Engineer / Data / Kategorier
Prestandaoptimering
30 dagars eldata på 180 ms
Utvecklade varianter för timvis aggregering av elförbrukning i Python, SQL och Bash + Jq; Python‑varianten behandlade en JSONL‑datamängd för 30 dagar på 180 ms i prestandatestet.
Byggde och prestandatestade aggregering av elförbrukning i Python, SQL och Bash + Jq; Python behandlade en JSONL-datamängd för 30 dagar på 180 ms.
Gjorde pipelinen för geodata 50 gånger snabbare
Dokumenterade en förbättring på 50 gånger i en geografisk datapipeline i grundarens arbete hos Utiligize genom SQL- och datamodelländringar i PostgreSQL, MS SQL och Google Cloud BigQuery.
Grundaren dokumenterar en förbättring på 50 gånger i en geodatapipeline hos Utiligize genom SQL- och datamodellarbete i PostgreSQL, MS SQL och BigQuery.
Gjorde GIS‑kartan 10 gånger snabbare i Postgre
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.
Gjorde en GIS-kartapplikation 10 gånger snabbare genom migrering från MSSQL till PostgreSQL — spatiala frågor sjönk från 2,5 s till under 250 ms.
Löste 1 000 problem i geodata och tidsseriedata
Löste 1 000 problem i geodata och tidsseriedata med GDAL, ArcGIS, PostGIS, Mapbox, QGIS, SQL (PL/pgSQL, Transact‑SQL) och Bash, vilket säkrade en högkvalitativ bearbetning av stora datamängder.
Löste 1 000+ problem i geografisk big data och tidsserier med GDAL, PostGIS, ArcGIS, Mapbox, QGIS och SQL — 35 % snabbare frågor.
Drev 100 datalager i Postgre, MS SQL, BigQuery
Utformade, byggde upp och förvaltade 100 datalagerdatabaser i PostgreSQL, MS SQL och Google BigQuery, främst med GIS- och tidsseriedata, och optimerade prestanda och skalbarhet.
Utformade och drev 100 datalagerdatabaser i PostgreSQL, MS SQL och BigQuery för GIS- och tidsseriedata — frågetiderna sjönk 40–60 %.
Drev 10 Postgre- och MS SQL‑servrar på Ubuntu
Utformade, driftsatte och underhöll 10 PostgreSQL- och MS SQL‑servrar på VPS:er med Ubuntu Linux och säkerställde optimal serverprestanda och tillförlitlighet.
Utformade och underhöll 10 PostgreSQL- och MS SQL-servrar på Ubuntu Linux VPS med 99,9 % drifttid och 30 % snabbare frågor genom finjustering.
Gjorde Postgre 10 gånger snabbare
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.
Gjorde PostgreSQL 10 gånger snabbare med indexering, partitionering och frågeoptimering för användar-, tenant-, geo- och tidsseriedata — 40 % lägre resursbruk.
Byggde 600 ETL/ELT‑pipelines i PL/pgSQL
Byggde 600 PL/pgSQL‑baserade ETL/ELT‑pipelines för att effektivisera komplexa arbetsflöden för databearbetning i flera utvecklings- och produktionsmiljöer för PostgreSQL.
Byggde 600 registrerade ETL/ELT-pipelines i PL/pgSQL för PostgreSQL i utveckling och produktion, med inkrementell laddning och loggning.
Utformade en JSON‑väg rakt från Postgres till API
Utformade en arkitektur för direkt vidarebefordran av JSON, där PostgreSQL‑funktioner returnerar komplett JSON som Go‑API:t skickar vidare ordagrant, vilket tog bort mellanliggande deserialisering och frikopplade frontenden från schemaändringar.
Utformade direkt vidarebefordran av JSON: PostgreSQL-funktioner returnerar komplett JSON som Go-API:t skickar oförändrat, så frontenden frikopplas från schemat.
Tidsordnade nycklar för en växande datamodell
Införde tidsordnade UUID v7‑identifierare (PostgreSQL 18) som entitetsnycklar för att minska fragmenteringen i B‑trädindex och snabba upp databasfrågor.
Införde tidsordnade UUID v7-nycklar i PostgreSQL 18 för att minska B-trädsfragmentering och förbättra infogningar och intervallfrågor i entitetstabeller.
Modellerade 348 tabeller i 34 Postgres‑scheman
Modellerade sjöfartsdomänen i 348 normaliserade tabeller i 34 PostgreSQL‑scheman — yrkesverksamma, företag, fartyg, jobb, recensioner och resten — med SMALLINT‑uppslag och UUID v7‑nycklar.
Modellerade sjöfartsdomänen i 348 normaliserade tabeller i 34 PostgreSQL-scheman, med SMALLINT-uppslag, UUID v7-nycklar och en enda namnkonvention.
Flyttade långsamt arbete till en jobbkö i River
Flyttade långsamt arbete från anropsvägen till en jobbkö i River — 15 workermoduler, 8 schemalagda uppgifter och 20 pg_cron‑jobb — så att ett anrop returnerar medan arbetet bakom det fortsätter.
Flyttade långsamt arbete från anropsvägen till en jobbkö i River: 15 workermoduler, 8 schemalagda uppgifter och 20 underhållsjobb i pg_cron.
Byggde egen analys inuti Postgre
Byggde egen produktanalys i PostgreSQL — 47 funktioner över partitionerade händelsetabeller som rensar sig själva — pseudonymiserad bakom ett roterande salt och villkorad av besökarens samtycke.
Byggde egen produktanalys i PostgreSQL — 47 funktioner över självrensande partitionerade tabeller — pseudonymiserad och villkorad av samtycke.
Byggde en lojalitetsplånbok, ligor och märken
Byggde lojalitets- och ryktessystemet — 67 funktioner över en huvudbok i 31 tabeller, med ligor, märken och en inlösenbutik — som tar ett radlås på saldot för att stänga fönstret för dubbelspendering.
Byggde lojalitets- och anseendesystemet — 67 funktioner över en huvudbok med 31 tabeller, ligor, märken och en butik — med radlåsning på saldot.