tinybirdco/tinybird

Tinybird-Dateiformate, SQL-Regeln, Optimierungsmuster und Best Practices für Datenquellen, Pipes, Endpunkte und materialisierte Ansichten.

Was ist tinybird?

Diese Fähigkeit bietet eine umfassende Anleitung zu Tinybird, einer Plattform für datengesteuerte Echtzeit-APIs. Sie definiert Dateiformate, SQL-Regeln, Optimierungsmuster und Best Practices für die Arbeit mit Datenquellen, Pipes, Endpunkten und materialisierten Ansichten. Entwickler können damit effizientere und skalierbarere Datenpipelines erstellen und bewährte Muster für die Abfrageoptimierung nutzen. Die Skills sind auf gängige Entwicklungsumgebungen wie Claude Code, Cursor und Codex abgestimmt und basieren auf der offiziellen Tinybird-Dokumentation, um konsistente und leistungsfähige Implementierungen zu gewährleisten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/tinybirdco/tinybird-agent-skills/tree/main/skills/tinybird

Installed? Explore more Produktivität & Zusammenarbeit skills: steipete/gemini, steipete/gh-issues, steipete/skill-creator · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht tinybird?

Tinybird-Dateiformate, SQL-Regeln, Optimierungsmuster und Best Practices für Datenquellen, Pipes, Endpunkte und materialisierte Ansichten.

Übersicht

Diese Skill-Sammlung enthält Richtlinien und bewährte Methoden für die Arbeit mit Tinybird. Sie deckt die Erstellung und Verwaltung von Datenquellen, Pipes, Endpunkten und materialisierten Ansichten ab.

Dateiformate

Tinybird unterstützt verschiedene Dateiformate für den Datenimport. Empfohlen werden:

  • CSV: Einfach strukturiert, UTF-8 kodiert
  • Parquet: Spaltenorientiert, für große Datenmengen optimiert
  • NDJSON: Zeilenorientiertes JSON, gut geeignet für Streaming-Daten

SQL-Regeln

  • Vermeide SELECT * – spezifiziere immer die benötigten Spalten
  • Nutze MATERIALIZED VIEWS für häufige Abfragen
  • Verwende JOIN mit Indizes auf verbundene Spalten
  • Optimiere GROUP BY durch Partitionierung nach Zeiträumen

Optimierungsmuster

  • Partitionierung: Teile Datenquellen nach Zeit (z.B. Tag) auf
  • Sortierung: Sortiere nach häufig abgefragten Filtern
  • Indizierung: Erstelle Indizes auf Spalten, die in WHERE-Klauseln verwendet werden

Best Practices

Datenquellen

  • Definiere explizite Schemas mit passenden Datentypen
  • Vermeide übermäßig viele Spalten (≤ 200 empfohlen)

Pipes

  • Verwende SQL-Pipes für komplexe Transformationen
  • Nutze COPY-Pipes für einfache Umleitungen

Endpunkte

  • Aktiviere Caching für wiederholte Abfragen
  • Setze max_rows entsprechend der erwarteten Antwortgröße

Materialisierte Ansichten

  • Erstelle materialisierte Ansichten für aggregierte Daten
  • Plane Neubauregelungen nach Datenaktualisierungsintervallen

Links

Verwandte Skills