# Optimering av databasprestanda > Utvalt arbete som visar den här tjänsten. - [Byggde en pipeline som aggregerar elförbrukning per timme i Python / SQL / Bash + Jq och nådde 180 ms för datamängder på 30 dagar från heterogena JSONL‑källor.](https://data.engineer.company/sv/portfolio/engineered-hourly-electricity-consumption-aggregation-pipeline-in-python-4/) - [Gjorde pipelinen för geodata 50 gånger snabbare genom bättre SQL‑programmering och datamodellering i PostgreSQL, MS SQL och Google Cloud BigQuery.](https://data.engineer.company/sv/portfolio/accelerated-geographical-data-pipeline-performance-by-50x-by-5/) - [Förbättrade prestandan i en kartapplikation för geodata 10 gånger genom en strategisk databasövergång från MSSQL till PostgreSQL, inklusive själva omställningen av data, och optimerade bearbetningen och datasäkerheten.](https://data.engineer.company/sv/portfolio/improved-geographical-map-application-performance-by-10x-through-6/) - [Utformade, byggde upp och förvaltade 100 datalagerdatabaser i PostgreSQL, MS SQL och Google BigQuery, främst med GIS- och tidsseriedata, och optimerade prestanda och skalbarhet.](https://data.engineer.company/sv/portfolio/architected-created-and-managed-100-postgresql-ms-sql-12/) - [Gjorde PostgreSQL 10 gånger snabbare med strategisk indexering, partitionering och optimering av databasfrågor och effektiviserade databasen för användar- och tenantdata, geospatiala data och tidsseriedata om el.](https://data.engineer.company/sv/portfolio/accelerated-postgresql-performance-by-10x-via-strategic-indexing-15/) - [Införde tidsordnade UUID v7‑identifierare (PostgreSQL 18) som entitetsnycklar för att minska fragmenteringen i B‑trädindex och snabba upp databasfrågor.](https://data.engineer.company/sv/portfolio/adopted-uuid-v7-time-ordered-identifiers-postgresql-18-64/)