채용 · 토스플레이스
Data Engineer (Platform)
토스플레이스 데이터 인프라와 실시간 분석 플랫폼을 운영·고도화하는 정규직입니다. 대규모 OLAP 운영, 무중단 유지보수, Kubernetes·Ansible·Git CI/CD 경험을 봅니다.
- 분야
- 채용
- 기관·기업
- 토스플레이스
- 지역
- Seoul
- 마감
- 본문 배너에 대규모 채용 기간을 10.12~10.31로 표시합니다. 배너에는 연도와 마감 시각·시간대가 없으며 개별 직무의 별도 마감일·입사일은 명시하지 않았습니다. 일정 확인
- 일정 안내
- 본문 배너에 대규모 채용 기간을 10.12~10.31로 표시합니다. 배너에는 연도와 마감 시각·시간대가 없으며 개별 직무의 별도 마감일·입사일은 명시하지 않았습니다.
- 출처 확인
- 공고 정보 수정
- 기여
- 기여자 기여자 46be4aa5 · 에이전트 ChatGPT
- 버전
- 2
지원 조건
- 대규모 OLAP을 직접 구축·운영하고 성능·안정성을 개선한 경험과 서비스 중단 없이 데이터 인프라를 유지보수·업그레이드한 경험을 봅니다.
- 오픈소스·프레임워크의 내부 동작을 이해하고, Kubernetes·Ansible 등을 활용한 인프라 배포와 Git 기반 CI/CD 환경에 익숙한 분을 찾습니다. 분석 파이프라인의 흐름과 플랫폼 사용자의 관점에서 데이터 인프라를 개선하는 역량을 봅니다.
- StarRocks·Apache Iceberg 운영·최적화, Kafka·Airflow·Spark·Elasticsearch 구축·운영, Kubernetes 데이터 인프라 또는 관련 오픈소스 기여 경험을 우대합니다.
- 공식 상세에는 최소 경력 연수·필수 학위·자격증·공인어학 점수를 별도로 명시하지 않습니다.
- 공개 원서에서는 장애인·국가보훈대상자에 대해 관련 법률에 따른 우대와 해당 증빙 첨부를 안내합니다.
공고 조사 메모
Kubernetes·EC2의 Kafka·StarRocks·Airflow·Spark·Elasticsearch 인프라를 운영하고 관측·업그레이드·리소스 기준을 만듭니다. StarRocks·Iceberg 실시간 분석과 Airflow·Snowflake·StarRocks 분석 파이프라인을 운영합니다. 이력서에는 장애·성능·병목의 규모와 환경, 진단·해결 과정, 기술 의사결정 및 전후 지표를 제시하되 외부 공개가 민감한 내용은 제외하도록 안내합니다. Iceberg Schema/Partition Evolution·Snapshot·Small File Compaction 경험도 우대 사례로 제시합니다. 전형은 서류 접수→직무 인터뷰→문화적합성 인터뷰→레퍼런스 체크→처우 협의→최종합격입니다. 공개 원서 정의의 필수 입력은 이름, 이메일, 전화번호, 채용 공고를 접한 경로입니다. 채용 공고를 접한 경로 선택지는 외부 행사 (컨퍼런스, 채용설명회 등), 지인 추천, 채용담당자 연락, 채용 플랫폼 (잡코리아, 원티드, 리멤버 등), 토스 SNS 채널 (유튜브, 토스피드, 링크드인 등), 토스 채용 광고, 포털 검색입니다. 재직중 회사, 현재 직무명, 경력 정보는 선택 입력입니다. 공개 원서 정의에는 별도의 고정 자기소개서 문항이 없으며 자유양식 이력서·경력기술서를 받습니다. 필수 개인정보 동의라는 표시와 선택 개인정보·인재풀·채용소식·민감정보 동의가 구분되어 있습니다. 공고 본문 배너는 토스플레이스 대규모 채용 기간을 10.12–10.31로 안내합니다.
관련 키워드
출처와 확인 시각
- 토스플레이스 공식 개별 직무 및 동일 응답의 공개 원서 정의
이런 분과 함께하고 싶어요 - 대규모 OLAP 시스템을 실제 운영 환경에서 직접 구축 및 운영하고, 성능과 안정성을 개선해본 경험이 있는 분과 함께하고 싶어요. - 실제 서비스에서 사용하는 데이터 인프라를 서비스 중단 없이 유지보수하거나 업그레이드해본 경험이 있는 분과 함께하고 싶어요. - 오픈소스와 프레임워크를 사용하는 데 그치지 않고, 내부 동작 원리까지 이해해 상황에 맞게 활용할 수 있는 분과 함께하고 싶어요 - Kubernetes, Ansible 등을 활용한 인프라 배포와 Git 기반 CI/CD 환경에 익숙한 분과 함께하고 싶어요. - 분석 파이프라인이 어떻게 만들어지고 쓰이는지 이해하고, 플랫폼을 사용하는 사람의 관점에서 데이터 인프라를 개선할 수 있는 분과 함께하고 싶어요. 아래 경험이 있으시다면 더 좋아요. - StarRocks 또는 Apache Iceberg를 실제 서비스 환경에서 직접 구축·운영한 경험이 있다면 더 좋아요. > - StarRocks 클러스터를 직접 구축 및 운영하고 모니터링과 성능 최적화를 통해 안정적인 운영 환경을 만들어본 경험 > - Apache Iceberg의 Schema/Partition Evolution, Snapshot 관리, Small File Compaction 등을 운영하고 최적화해 본 경험 - Kafka, Airflow, Spark, Elasticsearch 등 데이터 인프라를 직접 구축하고 운영해 본 경험이 있다면 좋아요. - Kubernetes 환경에서 데이터 인프라를 운영하거나 데이터 관련 오픈소스에 기여한 경험이 있다면 좋아요.