# Optimalisering av databaseytelse > Utvalgt arbeid som viser denne tjenesten. - [Utviklet en pipeline for timesaggregering av strømforbruk i Python / SQL / Bash + Jq som oppnådde 180 ms for datasett på 30 dager fra heterogene JSONL‑kilder.](https://data.engineer.company/nb/portfolio/engineered-hourly-electricity-consumption-aggregation-pipeline-in-python-4/) - [Økte ytelsen i geografiske datapipelines 50 ganger ved å forbedre SQL‑programmeringen og datamodelleringen i PostgreSQL, MS SQL og Google Cloud BigQuery.](https://data.engineer.company/nb/portfolio/accelerated-geographical-data-pipeline-performance-by-50x-by-5/) - [Forbedret ytelsen i en geografisk kartapplikasjon 10 ganger gjennom et strategisk databaseskifte fra MSSQL til PostgreSQL, inkludert omleggingen av dataene, og optimaliserte samtidig behandlingen og datasikkerheten.](https://data.engineer.company/nb/portfolio/improved-geographical-map-application-performance-by-10x-through-6/) - [Utformet, opprettet og administrerte 100 databaser for datavarehus i PostgreSQL, MS SQL og Google BigQuery, hovedsakelig med GIS- og tidsseriedata, og optimaliserte ytelse og skalerbarhet.](https://data.engineer.company/nb/portfolio/architected-created-and-managed-100-postgresql-ms-sql-12/) - [Økte PostgreSQL‑ytelsen 10 ganger gjennom strategisk indeksering, partisjonering og spørringsoptimalisering, og gjorde databasen mer effektiv for bruker- og tenantdata, geodata og elektriske tidsseriedata.](https://data.engineer.company/nb/portfolio/accelerated-postgresql-performance-by-10x-via-strategic-indexing-15/) - [Tok i bruk tidsordnede UUID v7‑identifikatorer (PostgreSQL 18) som entitetsnøkler for å redusere fragmenteringen i B‑tre‑indekser og gjøre spørringene raskere.](https://data.engineer.company/nb/portfolio/adopted-uuid-v7-time-ordered-identifiers-postgresql-18-64/)