关于数据库:三篇论文入选国际顶会SIGMOD厉害了腾讯云数据库

32次阅读

共计 1748 个字符,预计需要花费 5 分钟才能阅读完成。

好消息!6 月 13 日,腾讯云数据库三篇论文再次入选数据库行业顶会 SIGMOD,被 SIGMOD 2022 Research Full Paper(钻研类长文)收录。

本次被收录的研究成果中,新型数据结构设计、AI 智能调参优化等均属于业界首次提出。腾讯云数据库屡次入选 SIGMOD,表明腾讯云数据库在存储、智能管控等方面的积攒与前沿翻新取得了国内权威认可。

SIGMOD,全称数据管理国内会议(Special Interest Group on Management Of Data),是由美国计算机协会(ACM)数据管理业余委员会(SIGMOD)发动、在数据库畛域具备最高学术位置的国际性学术会议。

第一篇入选论文题目为 HUNTER: An Online Cloud Database Hybrid Tuning System for Personalized Requirements,由腾讯云数据库团队和华中科技大学单干实现,在 AI 智能调参优化上获得进一步冲破。

艰深了解,数据库的参数设置多达几百个,这些参数管制着数据库的性能体现。业余运维人员会花大量工夫,依据教训来调优数据库的参数,以匹配不同硬件、需要和业务场景。如何利用 AI 技术解决数据库系统性能问题变得越来越重要和紧迫。

在此篇论文中,腾讯云数据库 TDSQL- C 团队提出了混合调优零碎 Hunter,次要解决了如何在保障调优成果的前提下显著缩小调优工夫的问题。试验表明:随着并发度晋升实现调优工夫准线性升高,在单并发度场景下调优工夫只需 17 小时,在 20 并发度场景下调优工夫缩短至 2 小时。

第二篇入选论文由中国人民大学和腾讯云数据库团队单干实现,题为 CompressDB: Enabling Efficient Compressed Data Direct Processing for Various Databases,论文针对压缩数据的间接操作与解决,提出一项新型数据库解决技术——CompressDB。

面对当下指数级增长的数据量,行业广泛应用数据压缩来缩小存储空间。在大数据管理系统中,间接在压缩数据上进行操作,能够取得存储空间的节约和解决性能的晋升。然而,以后的此类零碎只关注数据查问,而一个残缺的大数据管理系统必须反对数据查问和数据操作。

本钻研提出并实现了新型数据库技术,利用上下文无关文法来压缩数据,通过新的数据结构和算法设计实现对语法规定进行解析,CompressDB 反对间接对压缩后的数据进行数据查问和操作,并且反对各种数据库系统。试验表明,CompressDB 均匀达到 40% 的吞吐量晋升和 44% 的提早缩短,并实现 1.81 倍的压缩率。

第三篇入选论文由腾讯和北京大学单干实现,题为 BlindFL: Vertical Federated Machine Learning without Peeking into Your Data。针对数据隐衷平安问题,该论文提出了一个新的纵向联邦学习范式 BlindFL,可反对多种特色数据类型,且能够在半诚恳平安假如下证实其安全性。试验结果表明,BlindFL 可无效爱护参与方的隐衷数据,并具备更高的运行效率。

腾讯从来器重数据库畛域的研发,通过校企联结实验室共建,面向青年学者的 CCF-腾讯犀牛鸟基金,腾讯犀牛鸟科研专项等与高校、科研机构构建“产学研”一体的长期单干,将技术研究成果转换为利用落地,校企联结继续输入前沿技术翻新与示范性利用。

此前,腾讯云数据库 TDSQL 曾多次亮相数据库三大顶会 SIGMOD、ICDE、VLDB,以及数据迷信畛域的顶级期刊 IEEE TKDE 等。腾讯云数据库 TDSQL 将持续加大对数据库根底钻研翻新、数据库产学研单干生态的建设投入,充沛开释当先技术的红利,助力国产数据库学术人才培养和技术创新生态建设倒退。

为帮忙宽广数据库爱好者更加具体地理解论文内容,咱们邀请到了中国人民大学副教授、博士生导师、腾讯犀牛鸟基金获得者张峰老师,华中科技大学副研究员、互联网 + 国赛金奖我的项目“数据库智能管家的翻新与摸索”指导老师刘渝及腾讯 TEG 机器学习平台部 Angel Graph 团队利用研究员、北京大学计算机系在读博士生张文涛老师来到直播间解读。6 月 21 日 15:00,不见不散!

扫描海报二维码或点击浏览原文,即刻报名参会!

正文完
 0