Engineer / Daten / Kategorien
Datenbanken
30 Tage Stromdaten in 180 ms
Varianten zur stündlichen Aggregation des Stromverbrauchs in Python, SQL und Bash + Jq entwickelt; der Python‑Benchmark verarbeitete einen 30‑Tage‑JSONL‑Datensatz in 180 ms.
Stromverbrauchsaggregation in Python, SQL und Bash + Jq entwickelt und gemessen; Python verarbeitete einen 30-Tage-JSONL-Datensatz in 180 ms.
Geografische Datenpipeline 50‑mal schneller
Eine 50‑fache Verbesserung der geografischen Datenpipeline bei der Arbeit der Gründerin für Utiligize durch Änderungen an SQL und Datenmodellen in PostgreSQL, MS SQL und Google Cloud BigQuery dokumentiert.
Die Gründerin dokumentiert eine 50-fache Verbesserung der Geodaten-Pipeline bei Utiligize durch SQL- und Datenmodellarbeit in PostgreSQL, MS SQL und BigQuery.
GIS‑Karte mit Postgre 10‑mal schneller
Die Performance einer geografischen Kartenanwendung durch einen gezielten Datenbankwechsel von MSSQL zu PostgreSQL einschließlich Datenumschaltung um das 10‑Fache verbessert und dabei Verarbeitung und Datensicherheit optimiert.
GIS-Karte durch MSSQL-PostgreSQL-Migration 10-mal schneller gemacht: Geodatenabfragen von 2,5 s auf unter 250 ms verkürzt.
1.000 Fehler in geografischen Daten behoben
1.000 Probleme in geografischen Daten und Zeitreihendaten mit GDAL, ArcGIS, PostGIS, Mapbox, QGIS, SQL (PL/pgSQL, Transact‑SQL) und Bash behoben und eine hochwertige Big‑Data‑Verarbeitung sichergestellt.
Über 1.000 Fehler in Geo- und Zeitreihendaten mit GDAL, PostGIS, ArcGIS, Mapbox, QGIS und SQL behoben; Abfragen um 35 % beschleunigt.
6 ETL/ELT‑Pipelines entworfen und betrieben
6 ETL/ELT‑Pipelines mit Google BigQuery, MSSQL, PostgreSQL, Shell‑Skripten, PL/pgSQL und Transact‑SQL entworfen, umgesetzt und administriert sowie Daten für eine effiziente Verarbeitung durch die Python‑API integriert.
6 ETL/ELT-Pipelines (BigQuery, MSSQL, PostgreSQL) entwickelt und betrieben: 3 Stunden Handarbeit auf unter 20 Minuten verkürzt, täglicher Abgleich.
500 Strom- und GIS‑Datenberichte veröffentlicht
500 Analyseberichte zu Strom- und GIS‑Daten veröffentlicht und durch gründliche Recherche und Fehlerdiagnose präzise Erkenntnisse aus geografischen Big Data und Zeitreihendaten ermöglicht.
500 Strom- und GIS-Analyseberichte als abteilungsübergreifende Grundlage für Lastverteilung, Effizienz und Anomalieerkennung veröffentlicht.
100 Postgre/MS‑SQL/BigQuery‑Warehouses
100 Data‑Warehouse‑Datenbanken in PostgreSQL, MS SQL und Google BigQuery mit überwiegend GIS- und Zeitreihendaten konzipiert, aufgebaut und verwaltet sowie Performance und Skalierbarkeit optimiert.
100 PostgreSQL-, MS-SQL- und BigQuery-Warehouses für GIS- und Zeitreihendaten konzipiert und betrieben; Abfragezeiten um 40–60 % verkürzt.
10 Postgre-/MS‑SQL‑Server auf Ubuntu
10 PostgreSQL- und MS‑SQL‑Server auf Ubuntu‑Linux‑VPS entworfen, bereitgestellt und gewartet und dabei Serverperformance und Zuverlässigkeit sichergestellt.
10 PostgreSQL-/MS-SQL-Server auf Ubuntu-Linux-VPS entworfen und gewartet: 99,9 % Verfügbarkeit, durch Optimierung 30 % schnellere Abfragen.
1.000 RBAC‑Regeln für sichere Linux‑Server
Die Datensicherheit durch 1.000 RBAC‑Regeln für Entwickler, Anwendungsinstanzen, PostgreSQL, MS SQL und weitere Linux‑Server erhöht, unberechtigte Zugriffe verhindert und die Regeln mit Ansible‑Automatisierung dokumentiert.
Dokumentierte 1.000 RBAC-Regeln für Entwicklungs-, Anwendungs-, Datenbank- und Linux-Zugriffe mit dokumentierter Ansible-Konfiguration umgesetzt.
Postgre um das 10‑Fache beschleunigt
PostgreSQL durch gezielte Indizierung, Partitionierung und Abfrageoptimierung um das 10‑Fache beschleunigt und die Datenbankeffizienz für Nutzer-, Mandanten-, Geodaten und Strom‑Zeitreihendaten verbessert.
PostgreSQL für Nutzer-, Mandanten-, Geo- und Zeitreihendaten durch Indizes, Partitionierung und Abfrageoptimierung 10-mal schneller; 40 % weniger Ressourcen.
100 wichtige Sicherungen mit Barman automatisiert
100 geschäftskritische Datensicherungen mit Barman, Google Cloud, Bash und Python automatisiert und die Datenintegrität über die Datenbanken hinweg abgesichert.
100 kritische Datenbanksicherungen mit Barman, Google Cloud, Bash und Python automatisiert und Wiederherstellbarkeit nachweisbar geprüft.
30+ GIS‑Projekte von Entwicklung bis Support
Entwicklung, Bereitstellung und Support von über 30 GIS‑Projekten geleitet und dabei Fachwissen zu PostgreSQL, Bash, Python, JavaScript, GDAL, ArcGIS, PostGIS und Mapbox eingesetzt.
Entwicklung, Bereitstellung und Support von über 30 GIS-Projekten mit PostgreSQL, Python, GDAL, ArcGIS, PostGIS und Mapbox geleitet.
Datenarbeit mit Python und PL/pgSQL automatisiert
Datenverarbeitungsaufgaben mit Shell‑Skripten, PL/pgSQL, Python und Transact‑SQL automatisiert und Produktivität sowie Effizienz gesteigert.
Datenarbeit mit Shell, PL/pgSQL, Python und Transact-SQL automatisiert, die Produktivität erhöht und kleine wiederkehrende Fehler beseitigt.
600 PL/pgSQL‑ETL/ELT‑Pipelines entwickelt
600 PL/pgSQL‑basierte ETL/ELT‑Pipelines für effizientere komplexe Datenverarbeitung in mehreren PostgreSQL‑Entwicklungs- und Produktivumgebungen entwickelt.
Dokumentierte 600 PL/pgSQL-ETL/ELT-Pipelines in PostgreSQL-Entwicklung und -Produktion einschließlich inkrementellem Laden und Protokollierung entwickelt.
Eine maritime Plattform mit klaren Systemgrenzen
Eine geschichtete maritime Plattform mit getrenntem Next.js‑PWA‑Frontend, Go‑API (Huma/Fiber) und PostgreSQL‑Funktionsschicht entworfen und sämtliche Geschäftslogik in der Datenbank gehalten.
Maritime Plattform in Schichten entworfen: Next.js-PWA, Go-API (Huma/Fiber) und PostgreSQL-Funktionsschicht mit sämtlicher Geschäftslogik.
JSON direkt von Postgres an die API geleitet
Eine JSON‑Passthrough‑Architektur entworfen, in der PostgreSQL‑Funktionen vollständiges JSON zurückgeben, das die Go‑API unverändert weiterreicht; damit entfällt die zwischenzeitliche Deserialisierung und das Frontend bleibt von Schemaänderungen entkoppelt.
JSON-Passthrough entworfen: PostgreSQL liefert vollständiges JSON, die Go-API reicht es unverändert weiter; Frontend und Schema bleiben entkoppelt.
Postgre‑Datenschicht mit Funktionen entworfen
Eine PostgreSQL‑Datenschicht nach dem Function‑first‑Prinzip entworfen — 1.275 gespeicherte Funktionen in 34 Schemata — sodass jeder Lese- und Schreibzugriff über eine gezielt berechtigbare Funktion statt über eine Tabelle erfolgt.
Funktionszentrierte PostgreSQL-Datenschicht entworfen: 1.275 gespeicherte Funktionen in 34 Schemata; die Datenbank erzwingt die Zugriffsgrenzen.
Zeitlich geordnete Schlüssel für ein wachsendes Datenmodell
Zeitlich geordnete UUID‑v7‑Identifikatoren (PostgreSQL 18) als Entitätsschlüssel eingeführt, um die Fragmentierung von B‑Baum‑Indizes zu verringern und Abfragen zu beschleunigen.
Zeitgeordnete UUID-v7-Entitätsschlüssel in PostgreSQL 18 eingeführt: für weniger B-Baum-Fragmentierung und schnellere Einfügungen und Bereichsabfragen.
Kataloggesteuerten Deep‑Merge umgesetzt
Eine kataloggesteuerte tiefe Zusammenführung gespeicherter JSON‑Einstellungen umgesetzt, die Abstürze durch fehlende Schlüssel bei der Weiterentwicklung des Schemas verhindert.
Kataloggesteuerte tiefe Zusammenführung gespeicherter JSON-Einstellungen umgesetzt und Abstürze durch fehlende Schlüssel bei Schemaänderungen verhindert.
348 Tabellen in 34 Postgres‑Schemata modelliert
Die maritime Domäne in 348 normalisierten Tabellen über 34 PostgreSQL‑Schemata modelliert — Fachkräfte, Unternehmen, Schiffe, Stellen, Bewertungen und weitere Bereiche — mit SMALLINT‑Nachschlagetabellen und UUID‑v7‑Schlüsseln.
Maritime Domäne in 348 normalisierten Tabellen und 34 PostgreSQL-Schemata modelliert, mit SMALLINT-Nachschlagetabellen, UUID v7 und einheitlichen Namen.
Sicherungen und Notfallwiederherstellung als Code
Die Aufbewahrung von Datenbanksicherungen als Infrastructure as Code konfiguriert, anschließend die Wiederherstellbarkeit geprüft und das Wiederherstellungsverfahren dokumentiert — mit ausdrücklich benannten Lücken, statt sie erst im Ernstfall entdecken zu lassen.
Datenbanksicherungsaufbewahrung als Code konfiguriert, Wiederherstellbarkeit geprüft und Wiederherstellungsverfahren sowie verbleibende Lücken dokumentiert.
Stripe- und In‑App‑Kaufberechtigungen entwickelt
Die Zahlungs- und Berechtigungsschicht aufgebaut — Stripe sowie In‑App‑Käufe von Apple und Google — und Verzeichnis, Suche und Export durch ein serverseitig geprüftes Zugriffsmodell mit 11 Tabellen abgesichert.
Zahlungen und Zugangsrechte mit Stripe und Apple-/Google-In-App-Käufen entwickelt; Zugriffsmodell schützt Verzeichnis, Suche und Export.
Langsame Aufgaben in River‑Jobqueue verlagert
Langsame Verarbeitung aus dem Anfragepfad in eine River‑Jobqueue verlagert — 15 Worker‑Module, 8 geplante Aufgaben und 20 pg_cron‑Jobs — sodass Anfragen zurückkehren, während die zugehörige Arbeit weiterläuft.
Langsame Arbeit aus dem Anfragepfad in River verlagert: 15 Worker-Module, 8 geplante Aufgaben und 20 pg_cron-Wartungsjobs.
1.022 Migrationen mit Schemaabweichungsprüfung
Die Konsistenz des Schemas über 1.022 Migrationen mit einer CI‑Prüfung abgesichert, die die Datenbank auf zwei Wegen aufbaut — Neuinstallation sowie Installation mit sämtlichen Migrationen — und bei Unterschieden fehlschlägt.
Schema über 1.022 Migrationen konsistent gehalten: CI baut die Datenbank auf zwei Wegen auf und schlägt bei abweichenden Ergebnissen fehl.
Eigene Analysen in Postgre entwickelt
Eigene Produktanalysen in PostgreSQL entwickelt — 47 Funktionen über partitionierten Ereignistabellen mit automatischer Bereinigung — pseudonymisiert mit wechselndem Salt und nur mit Einwilligung des Besuchers.
Eigene Produktanalysen in PostgreSQL: 47 Funktionen auf selbstbereinigenden partitionierten Tabellen, pseudonymisiert und mit Einwilligung.
Loyalitätskonto, Ligen und Abzeichen entwickelt
Das Loyalitäts- und Reputationssystem entwickelt — 67 Funktionen über ein Hauptbuch mit 31 Tabellen, mit Ligen, Abzeichen und einem Prämienshop — und den Kontostand durch eine Zeilensperre gegen doppelte Ausgaben abgesichert.
Loyalitäts- und Reputationssystem: 67 Funktionen über ein Hauptbuch mit 31 Tabellen, Ligen, Abzeichen und Shop; Zeilensperren auf dem Kontostand.
Stellenmarkt und Seefahrtskarriere entwickelt
Arbeitsbereiche für Personalgewinnung und die Laufbahn von Seeleuten entwickelt; der dokumentierte Implementierungsstand umfasst 151 gespeicherte Funktionen in 48 Tabellen für Stellen, Bewerbungen, Zertifikate, Rangentwicklung und Seefahrtzeit.
Arbeitsbereiche für Personalgewinnung und die Laufbahn von Seeleuten entwickelt, mit 151 Funktionen in 48 Tabellen im dokumentierten Implementierungsstand.
495 Seiten aus einem SQLite‑Export erzeugt
495 Leistungsseiten in drei Sprachen aus einem schreibgeschützten SQLite‑Export erzeugt und die Seitenadresse als eigene Daten festgehalten, damit eine Satzkorrektur nicht länger die Seite verschiebt und Links bricht.
Vierhundertfünfundneunzig Seiten entstehen aus einer Quelle. Eine Aussage lässt sich ohne Folgekosten korrigieren, und alle jemals veröffentlichten Adressen…
Datenbankgestützten Lebenslaufgenerator aufgebaut
Einen datenbankgestützten Generator für Lebenslauf, Referenzen, Portfolio und Anschreiben in Python entwickelt — 41 Module, 10.580 Zeilen — der sechs Ausgabeformate aus einer SQLite‑Quelle mit 23 Tabellen erzeugt, aufgebaut durch eine idempotente Pipeline mit 19 Schritten.
Sechs Formate, drei Sprachen und fünf Designs entstehen aus einer Datenbank. Ein korrigierter Satz wird einmal korrigiert.
Die Prüfwerkzeuge selbst mit Tests geprüft
Tests für die Prüfwerkzeuge selbst geschrieben, nachdem klar war, dass ein nur mit fehlerfreien Eingaben getestetes Werkzeug irgendwann auch nach dem Lesen von nichts Erfolg meldet — einen Tippfehler eingebaut, um die Rechtschreibprüfung zu prüfen, und einen ID‑Bereich aus der Datenbank statt einer Testkonstante übernommen.
Jedes Prüfwerkzeug hat nun einen Test, der sein Scheitern bei fehlerhafter Eingabe nachweist. Bereichsprüfungen lesen die maßgebliche Quelle.