Engineer / Données / Prestations
Prendre soin de la base de données
Une personne responsable du socle de toute l'entreprise : il fonctionne, ses données sont sauvegardées et il ne se dégrade pas en silence.
100 entrepôts Postgre, MS SQL et BigQuery
Conçu l'architecture, créé et géré 100 bases d'entrepôts de données PostgreSQL, MS SQL et Google BigQuery, principalement consacrées aux données GIS et aux séries temporelles, en optimisant leurs performances et leur capacité de montée en charge.
100 entrepôts PostgreSQL, MS SQL et BigQuery pour données GIS et temporelles : temps de requête réduits de 40–60 %.
10 serveurs Postgre et MS SQL sur Ubuntu
Conçu, déployé et maintenu 10 serveurs PostgreSQL et MS SQL sur des VPS Ubuntu Linux, en veillant à leurs performances et à leur fiabilité.
10 serveurs PostgreSQL et MS SQL sur VPS Ubuntu Linux : disponibilité de 99,9 % et requêtes accélérées de 30 % par optimisation.
1 000 règles RBAC pour sécuriser Linux
Renforcé la sécurité des données en mettant en place 1 000 règles RBAC pour les développeurs, les instances applicatives, PostgreSQL, MS SQL et d'autres serveurs Linux afin de prévenir les accès non autorisés, avec une documentation et une automatisation Ansible.
Mise en œuvre consignée de 1 000 règles RBAC pour les accès développeurs, applications, bases et Linux, avec configuration Ansible documentée.
Postgre accéléré de 10 fois
Accéléré PostgreSQL de 10 fois grâce à l'indexation, au partitionnement et à l'optimisation des requêtes sur les données des utilisateurs, des organisations clientes, les données géospatiales et les séries temporelles électriques.
PostgreSQL accéléré 10 fois par indexation, partitionnement et requêtes optimisées : données utilisateurs, tenants, GIS et temporelles ; ressources −40 %.
100 sauvegardes critiques automatisées : Barman
Automatisé 100 sauvegardes critiques avec Barman, Google Cloud, Bash et Python pour préserver l'intégrité des données dans les bases.
100 sauvegardes critiques automatisées avec Barman, Google Cloud, Bash et Python, pour une récupération des données vérifiée par des tests.
Traitement automatisé : Python et PL/pgSQL
Automatisé les traitements de données avec des scripts Shell, PL/pgSQL, Python et Transact‑SQL pour accroître la productivité et l'efficacité.
Traitements automatisés avec Shell, PL/pgSQL, Python et Transact-SQL, pour accroître la productivité et éliminer les petites erreurs récurrentes.
600 pipelines ETL/ELT PL/pgSQL conçus
Conçu 600 pipelines ETL/ELT en PL/pgSQL pour simplifier des traitements de données complexes dans plusieurs environnements PostgreSQL de développement et de production.
600 pipelines ETL/ELT PL/pgSQL consignés sur PostgreSQL de développement et production, avec chargement incrémental et journalisation.
Sauvegardes et reprise sous forme de code
Configuré la conservation des sauvegardes sous forme d'Infrastructure as Code, puis évalué les possibilités de récupération et documenté la restauration, en explicitant les lacunes restantes avant qu'un incident ne les révèle.
Conservation des sauvegardes de base en code, évaluation des possibilités de récupération et documentation de la restauration et des lacunes restantes.
1 022 migrations contrôlées contre les écarts
Maintenu la cohérence du schéma au fil de 1 022 migrations avec un contrôle CI construisant la base de deux façons — installation neuve, puis installation suivie de toutes les migrations — et échouant en cas de différence.
1 022 migrations de schéma vérifiées par un contrôle CI construisant la base de deux façons et échouant si elles divergent.