Accélérer ce qui ralentit tout
Identifier les requêtes et les index manquants dans un système alourdi au fil des ans, puis corriger ce qui compte.
30 jours de données électriques traités en 180 ms
Conçu des variantes d'agrégation horaire de la consommation électrique en Python, SQL et Bash + Jq ; le benchmark Python a traité un jeu de données JSONL de 30 jours en 180 ms.
Agrégation électrique développée et mesurée en Python, SQL et Bash + Jq ; Python a traité un jeu de données JSONL de 30 jours en 180 ms.
Pipeline géographique accéléré de 50 fois
Consigné une accélération de 50 fois d'un pipeline géographique dans les travaux de la fondatrice chez Utiligize, grâce au SQL et à la modélisation sur PostgreSQL, MS SQL et Google Cloud BigQuery.
La fondatrice consigne un pipeline géographique accéléré de 50 fois chez Utiligize par SQL et modélisation sur PostgreSQL, MS SQL et BigQuery.
Cartes GIS 10 fois plus rapides sur Postgre
Accéléré de 10 fois une application cartographique en migrant stratégiquement de MSSQL vers PostgreSQL, basculement des données compris, et en optimisant les traitements et la sécurité des données.
Application GIS accélérée de 10 fois par migration MSSQL–PostgreSQL : requêtes spatiales de 2,5 s à moins de 250 ms.
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 %.
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 %.
Des clés chronologiques pour un modèle de données qui grandit
Adopté des identifiants UUID v7 ordonnés dans le temps (PostgreSQL 18) comme clés d'entités pour réduire la fragmentation des index B‑tree et accélérer les requêtes.
Clés UUID v7 chronologiques dans PostgreSQL 18 pour réduire la fragmentation B-tree et améliorer insertions et requêtes par intervalle des tables d'entités.