6月12日-17日，2022 ACM SIGMOD在美国费城如期举行。腾讯云数据库三篇论文入选，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。本次研究成果也是腾讯云数据库研发团队分别与北京大学、中国人民大学、华中科技大学基于联合实验室创新平台开展的创新合作成果，通过“产学研“一体的合作方式，将技术研究成果转换为应用落地，持续输出前沿技术创新与示范应用，推动我国数据库生态的发展与建设。
6月21日，我们邀请到了中国人民大学、华中科技大学的合作老师与腾讯云数据库研究人员进行本次入选论文成果的解读和研讨，欢迎感兴趣的老师和同学们观看直播并参与研讨交流。
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合作完成，在AI智能调参优化上取得进一步突破。
通俗理解，数据库的参数设置多达几百个，这些参数控制着数据库的性能表现。专业运维人员会花大量时间，根据经验来调优数据库的参数，以匹配不同硬件、需求和业务场景。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系统Hunter，主要解决了如何在保证调优效果的前提下显著减少调优时间的问题。实验表明：随着并发度提升实现调优时间准线性降低，在单并发度场景下调优时间只需17小时，在20并发度场景下调优时间缩短至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合作完成，题为CompressDB: Enabling Efficient Compressed Data Direct Processing for Various Databases，论文针对压缩数据的直接操作与处理，提出一项新型数据库处理技术——CompressDB。
面对当下指数级增长的数据量，行业普遍使用数据压缩来减少存储空间。在大数据管理系统中，直接在压缩数据上进行操作，可以获得存储空间的节约和处理性能的提升。但是，当前的此类系统只关注数据查询，而一个完整的大数据管理系统必须支持数据查询和数据操作。
本研究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则进行解析，CompressDB支持直接对压缩后的数据进行数据查询和操作，并且支持各种数据库系统。实验表明，CompressDB 平均达到40%的吞吐量提升和44%的延迟缩短，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合作完成，题为 BlindFL: Vertical Federated Machine Learning without Peeking into Your Data。针对数据隐私安全问题，该论文提出了一个新的纵向联邦学习范式BlindFL，可支持多种特征数据类型，且可以在半诚实安全假设下证明其安全性。实验结果表明，BlindFL可有效保护参与方的隐私数据，并具有更高的运行效率。
腾讯历来重视数据库领域的研发，通过校企联合实验室共建，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”一体的长期合作。腾讯云数据库TDSQL曾多次亮相数据库三大顶会SIGMOD、ICDE、VLDB，以及数据科学领域的顶级期刊IEEE TKDE等。腾讯云数据库TDSQL将继续加大对数据库基础研究创新、数据库产学研合作生态的建设投入，充分释放领先技术的红利，助力国产数据库学术人才培养和技术创新生态建设发展。
点击阅读原文，即刻报名预约观看直播！
点击“阅读原文”，即可预约直播
