Présentation de QuestDB
QuestDB se décrit comme une base de données time‑series à faible latence. Elle prétend pouvoir ingérer plusieurs millions d'événements par seconde et fournir des résultats de requêtes en millisecondes. Le moteur combine du code Java à zero‑GC, du Rust, du C++ et de l'assembleur, et repose sur un stockage colonnaire avec exécution vectorisée et JIT‑compiled. Les vues matérialisées en flux et la couche lakehouse ouverte, compatible Parquet et Iceberg, permettent de conserver plusieurs années d'historique tout en restant interrogeables via le même moteur SQL.
Architecture et performances
Le modèle de stockage colonnaire optimise la lecture séquentielle des séries temporelles, tandis que la compilation JIT réduit le temps d’interprétation des requêtes. QuestDB Enterprise transforme un serveur unique en déploiement distribué grâce à une architecture à plusieurs niveaux qui intègre la réplication, le basculement et la sauvegarde. Les clients peuvent déployer la solution sur leurs propres clouds (AWS ou Azure) en mode BYOC, ou dans des clusters Kubernetes, avec prise en charge de RBAC, TLS et SSO. La couche de tiering permet d’interroger directement des fichiers Parquet, ce qui réduit le besoin de migration de données pour les analyses historiques.
Positionnement marché et exigences du rôle
QuestDB compte plus de 17 000 étoiles GitHub et se revendique comme le croissance la plus rapide de sa catégorie. Son adoption s’étend aux banques de niveau 1, aux bourses, aux fonds de couverture, aux plateformes crypto et aux opérateurs énergétiques sur quatre continents, avec des projets en robotique, aérospatiale et « Physical AI ». Le poste d’ingénieur avant‑vente doit gérer la validation technique d’un cycle de vente complet : découverte des besoins, preuve de concept limitée dans le temps, exécution de benchmarks sur les données du client, validation d’architecture et revue de sécurité, jusqu’à la mise en production initiale.
Implications pour les candidats
Le candidat doit maîtriser le SQL et comprendre les mécanismes internes d’une base colonnaire : disposition du stockage, partitionnement, indexation et planification de requêtes. Une connaissance pratique des environnements Linux, Docker et Kubernetes, ainsi que des services cloud majeurs, est attendue. Le rôle requiert également la capacité d’écrire du code fonctionnel en Python et dans l’un des langages natifs (Java, C++, Rust ou Go), afin de créer des pipelines de démonstration et des jeux de données d’exemple. Enfin, les retours terrain alimentent directement la feuille de route produit, ce qui implique une communication précise avec le CTO et les équipes d’ingénierie.
