Spring til indhold
EngineerData
Menu
Design
Dansk

Engineer / Data / Kategorier

Optimering af ydeevne

  1. 30 dages eldata på 180 ms

    Har udviklet varianter til timeaggregering af elforbrug i Python, SQL og Bash + Jq; i benchmarken behandlede Python ét JSONL‑datasæt for 30 dage på 180 ms.

    Byggede og benchmarkede aggregering af elforbrug i Python, SQL og Bash + Jq; Python behandlede et JSONL-datasæt for 30 dage på 180 ms.

  2. Har gjort en geodatapipeline 50 gange hurtigere

    Har registreret en forbedring på 50 gange i en geografisk datapipeline i stifterens arbejde hos Utiligize gennem SQL- og datamodelændringer i PostgreSQL, MS SQL og Google Cloud BigQuery.

    Stifteren registrerer en forbedring på 50 gange i en geodatapipeline hos Utiligize gennem SQL- og datamodelarbejde i PostgreSQL, MS SQL og BigQuery.

  3. Har forbedret GIS‑kortydeevne 10x med PostgreSQL

    Har gjort en geografisk kortapplikation 10 gange hurtigere gennem en strategisk databaseovergang fra MSSQL til PostgreSQL, herunder selve omlægningen af data, og optimeret behandlingen og datasikkerheden.

    Gjorde en GIS-kortapplikation 10 gange hurtigere ved at migrere fra MSSQL til PostgreSQL — spatiale forespørgsler fra 2,5 s til under 250 ms.

  4. Har løst 1.000 problemer i geografiske data

    Har løst 1.000 problemer i geografiske data og tidsseriedata ved hjælp af GDAL, ArcGIS, PostGIS, Mapbox, QGIS, SQL (PL/pgSQL, Transact‑SQL) og Bash, hvilket har sikret behandling af big data i høj kvalitet.

    Løste 1.000+ problemer i store mængder geografiske data og tidsseriedata med GDAL, PostGIS, ArcGIS, Mapbox, QGIS og SQL — 35 % hurtigere forespørgsler.

  5. Har drevet 100 data warehouse‑databaser

    Har stået for arkitektur, oprettelse og drift af 100 data warehouse‑databaser i PostgreSQL, MS SQL og Google BigQuery, primært med GIS- og tidsseriedata, og optimeret ydeevne og skalerbarhed.

    Stod for arkitektur og drift af 100 data warehouse-databaser (PostgreSQL, MS SQL, BigQuery) til GIS- og tidsseriedata — 40–60 % kortere forespørgselstid.

  6. Har drevet 10 PostgreSQL- og MS SQL‑servere

    Har designet, idriftsat og vedligeholdt 10 PostgreSQL- og MS SQL‑servere på Ubuntu Linux VPS og sikret optimal ydeevne og driftssikkerhed på serverne.

    Designede og vedligeholdt 10 PostgreSQL- og MS SQL-servere på Ubuntu Linux VPS med 99,9 % oppetid og 30 % hurtigere forespørgsler efter tuning.

  7. Har gjort PostgreSQL 10 gange hurtigere

    Har gjort PostgreSQL 10 gange hurtigere med strategisk indeksering, partitionering og forespørgselsoptimering og effektiviseret databasen til brugerdata, tenantdata, geodata og tidsserier af eldata.

    Gjorde PostgreSQL 10 gange hurtigere med indeksering, partitionering og forespørgselstuning af bruger-, tenant-, geo- og tidsseriedata — 40 % færre ressourcer.

  8. Har udviklet 600 PL/pgSQL‑ETL/ELT‑pipelines

    Har udviklet 600 PL/pgSQL‑baserede ETL/ELT‑pipelines for at strømline komplekse arbejdsgange i databehandlingen i flere udviklings- og produktionsmiljøer med PostgreSQL.

    Udviklede 600 registrerede PL/pgSQL-ETL/ELT-pipelines i PostgreSQL til udvikling og produktion, med inkrementel indlæsning og logning.

  9. Har designet en JSON‑passthrough‑arkitektur

    Har designet en JSON passthrough‑arkitektur, hvor PostgreSQL‑funktioner returnerer komplet JSON, som Go‑API'et videresender uændret, så der ikke er nogen mellemliggende unmarshalling, og frontenden er afkoblet fra skemaændringer.

    Designede en JSON-passthrough, hvor PostgreSQL-funktioner returnerer færdig JSON, som Go-API'et videresender uændret — frontenden afkoblet fra skemaet.

  10. Tidsordnede nøgler til en voksende datamodel

    Har indført tidsordnede UUID v7‑identifikatorer (PostgreSQL 18) som entitetsnøgler for at reducere fragmentering af B‑tree‑indeks og øge forespørgselshastigheden.

    Indførte tidsordnede UUID v7-nøgler i PostgreSQL 18 for at mindske B-tree-fragmentering og forbedre indsættelser og intervalforespørgsler i entitetstabeller.

  11. Har modelleret 348 tabeller i 34 Postgres‑skemaer

    Har modelleret det maritime domæne i 348 normaliserede tabeller fordelt på 34 PostgreSQL‑skemaer — fagfolk, virksomheder, skibe, jobs, anmeldelser og resten — med SMALLINT‑opslagstabeller og UUID v7‑nøgler.

    Modellerede det maritime domæne i 348 normaliserede tabeller fordelt på 34 PostgreSQL-skemaer — SMALLINT-opslag, UUID v7-nøgler og én navnekonvention.

  12. Har flyttet langsomme opgaver til en River‑jobkø

    Har flyttet langsomt arbejde væk fra request‑stien og over på en River‑jobkø — 15 worker‑moduler, 8 planlagte opgaver og 20 pg_cron‑jobs — så en request returnerer, mens arbejdet bag den kører videre.

    Flyttede langsomt arbejde væk fra request-stien over på en River-jobkø: 15 worker-moduler, 8 planlagte opgaver og 20 pg_cron-vedligeholdelsesjobs.

  13. Har bygget egen analytics i PostgreSQL

    Har bygget egen produktanalyse i PostgreSQL — 47 funktioner over partitionerede event‑tabeller, der selv rydder op — pseudonymiseret bag et roterende salt og betinget af den besøgendes samtykke.

    Byggede egen produktanalyse i PostgreSQL — 47 funktioner over partitionerede tabeller, der selv rydder op — pseudonymiseret og betinget af samtykke.

  14. Har bygget loyalitetspoint, ligaer og badges

    Har bygget loyalitets- og omdømmesystemet — 67 funktioner over en hovedbog på 31 tabeller, med ligaer, badges og en indløsningsshop — og med en rækkelås på saldoen til at lukke vinduet for dobbeltforbrug.

    Byggede loyalitets- og omdømmesystemet — 67 funktioner over en hovedbog på 31 tabeller, ligaer, badges og en shop — med rækkelåsning på saldoen.

Kontakt

Er I stadig ved at finde ud af, hvad I har brug for?

Fortæl os, hvad der går galt, eller hvad I prøver at bygge. Så siger vi, hvad det vil kræve, cirka hvad det vil koste, og om vi er de rigtige til det.

Fra 1.400 DKK i timen, ekskl. moms — og mindre pr. time ved en længere booking.

welcome@engineer.company +45 50 10 61 84 København, Danmark