當?shù)貢r間8月16至20日，第47屆VLDB 2021會議在丹麥哥本哈根召開。
VLDB會議全稱International Conference on Very Large Date Bases，是數(shù)據(jù)庫領(lǐng)域的頂級學術(shù)會議和另外兩大數(shù)據(jù)庫會議SIGMOD、ICD共同構(gòu)成了數(shù)據(jù)庫領(lǐng)域的三大頂級會議。
按照慣例，今年VLDB會議開設(shè)了最佳研究論文獎、最佳EA&B論文獎（實驗、分析和基準）、最佳可擴展數(shù)據(jù)科學論文獎、最佳工業(yè)論文獎等多個獎項。此前華人學者便在此領(lǐng)域一騎絕塵，今年也不例外！
大會共收錄了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者，他們分別是新加坡國立大學研究員楊任馳、西蒙弗雷澤大學博士生Xiaoying Wang、加州大學伯克利分校博士生Audrey Chen。
AI科技評論將獲獎華人學者及論文信息介紹如下：
獲獎?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，目前是新加坡國立大學研究員。他在2015年獲得北京郵電大學工學學士學位；2020年獲得南洋理工大學計算機科學系博士學位，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，對圖挖掘、海量高維數(shù)據(jù)設(shè)計、高效算法感興趣。個人主頁：https://renchi.ac.cn/論文地址：http://vldb.org/pvldb/vol14/p37-yang.pdf要想獲得準確預測的屬性網(wǎng)絡(luò)嵌入（ Attributed Network Embedding， ANE）是一項很有挑戰(zhàn)性的工作，而將有效的 ANE 計算擴展到包含數(shù)百萬節(jié)點的海量圖上，又將其難度推到了一個新高度?，F(xiàn)有的解決方案在這種圖上基本上會失敗，或造成過高的成本、低質(zhì)量的嵌入，或兩者兼而有之。本文提出了一種有效的、可擴展的計算海量圖的PANE方法，其在多個基準數(shù)據(jù)集上達到了最高性能水平，其衡量標準包括屬性推斷、鏈接預測和節(jié)點分類三種常見的預測任務(wù)的準確度。特別是，對于擁有超過5900萬個節(jié)點、9.8億條邊和2000個屬性的大型MAG數(shù)據(jù)，PANE是唯一已知的可行的解決方案，它可以12小時內(nèi)在單個服務(wù)器上獲得有效的嵌入。PANE通過三種主要算法的設(shè)計實現(xiàn)了高擴展性和有效性。首先，基于一種新的屬性隨機游走（random walk）模型，提出了學習目標，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)化問題提供了一個高效求解器，其關(guān)鍵模塊在于精心設(shè)計的嵌入初始化，它大大減少了收斂所需的迭代次數(shù)。最后，PANE通過對上述求解器的非線性并行化利用多核CPU，從而實現(xiàn)了可擴展性，同時保留了高質(zhì)量的嵌入結(jié)果。通過廣泛的實驗，在8個真實數(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，同時速度要快幾個數(shù)量級。獲獎?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數(shù)據(jù)庫系統(tǒng)實驗室的博士生，師從王健楠教授。2016 年 7 月至 2018 年 4 月，她在奇虎 360 擔任 AdExchange 的 C++ 開發(fā)人員。個人主頁：https://wangxiaoying.github.io/論文地址：http://vldb.org/pvldb/vol14/p1640-wang.pdf基數(shù)估計 (Cardinality Estimation)是查詢優(yōu)化中長期未解決的基本問題。最近不同研究小組的多篇論文一致指出，基于學習的模型有可能取代現(xiàn)有的基數(shù)估計器。對此，我們提出了一個具有前瞻性的問題：基于學習模型的基數(shù)估計方法是否已經(jīng)可以應(yīng)用于真實的數(shù)據(jù)庫產(chǎn)品中？本文的研究包括三個主要部分：一是專注于靜態(tài)環(huán)境（即無數(shù)據(jù)更新的數(shù)據(jù)庫系統(tǒng)），在統(tǒng)一的工作負載設(shè)置下，比較不同的學習的方法和傳統(tǒng)方法在四個真實數(shù)據(jù)集上的表現(xiàn)，結(jié)果表明，基于學習的方法比傳統(tǒng)方法更精確，但需要更高的訓練成本和推理成本。二是基于學習的方法是否可用于動態(tài)環(huán)境（即頻繁更新的數(shù)據(jù)庫系統(tǒng)）。實驗證明，它們無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，通過深入地研究基于學習的方法可能出錯的幾種情況。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測?；谝陨习l(fā)現(xiàn)，我們確定了未來應(yīng)該進一步研究的兩個方向，即如何降低學習模型的成本，以及提升模型的可信性。希望這項工作能夠指導研究人員和從業(yè)人員共同合作，將基于學習到的基數(shù)估計器應(yīng)用到真正的數(shù)據(jù)庫系統(tǒng)中。獲獎?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)用場景中被廣泛用于最小成本的二部（ bipartite）匹配。例如，網(wǎng)約車服務(wù)可以用它來匹配司機和乘客，以盡可能地縮短等待時間。通常情況下，給定的兩個二部集合，需要計算所有二部對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算對整體運行時間的影響。實際上，邊計算會大大超過最優(yōu)分配本身的計算，例如在為乘客匹配司機時，最短路徑往往需要很高的計算成本。根據(jù)這一觀察，我們發(fā)現(xiàn)，常見的現(xiàn)實世界的設(shè)置表現(xiàn)出一個有用的特性，即允許我們僅在需要時使用最低的下限啟發(fā)式增量計算邊成本。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，這一點我們已經(jīng)在多個真實數(shù)據(jù)集、工作負載上得到了驗證。此外，該算法并不限于這個領(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?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目前是加州大學伯克利分校計算機科學專業(yè)在讀博士生， RISELAB成員，師從Ion Stoica教授和Natacha Crooks教授，曾獲得伯克利校長獎學金，對數(shù)據(jù)庫與分布式系統(tǒng)感興趣。個人主頁：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)存儲一樣，F(xiàn)acebook社交圖譜TAO會優(yōu)先考慮可用性、效率和可擴展性等因素，而不是滿足大型、可讀性強的工作負載所需要的一致性或保密性。隨著產(chǎn)品開發(fā)人員在此系統(tǒng)上構(gòu)建不同的應(yīng)用程序，他們開始更多地關(guān)注業(yè)務(wù)語義。然而，為選定的應(yīng)用程序提供高級功能，同時保持系統(tǒng)整體的可靠性和性能一直是一項挑戰(zhàn)。在本文中，我們首先描述了開發(fā)者多年來的業(yè)務(wù)需求，以及目前TAO出現(xiàn)的原子級錯誤（即寫），以此探討了如何引入一個直觀的讀取業(yè)務(wù)API。我們通過對潛在異常的測量研究，強調(diào)了API原子級可見性的必要性，這些異常通常在沒有強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，這可能使開發(fā)人員體驗變得復雜化，并產(chǎn)生意外的結(jié)果。為了緩解這個問題，我們提出了RAMP-TAO協(xié)議，這是一個基于讀取原子級多分區(qū)（RAMP）協(xié)議的變體，支持最小開銷的部署，同時確保大規(guī)模讀取優(yōu)化工作負載的原子級可見性。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。詳情見轉(zhuǎn)載須知。
