無料GitHub で公開日本語紹介

data-throughput-accelerator

大量データの取り込みや過去分の補充、変換、同期の遅さを工程別に調べ、処理方法を比較して高速化し、行数・ファイル数・時刻の整合性まで確認するスキル。

原文原文の説明を見る

Diagnose and accelerate large data movement — ingestion, backfill, export, ETL, warehouse loading, manifest catch-up, and table synchronization — by isolating the true bottleneck, benchmarking variants, and codifying the fastest path with a hard accounting block proving rows and timestamps cohere. Use when a pipeline or backfill is too slow and must get faster without losing data correctness.

affaan-m/ECC

インストール方法を見る

こんなときに便利

大量データの取り込み・書き出しの高速化
過去データの補充時間を短縮したいとき
バッチサイズや並列処理数を比較したいとき
テーブル同期後の行数と鮮度の確認

日本語での紹介

できること

大量データの移動、変換、保存で遅くなっている工程を特定し、正確さを確認しながら高速化します。抽出、ネットワーク転送、データウェアハウスへの読み込み、変換、利用先テーブルの更新状況を分けて測定します。バッチサイズ、並列処理数、SQL、ファイルのまとめ方などを比較し、行数や時刻の整合性を保つ最速の方法をCLI、定期ジョブ、手順書などにまとめます。

こんなときに便利

取り込みや書き出しが遅いとき、過去データの補充に時間がかかるとき、テーブル同期が追いつかないときに向いています。実行中に増える新規データと過去分の未処理データを区別し、処理時間だけでなく残件数や更新時刻も確認したい場面に役立ちます。

使い方の例

「取り込み処理の遅い工程を測定し、バッチサイズと並列処理数を比較して」「過去データの補充を高速化し、処理ファイル数、追加行数、残件数、最大時刻を照合して」

注意点

対象のデータ、保存先、処理済み一覧やチェックポイントを確認できる環境が必要です。失敗ファイルを黙って飛ばしたり、指標改善のために元データを削除したりしません。金融、医療、規制対象、顧客に影響するデータでは、再処理の証拠と承認手順を維持します。ライセンスはMITです。

この紹介文は、公開されている SKILL.md をもとに AI（Claude Haiku）が作成しました。正確な仕様は下の原文を確認してください。

含まれるファイル（1）

SKILL.md2.8 KB

SKILL.md（原文）

インストールする前に、エージェントに与えられる指示の中身を確認できます。

Data Throughput Accelerator

Use this skill when the bottleneck is moving, transforming, or saving lots of data. The goal is not just speed. The goal is faster correct data landing in the right place with proof.

First Distinction

Separate these before optimizing:

source extraction speed;
network transfer speed;
warehouse/load speed;
transform speed;
serving-table freshness;
live tail growth while the job runs.

A pipeline can be "fast" and still appear behind if new data arrives faster than the final catch-up window.

Fast Path Heuristics

Move compute to where the data already is.
Prefer warehouse-native scans, joins, and appends for large landed files.
Use manifests or checkpoints so completed files/partitions are skipped.
Use partitioning and clustering that match the read and append pattern.
Batch small files, requests, and writes.
Make writes idempotent through unique keys, manifests, or replaceable staging.
Keep raw, derived, and serving tables separately accountable.

Workflow

Read the current source, target, and manifest contracts.
Measure backlog: external files, manifest rows, raw rows, derived rows, min/max timestamps, and unprocessed counts.
Run a safe catch-up or sample benchmark.
Compare variants: batch size, worker count, warehouse SQL, file grouping, staging shape, and manifest update method.
Promote only the fastest path that keeps counts and timestamps coherent.
Codify the path as a CLI, scheduled job, workflow, or runbook.
Rerun final accounting after the codified path executes.

Accounting Output

Use a hard accounting block:

Data throughput result:
- Source files discovered: 294
- Files processed this run: 294
- Raw rows added: 9,683,598
- Derived rows added: 8,917,585
- Remaining tail: 24 files at readback time
- Runtime: 38.7s
- Correctness gate: manifest counts and table max timestamps match

Guardrails

Do not delete raw data to make a metric look better.
Do not skip failed files silently.
Do not mix historical backfill status with live-tail freshness.
Do not call a pipeline complete until the target tables and manifest agree.
For finance, healthcare, regulated, or customer-impacting data, preserve replay evidence and approval gates.

レビュー

まだレビューはありません。使ってみた感想をお寄せください。

ログインしてレビューを書く

同じリポジトリのスキル

概要と使いどころ