Bestellung
Wenn Sie an diesem Seminar teilnehmen wollen, füllen Sie folgendes Formular aus.Die mit * gekennzeichneten Felder müssen ausgefüllt werden.
In diesem Advanced-Training bringst Du PostgreSQL gezielt auf Tempo und baust gleichzeitig eine belastbare Vektor-Suche mit pgvector auf. Du lernst, Performance-Probleme reproduzierbar zu diagnostizieren, Query-Pläne sauber zu interpretieren und mit passenden Index- und Statistik-Strategien spürbar bessere Latenzen zu erreichen. Ein Schwerpunkt liegt auf typischen Engpässen in produktiven Workloads: I/O, Locks, Autovacuum, Bloat und fehlerhafte Cardinality-Schätzungen. Danach steigst Du in semantische Suche ein: Embeddings speichern, Ähnlichkeitsabfragen korrekt formulieren und ANN-Indexe wie IVFFlat oder HNSW so konfigurieren, dass Recall und Antwortzeiten zusammenpassen. Am Ende kannst Du klassische SQL-Performance und moderne Retrieval-Use-Cases in einer PostgreSQL-Architektur zuverlässig kombinieren.
- Performance-Diagnose mit System
- EXPLAIN (ANALYZE, BUFFERS) richtig lesen
- Wichtige Metriken: Latenz, I/O, Cache-Hit-Rate
- Typische Anti-Patterns in SQL und ORM
- Indexing, das wirklich wirkt
- B-Tree, Hash, GIN, GiST gezielt einsetzen
- Partial Indexes und Covering Indexes
- Sortierung, Collation und Operator Classes
- Planner, Statistiken und Parameter
- ANALYZE, Autovacuum und Statistik-Targets
- Join-Strategien, Cardinality und Skew
- Work_mem, shared_buffers, effective_cache_size
- Wartung und Stabilität unter Last
- VACUUM, Bloat, Fillfactor und Reindex-Strategien
- Locks, Deadlocks und sinnvolle Isolation Levels
- Connection Pooling und Transaktions-Design
- Vektor-Suche mit pgvector in PostgreSQL
- Embeddings speichern: Datentypen, Dimensionen, Modellwahl
- Ähnlichkeitsmaße: Cosine, L2, Inner Product
- Indexe für ANN: IVFFlat und HNSW, Trade-offs
- RAG-Workflows und hybride Suche
- Hybrid: Volltextsuche plus Vektor-Ranking
- Chunking, Metadaten-Filter und Re-Ranking
- Qualität messen: Recall, Latenz, Kosten