Senior Software Engineer Backend Data Streaming

Camunda mette in piedi una squadra nuova, Data Streaming, e cerca una figura backend senior che ne costruisca da zero un pezzo di architettura fondamentale: il modo in cui i dati di processo vengono consumati e serviti. Non sono richiesti viaggi frequenti, a parte i ritrovi aziendali: un kickoff annuale e gli offsite di squadra.

Ruolo
Il problema di partenza è concreto: oggi i clienti non hanno un modo di prima classe per portare fuori da Camunda i propri dati di processo in streaming, e il prodotto di analytics dell'azienda è strozzato dal fatto di interrogare lo stesso storage da cui dipende il motore di esecuzione. La squadra è greenfield e ricostruisce tutto questo su un livello di streaming durevole e scritto in continuo, che disaccoppia il consumo dei dati dal motore vivo. Il lavoro comprende lo spostamento del prodotto di analytics fuori dal percorso critico del motore, la progettazione e la costruzione dell'infrastruttura di streaming di base appoggiata a object storage durevole, e la realizzazione delle capacità di streaming rivolte ai clienti, compresa una via supportata per integrarsi con sistemi come Kafka. Essendo una squadra piccola e con forte autonomia, si prendono decisioni architetturali fondanti, incluse le garanzie di consistenza e durabilità su una pipeline di streaming distribuita, e c'è spazio reale per dare forma sia all'architettura sia al perimetro della squadra mentre matura. È prevista la partecipazione al supporto di terzo livello e alle rotazioni on-call. Sono richiesti almeno sette anni come backend engineer in Java con forte focus su sistemi distribuiti o data-intensive, esperienza pratica nella costruzione o nell'esercizio di un livello di serving analitico su un formato tabellare come Apache Iceberg o Delta Lake, compreso l'uso di un motore di query leggero o embedded come DuckDB oppure di un framework di stream processing con stato come Flink o Kafka Streams. Serve esperienza su object storage come S3, GCS o Azure con protocolli di upload e commit affidabili e idempotenti, basi solide sul ragionamento su correttezza e consistenza nei sistemi data-intensive, e una storia dimostrabile di iniziative tecniche portate avanti in condizioni di reale ambiguità, su sistemi ancora da progettare e non semplicemente da estendere.

Tecnologie
Java, Apache Iceberg e Delta Lake, DuckDB, Apache Flink e Kafka Streams, Kafka, object storage su S3, GCS e Azure, RocksDB ed embedded state store, architetture di streaming native su object storage.