران یادآور تجربه خوش سفر باشد.
کار شرکت ما با فروش تمام نمیشود؛ تیم پشتیبانی اسنپ تریپ، 24 ساعته آماده پاسخگویی به مشتریان است.