Hopp til innhold
EngineerData
Meny
Design
Norsk bokmål

Engineer / Data / Kategorier

Ytelsesoptimalisering

  1. 30 dagers strømdata på 180 ms

    Utviklet varianter for timesaggregering av strømforbruk i Python, SQL og Bash + Jq; Python‑varianten behandlet ett JSONL‑datasett for 30 dager på 180 ms i ytelsestesten.

    Bygde og ytelsestestet aggregering av strømforbruk i Python, SQL og Bash + Jq; Python behandlet ett JSONL-datasett for 30 dager på 180 ms.

  2. Gjorde en geodatapipeline 50 ganger raskere

    Registrerte en forbedring på 50 ganger i en geografisk datapipeline i grunnleggerens arbeid hos Utiligize gjennom SQL- og datamodellendringer i PostgreSQL, MS SQL og Google Cloud BigQuery.

    Grunnleggeren registrerer en forbedring på 50 ganger i en geodatapipeline hos Utiligize gjennom SQL- og datamodellarbeid i PostgreSQL, MS SQL og BigQuery.

  3. Gjorde GIS‑kart 10 ganger raskere på PostgreSQL

    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.

    Forbedret en GIS-kartapplikasjon 10 ganger ved å migrere fra MSSQL til PostgreSQL — romlige spørringer falt fra 2,5 s til under 250 ms.

  4. Løste 1 000 problemer i geografiske data

    Løste 1 000 problemer i geografiske data og tidsseriedata med GDAL, ArcGIS, PostGIS, Mapbox, QGIS, SQL (PL/pgSQL, Transact‑SQL) og Bash, og sikret behandling av stordata med høy kvalitet.

    Løste over 1 000 problemer i geografiske stordata og tidsseriedata med GDAL, PostGIS, ArcGIS, Mapbox, QGIS og SQL — 35 % raskere spørringer.

  5. Drev 100 datavarehus: Postgres, MS SQL, BigQuery

    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.

    Designet og drev 100 datavarehusdatabaser i PostgreSQL, MS SQL og BigQuery for GIS- og tidsseriedata — spørretidene gikk ned 40–60 %.

  6. Drev 10 PostgreSQL- og MS SQL‑servere på Ubuntu

    Designet, satte i produksjon og vedlikeholdt 10 PostgreSQL- og MS SQL‑servere på Ubuntu Linux‑VPS‑er, og sikret optimal serverytelse og pålitelighet.

    Designet og vedlikeholdt 10 PostgreSQL- og MS SQL-servere på Ubuntu Linux VPS med 99,9 % oppetid og 30 % raskere spørringer gjennom finjustering.

  7. Økte PostgreSQL‑ytelsen 10 ganger

    Økte PostgreSQL‑ytelsen 10 ganger gjennom strategisk indeksering, partisjonering og spørringsoptimalisering, og gjorde databasen mer effektiv for bruker- og tenantdata, geodata og elektriske tidsseriedata.

    Gjorde PostgreSQL 10 ganger raskere med indeksering, partisjonering og spørringsjustering for bruker-, leietaker-, geo- og tidsseriedata — ressursbruk ned 40 %.

  8. Utviklet 600 ETL/ELT‑pipelines i PL/pgSQL

    Utviklet 600 PL/pgSQL‑baserte ETL/ELT‑pipelines for å effektivisere komplekse arbeidsflyter for databehandling på tvers av flere utviklings- og produksjonsmiljøer i PostgreSQL.

    Utviklet 600 registrerte ETL/ELT-pipeliner i PL/pgSQL for PostgreSQL i utvikling og produksjon, med inkrementell lasting og logging.

  9. Designet JSON rett fra Postgres til API‑et

    Designet en JSON‑passthrough‑arkitektur der PostgreSQL‑funksjoner returnerer komplett JSON som Go‑API‑et videresender uendret, noe som fjernet mellomliggende unmarshalling og frikoblet frontend fra skjemaendringer.

    Designet en JSON-passthrough der PostgreSQL-funksjoner returnerer komplett JSON som Go-API-et videresender uendret, og koblet frontenden løs fra skjemaet.

  10. Tidsordnede nøkler for en voksende datamodell

    Tok i bruk tidsordnede UUID v7‑identifikatorer (PostgreSQL 18) som entitetsnøkler for å redusere fragmenteringen i B‑tre‑indekser og gjøre spørringene raskere.

    Tok i bruk tidsordnede UUID v7-nøkler i PostgreSQL 18 med mål om mindre B-tre-fragmentering og bedre innsetting og intervallspørringer i entitetstabeller.

  11. Modellerte 348 tabeller i 34 Postgres‑skjemaer

    Modellerte det maritime domenet i 348 normaliserte tabeller fordelt på 34 PostgreSQL‑skjemaer — fagfolk, selskaper, skip, stillinger, omtaler og resten — med SMALLINT‑oppslag og UUID v7‑nøkler.

    Modellerte det maritime domenet i 348 normaliserte tabeller fordelt på 34 PostgreSQL-skjemaer, med SMALLINT-oppslag, UUID v7-nøkler og én navnekonvensjon.

  12. Flyttet tregt arbeid over i en River‑jobbkø

    Flyttet tregt arbeid ut av forespørselsbanen og over i en River‑jobbkø — 15 worker‑moduler, 8 planlagte oppgaver og 20 pg_cron‑jobber — slik at en forespørsel returnerer mens arbeidet bak den fortsetter.

    Flyttet tidkrevende arbeid ut av forespørselsløpet og over i en jobbkø i River: 15 arbeidermoduler, 8 planlagte oppgaver og 20 vedlikeholdsjobber i pg_cron.

  13. Bygde egen analyse inne i PostgreSQL

    Bygde egen produktanalyse i PostgreSQL — 47 funksjoner over partisjonerte hendelsestabeller som rydder seg selv — pseudonymisert bak et roterende salt og betinget av den besøkendes samtykke.

    Bygde egen produktanalyse i PostgreSQL — 47 funksjoner over partisjonerte tabeller som rydder seg selv — pseudonymisert og betinget av samtykke.

  14. Bygde en lojalitetslommebok, ligaer og merker

    Bygde lojalitets- og omdømmesystemet — 67 funksjoner over en hovedbok på 31 tabeller, med ligaer, merker og en innløsningsbutikk — med radlås på saldoen for å lukke vinduet for dobbeltforbruk.

    Bygde lojalitets- og omdømmesystemet — 67 funksjoner over en hovedbok på 31 tabeller, ligaer, merker og en butikk — med radlåsing på saldoen.

Kontakt

Avklarer dere fortsatt hva dere trenger?

Fortell oss hva som går galt, eller hva dere prøver å bygge. Vi sier hva det vil kreve, omtrent hva det vil koste, og om vi er de rette til oppgaven.

Fra 1 400 DKK timen, eksklusive mva. — og mindre per time ved et lengre oppdrag.

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