腾讯云数据库再次受到顶级会议认可,论文成功入选VLDB2023
科技周边小白一枚,正在不断学习积累知识,现将学习到的知识记录一下,也是将我的所得分享给大家!而今天这篇文章《腾讯云数据库再次受到顶级会议认可,论文成功入选VLDB2023》带大家来了解一下##content_title##,希望对大家的知识积累有所帮助,从而弥补自己的不足,助力实战开发!
在第49届数据库国际顶会VLDB大会上,腾讯云TDSQL的2篇论文成功被VLDB 2023收录,再次证明了创新技术受到国际顶级会议VLDB的认可
作为数据库领域的三大顶级会议之一,VLDB每届会议都集中展示了当前数据库研究的最前沿方向以及工业界的最新应用,吸引了众多全球顶级科技公司和研究机构的参与。因会议对系统创新性、完整性、实验设计等方面都要求极高,VLDB会议的论文接受率总体较低(约 18%)。
入选论文中,腾讯云与南京大学、苏黎世联邦理工学院(ETH) 合作研发的《Efficient Black-box Checking of Snapshot Isolation in Databases》解决方案,提出了一种新颖的黑盒检查器——PolySI,它能高效地检查快照隔离(Snapshot isolation,SI),并在检测到违规时提供可理解的反例。
快照隔离是一种常见的弱隔离级别,它避免了串行化所带来的性能损失,同时可以防止很多常见的数据异常。然而,某些声称提供快照隔离保证的生产云数据库仍会产生SI数据异常,尤其在金融领域,会造成巨大影响。业界现有同类工具要么不支持快照隔离级别的测试,要么效率较低。鉴于数据库系统的复杂性,以及通常无法获取数据库内部信息的现状,业内亟需一种黑盒快照隔离检查器。
为了解决这个问题,我们提出并设计了"PolySI"算法和工具。PolySI的理论基础是基于广义多图(Generalized Polygraphs,GPs)的SI刻画定理,该定理保证了PolySI的正确性和完备性。PolySI采用SMT求解器(MonoSAT),并利用GPs的紧凑约束编码方案以及领域特定优化加速SMT求解
目前,通过广泛的评估,PolySI成功地重现了已知的SI异常,并在三个生产云数据库中检测到了新的SI异常、提供了可理解的反例。PolySI在多类工作负载下均优于目前最先进的SI黑盒检查器,并能够扩展到大规模工作负载。
根据了解,腾讯云与西蒙菲莎大学联合完成的《Online Schema Evolution is (Almost) Free for Snapshot Databases》论文介绍了一种名为"Tesseract"的新型在线和事务性模式演化方法,旨在解决数据库在线修改schema过程中所面临的挑战
当前,现代数据库应用经常根据不断变化的需求进行模式更改,数据库在线修改schema的主要优势在于,无需停止数据库服务或中断正在进行的事务,即可进行结构修改,这使得数据库能够在满足动态变化需求的同时,无需停机维护或重新启动数据库。
在现有数据库系统中,虽然支持在线和事务性模式(schema)演化,但也面临着一些挑战。首先是数据一致性问题,当进行结构修改时,为了保证数据的一致性,需要采用事务或其他机制来确保数据的完整性和正确性。其次是长时间运行的问题,一些结构修改可能需要较长的时间来完成,特别是对于大型数据库或复杂结构的修改,这可能对数据库的性能产生一定的影响。因此,需要在适当的时间窗口进行修改,以最小化对业务的影响
在过去的解决方案中,通常会采用临时方法对模式演化进行“补丁”,应用于现有系统,这导致了许多边缘情况和功能不完整的问题。因此,应用程序通常需要仔细安排停机时间来进行模式更改,从而牺牲了可用性
为了避免上述缺点,Tesseract的出现是有效的。在广泛使用的多版本数据库系统中,模式演化可以被建模为对整个表进行数据修改操作,也就是所谓的数据定义即修改(DDaM)。这样一来,Tesseract可以通过利用并发控制协议几乎零成本地支持模式
在Tesseract应用测试中,我们对现有的快照隔离协议进行了简单调整。在40核服务器上的工作负载下,Tesseract能够实现在线、事务性的模式演化,而无需停机,并且在演化过程中保持高应用性能
通过参与数据库顶级会议VLDB,腾讯云将数据库领域的最新技术突破及创新方向,同步和全球技术开发者分享,这也为数据库领域的技术和产业发展提供了极有价值的参考案例。未来,腾讯云将继续完善数据库相关的技术、产品和生态能力,为各行各业提供便捷、易用的数据库服务。
本篇关于《腾讯云数据库再次受到顶级会议认可,论文成功入选VLDB2023》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于科技周边的相关知识,请关注golang学习网公众号!
快速学习:使用Python绘制热力图和散点图
- 上一篇
- 快速学习:使用Python绘制热力图和散点图
- 下一篇
- 解析PHP底层开发原理:安全性审计和漏洞修复
-
- 科技周边 · 人工智能 | 13小时前 | 人工智能 · 重试 AI Agent 幂等 工具调用 Idempotency Key
- AI Agent 工具调用失败后的重试与幂等设计
- 236浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · Python教程 · 图像尺寸 Pillow ControlNet diffusers 条件图
- Diffusers ControlNet 条件图尺寸匹配的处理
- 314浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | python · 人工智能 · 模型评测 Hugging Face Evaluate 指标输入格式 predictions references
- Hugging Face Evaluate 统一指标输入格式
- 134浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- RAG 检索结果去重与上下文长度控制
- 357浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 |
- Tokenizer padding_side 影响批量生成的对齐
- 206浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 | python · 人工智能 · 数据迭代 Hugging Face Datasets streaming IterableDataset 大语料
- Datasets streaming 读取大语料的迭代方式
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 | python · Transformers generate 停止条件 批量输出
- Transformers generate 的停止条件与批量输出
- 133浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 | 人工智能 · LoRa 显存优化 bitsandbytes QLoRA 4-bit量化
- bitsandbytes 量化模型配合 LoRA 训练的显存边界
- 249浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 | 人工智能 · LoRa PEFT load_adapter set_adapter 适配器切换
- PEFT LoRA 适配器按任务切换的加载方案
- 268浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 | 人工智能 · LoRa PEFT merge_and_unload 适配器合并
- PEFT 适配器合并后为什么输出会变化
- 221浏览 收藏
-
- 科技周边 · 人工智能 | 5天前 |
- Tokenizer 左填充和右填充应该怎么选
- 399浏览 收藏
-
- 科技周边 · 人工智能 | 5天前 |
- Safetensors 为什么支持按需读取权重切片
- 258浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 309次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 367次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 361次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 329次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 153次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

