Engineer / Daten / Leistungen
Langsame Stellen schnell machen
Die Abfragen und fehlenden Indizes hinter einem von Jahr zu Jahr schwerfälligeren System finden und die entscheidenden Probleme beheben.
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.
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.
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.
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.