當(dāng)?shù)貢r(shí)間8月16至20日，第47屆VLDB 2021會(huì)議在丹麥哥本哈根召開(kāi)。
VLDB會(huì)議全稱(chēng)International Conference on Very Large Date Bases，是數(shù)據(jù)庫(kù)領(lǐng)域的頂級(jí)學(xué)術(shù)會(huì)議和另外兩大數(shù)據(jù)庫(kù)會(huì)議SIGMOD、ICD共同構(gòu)成了數(shù)據(jù)庫(kù)領(lǐng)域的三大頂級(jí)會(huì)議。
按照慣例，今年VLDB會(huì)議開(kāi)設(shè)了最佳研究論文獎(jiǎng)、最佳EA&B論文獎(jiǎng)（實(shí)驗(yàn)、分析和基準(zhǔn)）、最佳可擴(kuò)展數(shù)據(jù)科學(xué)論文獎(jiǎng)、最佳工業(yè)論文獎(jiǎng)等多個(gè)獎(jiǎng)項(xiàng)。此前華人學(xué)者便在此領(lǐng)域一騎絕塵，今年也不例外！
大會(huì)共收錄了216篇 Research Paper、23篇Industry Paper、56篇Demo Paper ，其中入選的最佳研究論文、最佳EA&B論文、最佳工業(yè)論文的一作作者均為華人學(xué)者，他們分別是新加坡國(guó)立大學(xué)研究員楊任馳、西蒙弗雷澤大學(xué)博士生Xiaoying Wang、加州大學(xué)伯克利分校博士生Audrey Chen。
AI科技評(píng)論將獲獎(jiǎng)華人學(xué)者及論文信息介紹如下：
獲獎(jiǎng)?wù)撐摹禨caling Attributed Network Embedding to Massive Graphs》論文作者：Renchi Yang,Jieming Shi,Xiaokui Xiao,Yin Yang,Juncheng Liu,Sourav S. Bhowmick本篇論文一作楊任馳，目前是新加坡國(guó)立大學(xué)研究員。他在2015年獲得北京郵電大學(xué)工學(xué)學(xué)士學(xué)位；2020年獲得南洋理工大學(xué)計(jì)算機(jī)科學(xué)系博士學(xué)位，師從Xiaokui XIAO教授和Sourav Saha Bhowmick。主要研究大規(guī)模數(shù)據(jù)管理與分析，對(duì)圖挖掘、海量高維數(shù)據(jù)設(shè)計(jì)、高效算法感興趣。個(gè)人主頁(yè)：https://renchi.ac.cn/論文地址：http://vldb.org/pvldb/vol14/p37-yang.pdf要想獲得準(zhǔn)確預(yù)測(cè)的屬性網(wǎng)絡(luò)嵌入（ Attributed Network Embedding， ANE）是一項(xiàng)很有挑戰(zhàn)性的工作，而將有效的 ANE 計(jì)算擴(kuò)展到包含數(shù)百萬(wàn)節(jié)點(diǎn)的海量圖上，又將其難度推到了一個(gè)新高度?，F(xiàn)有的解決方案在這種圖上基本上會(huì)失敗，或造成過(guò)高的成本、低質(zhì)量的嵌入，或兩者兼而有之。本文提出了一種有效的、可擴(kuò)展的計(jì)算海量圖的PANE方法，其在多個(gè)基準(zhǔn)數(shù)據(jù)集上達(dá)到了最高性能水平，其衡量標(biāo)準(zhǔn)包括屬性推斷、鏈接預(yù)測(cè)和節(jié)點(diǎn)分類(lèi)三種常見(jiàn)的預(yù)測(cè)任務(wù)的準(zhǔn)確度。特別是，對(duì)于擁有超過(guò)5900萬(wàn)個(gè)節(jié)點(diǎn)、9.8億條邊和2000個(gè)屬性的大型MAG數(shù)據(jù)，PANE是唯一已知的可行的解決方案，它可以12小時(shí)內(nèi)在單個(gè)服務(wù)器上獲得有效的嵌入。PANE通過(guò)三種主要算法的設(shè)計(jì)實(shí)現(xiàn)了高擴(kuò)展性和有效性。首先，基于一種新的屬性隨機(jī)游走（random walk）模型，提出了學(xué)習(xí)目標(biāo)，而在處理大型圖優(yōu)化任務(wù)上，仍然具有挑戰(zhàn)性。其次，PANE為解決優(yōu)化問(wèn)題提供了一個(gè)高效求解器，其關(guān)鍵模塊在于精心設(shè)計(jì)的嵌入初始化，它大大減少了收斂所需的迭代次數(shù)。最后，PANE通過(guò)對(duì)上述求解器的非線性并行化利用多核CPU，從而實(shí)現(xiàn)了可擴(kuò)展性，同時(shí)保留了高質(zhì)量的嵌入結(jié)果。通過(guò)廣泛的實(shí)驗(yàn)，在8個(gè)真實(shí)數(shù)據(jù)集上比較了10種現(xiàn)有的方法，證明了PANE在結(jié)果質(zhì)量方面優(yōu)于所有現(xiàn)有方法，同時(shí)速度要快幾個(gè)數(shù)量級(jí)。最佳EA&B論文獎(jiǎng)（實(shí)驗(yàn)、分析和基準(zhǔn)）
獲獎(jiǎng)?wù)撐模骸禔re We Ready For Learned Cardinality Estimation?》論文作者：Xiaoying Wang, Changbo Qu, Weiyuan Wu, Jiannan Wang, Qingqing Zhou本篇論文一作Xiaoying Wang，目前是西蒙弗雷澤大學(xué)數(shù)據(jù)庫(kù)系統(tǒng)實(shí)驗(yàn)室的博士生，師從王健楠教授。2016 年 7 月至 2018 年 4 月，她在奇虎 360 擔(dān)任 AdExchange 的 C++ 開(kāi)發(fā)人員。個(gè)人主頁(yè)：https://wangxiaoying.github.io/論文地址：http://vldb.org/pvldb/vol14/p1640-wang.pdf基數(shù)估計(jì) (Cardinality Estimation)是查詢(xún)優(yōu)化中長(zhǎng)期未解決的基本問(wèn)題。最近不同研究小組的多篇論文一致指出，基于學(xué)習(xí)的模型有可能取代現(xiàn)有的基數(shù)估計(jì)器。對(duì)此，我們提出了一個(gè)具有前瞻性的問(wèn)題：基于學(xué)習(xí)模型的基數(shù)估計(jì)方法是否已經(jīng)可以應(yīng)用于真實(shí)的數(shù)據(jù)庫(kù)產(chǎn)品中？本文的研究包括三個(gè)主要部分：一是專(zhuān)注于靜態(tài)環(huán)境（即無(wú)數(shù)據(jù)更新的數(shù)據(jù)庫(kù)系統(tǒng)），在統(tǒng)一的工作負(fù)載設(shè)置下，比較不同的學(xué)習(xí)的方法和傳統(tǒng)方法在四個(gè)真實(shí)數(shù)據(jù)集上的表現(xiàn)，結(jié)果表明，基于學(xué)習(xí)的方法比傳統(tǒng)方法更精確，但需要更高的訓(xùn)練成本和推理成本。二是基于學(xué)習(xí)的方法是否可用于動(dòng)態(tài)環(huán)境（即頻繁更新的數(shù)據(jù)庫(kù)系統(tǒng)）。實(shí)驗(yàn)證明，它們無(wú)法跟上快速更新的數(shù)據(jù)變化，并很可能引起較大的誤差。第三，通過(guò)深入地研究基于學(xué)習(xí)的方法可能出錯(cuò)的幾種情況。我們發(fā)現(xiàn)，相關(guān)性、分配或領(lǐng)域大小的變化會(huì)極大地影響該方法的性能。更重要的是，這些方法的行為通常很難解釋和預(yù)測(cè)?；谝陨习l(fā)現(xiàn)，我們確定了未來(lái)應(yīng)該進(jìn)一步研究的兩個(gè)方向，即如何降低學(xué)習(xí)模型的成本，以及提升模型的可信性。希望這項(xiàng)工作能夠指導(dǎo)研究人員和從業(yè)人員共同合作，將基于學(xué)習(xí)到的基數(shù)估計(jì)器應(yīng)用到真正的數(shù)據(jù)庫(kù)系統(tǒng)中。最佳可擴(kuò)展數(shù)據(jù)科學(xué)論文獎(jiǎng)
獲獎(jiǎng)?wù)撐模骸禣ptimizing Bipartite Matching in Real-World Applications by Incremental Cost Computation》論文作者：Tenindra Abeywickrama, Victor Liang,Kian-Lee Tan論文地址：http://vldb.org/pvldb/vol14/p1150-abeywickrama.pdfKuhn-Munkres(KM)算法是一種經(jīng)典的組合優(yōu)化算法，在交通等諸多應(yīng)用場(chǎng)景中被廣泛用于最小成本的二部（ bipartite）匹配。例如，網(wǎng)約車(chē)服務(wù)可以用它來(lái)匹配司機(jī)和乘客，以盡可能地縮短等待時(shí)間。通常情況下，給定的兩個(gè)二部集合，需要計(jì)算所有二部對(duì)之間邊的成本并找到最優(yōu)匹配。然而，現(xiàn)有研究忽略了邊成本計(jì)算對(duì)整體運(yùn)行時(shí)間的影響。實(shí)際上，邊計(jì)算會(huì)大大超過(guò)最優(yōu)分配本身的計(jì)算，例如在為乘客匹配司機(jī)時(shí)，最短路徑往往需要很高的計(jì)算成本。根據(jù)這一觀察，我們發(fā)現(xiàn)，常見(jiàn)的現(xiàn)實(shí)世界的設(shè)置表現(xiàn)出一個(gè)有用的特性，即允許我們僅在需要時(shí)使用最低的下限啟發(fā)式增量計(jì)算邊成本。與原始KM算法相比，這種技術(shù)顯著降低了分配的總體成本，這一點(diǎn)我們已經(jīng)在多個(gè)真實(shí)數(shù)據(jù)集、工作負(fù)載上得到了驗(yàn)證。此外，該算法并不限于這個(gè)領(lǐng)域，它還可能適用于其他有下限啟發(fā)式算法的環(huán)境。獲獎(jiǎng)?wù)撐模骸禦AMP-TAO: Layering Atomic Transactions on Facebook's Online TAO Data Store》論文作者：Audrey Cheng,Xiao Shi,Lu Pan,Anthony Simpson,Neil Wheaton,Shilpa Lawande,Natacha Crooks,Ion Stoica論文一作Audrey Cheng目前是加州大學(xué)伯克利分校計(jì)算機(jī)科學(xué)專(zhuān)業(yè)在讀博士生， RISELAB成員，師從Ion Stoica教授和Natacha Crooks教授，曾獲得伯克利校長(zhǎng)獎(jiǎng)學(xué)金，對(duì)數(shù)據(jù)庫(kù)與分布式系統(tǒng)感興趣。個(gè)人主頁(yè)：https://audreyccheng.github.io/論文地址：http://vldb.org/pvldb/vol14/p3014-cheng.pdf與其他分布式數(shù)據(jù)存儲(chǔ)一樣，F(xiàn)acebook社交圖譜TAO會(huì)優(yōu)先考慮可用性、效率和可擴(kuò)展性等因素，而不是滿(mǎn)足大型、可讀性強(qiáng)的工作負(fù)載所需要的一致性或保密性。隨著產(chǎn)品開(kāi)發(fā)人員在此系統(tǒng)上構(gòu)建不同的應(yīng)用程序，他們開(kāi)始更多地關(guān)注業(yè)務(wù)語(yǔ)義。然而，為選定的應(yīng)用程序提供高級(jí)功能，同時(shí)保持系統(tǒng)整體的可靠性和性能一直是一項(xiàng)挑戰(zhàn)。在本文中，我們首先描述了開(kāi)發(fā)者多年來(lái)的業(yè)務(wù)需求，以及目前TAO出現(xiàn)的原子級(jí)錯(cuò)誤（即寫(xiě)），以此探討了如何引入一個(gè)直觀的讀取業(yè)務(wù)API。我們通過(guò)對(duì)潛在異常的測(cè)量研究，強(qiáng)調(diào)了API原子級(jí)可見(jiàn)性的必要性，這些異常通常在沒(méi)有強(qiáng)讀取隔離的情況下發(fā)生。我們的分析表明，1500次批量讀取中有1次反映部分業(yè)務(wù)性更新，這可能使開(kāi)發(fā)人員體驗(yàn)變得復(fù)雜化，并產(chǎn)生意外的結(jié)果。為了緩解這個(gè)問(wèn)題，我們提出了RAMP-TAO協(xié)議，這是一個(gè)基于讀取原子級(jí)多分區(qū)（RAMP）協(xié)議的變體，支持最小開(kāi)銷(xiāo)的部署，同時(shí)確保大規(guī)模讀取優(yōu)化工作負(fù)載的原子級(jí)可見(jiàn)性。雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)特約稿件，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
