国际超大型数据库会议

稿的被录用论文，则在本年度的会议上作口头报告。

所有录用的论文发表在《超大型数据库会议论文集》上。

这种类似于期刊的评审形式是为了避免国际学术会议中“一次性决定命运”的缺点，给作者和评审人之间提供更多交流的机会，尽量减少评审过程的随机性；而且，与传统的期刊评审模式相比，大大缩短了评审时间。

本次会议还接收了实验类论文(experiments and analysis track)。

实验论文是指通过实验的方法研究比较各个现有算法之间的性能差异，也可以通过实验的方法来描述一个创新型系统是如何有效地利用数据库技术的。

主题报告
本次会议安排了三场主题报告。

脸谱公司副总裁杰伊·帕瑞克(Jay Parikh)作了关于“网络规模下的数据基础结构”(Data Infrastructure at Web Scale)的报告。

脸谱对于系统的可扩展性是非常重视的。

目前，脸谱的数据仓库容量已超过250PB （1PB=250 字节），每天有600TB （1TB=240 字节）的数据加入。

面对如此庞大的数据，脸谱采用了定制性的体系结构来支持其内部的数据仓库及其数据分析等任务。

杰伊·帕瑞克在报告中提到了数据生命周期的概念，即数据可以分为“热数据”(hot data)、“暖数据”(warm data)和“冷数据”(cold data)三个阶段。

针对处在不同时期的数据采用不同的处理方式，可以降低能国际超大型数据库会议
关键词：超大型数据库　国际会议
邹　磊
北京大学
2013国际超大型数据库会议于2013年8月在意大利里瓦德尔加尔达(Riva Del Garda)举办。

国际超大型数据库会议(International Confer-ence on Very Large Data Bases, VLDB)是由超大型数据库基金会举办的旗舰会议。

该基金会是在美国成立的非营利性组织，宗旨是“促进世界范围内的数据库及相关领域的学术交流”。

在该基金会的资助下，催生了两本数据库领域顶级刊物，即《国际超大型数据库会议论文集》(PVLDB )和《国际超大型数据库期刊》(VLDB Journal )。

会议评审制度
本次会议录用了80篇研究型论文、17篇工业届论文和45篇系统演示论文，录用率分别为23%, 32%和46%。

超大型数据库会议从2008年开始，进行创新型的会议论文投稿和评审模式，采用类似于期刊的两轮评审模式。

每月1日是投稿截止时间，即一年有12个投稿截止期。

每月1日投稿的论文通常在两个月时间内获得第一轮4位审稿人（包括一位综合审稿人）的意见。

第一轮的审稿意见分为“直接录用”、“需要修改”和“拒绝录用”。

本次会议只有4%的论文在第一轮被直接录用，23%的论文被要求修改。

修改后的论文需要在两个月内返回，然后启动第二轮的评审。

一般在两个月内完成最后的评审意见。

如果是上一年度4月1日至本年度3月1日投
国际会议
耗，提高系统的可扩展性。

为了提高系统查询速度，脸谱构建了两个内部系统Puma和Presto。

其中，Presto采用了内存处理方式，其效率明显优于Hive，可以很好地支持交互式的数据分析任务。

此外，杰伊·帕瑞克还提到了一些脸谱创新性的项目，例如图数据的处理和新硬件的使用等。

美国麻省理工学院的塞缪尔·马登(Samuel Madden)教授作了题为“数据集线器：协同数据分析和可视化平台”(The DataHub: A Collaborative Data Analytics and Visualization Platform)的报告。

马
登强调了“使数据可访问”(make data accessible)的概念。

数据的可访问性表现为，如何理解所访问数据的特点，如何将数据展示给用户，所研究的数据与其他数据有何种关系，数据中的异常点是如何产生的等等。

目前的索引策略、内存数据处理以及MapReduce云计算方法等还不能完全解决这些问题。

数据的共性要求是安全地存储数据，可选择性地共享和访问数据，易于发现、整合和清理数据，以及可以对浏览、展现和查询数据进行可视化等。

马登还介绍了加密数据库的查询处理问题和利用图形处理器技术实现大规模数据的可视化。

微软研究院的杰出科学家辛提亚·沃克(Cynthia Dwork)作了关于数据隐
私保护的报告。

在大数
据时代，数据隐私问题
日益受到重视。

沃克重
点介绍了关于差分隐私
的相关概念和当前的研
究成果。

录用论文综述
本次会议的研究型
论文分成了16个研讨
会，主题范围既有传统
的数据集成、索引、查
询处理、时空数据等，
也有目前比较热的新概念，例如基于新硬件的数据管理技术、云计算环境下的数据管理、众包以及图数据等。

图1显示了研讨会的论题分布。

值得一提的是图数据管理占了2个，共10篇论文，是所有研究领域中论文数量最多的一项，这说明图数据管理已经成为数据库领域的研究热点。

本次会议的最佳论文是希腊约阿尼纳大学的论文“DisC多样性：基于差异和范围的结果多样化”(DisC Diversity: Result Diversification Based on Dissimilarity and Coverage)。

当查询结果集较大且查询结果之间相似度很高时，通常希望系统返回一部分有代表性的结果，即这部分结果能够很好地反映
图1　VLDB2013研讨会论题分布
图2　放大搜索某一个“照相机”选项
2013 先进并行处理技术国际学术会议（简称APPT ，会议编号：CCF-TC-13-23）于8月27~28日在瑞典斯德哥尔摩召开。

本次会议由中国计算机学会(CCF)主办，CCF 体系结构专业委员会、瑞典皇家工学院和并行与分布处理国防科技重点实验室承办。

APPT 是系列学术会议，由中国和德国的学者共同发起，每两年举办一次。

本次会议就并行计算机体系结构、任务资源管理、并行程序设计、并行应用、系统可扩展性等进行了广泛深入的交流，共有来自多个国家的20多个高校、研究机构的50余名代表参会。

会议邀请IEEE fellow 、图灵奖评审委员、瑞典查尔姆斯理工大学教授波尔·斯特恩斯托姆(Per Stenstrom)，阿里巴巴集团章文嵩博士，西班牙巴塞罗纳超级计算中心研究员亚历克斯·拉米瑞兹(Alex Ramirez)等作大会特邀报告。

会议还邀请瑞典并行与分布处理计算中心主任介绍了瑞典高性能计算应用情况，国防科技大学天河超级计算机研究团队介绍了“天河-2”的技术细节。

本次会议共收到近80篇论文，最终录用18篇。

会议论文集将由Springer 出版公司出版。

CCF TC
查询结果集的多样性。

例如，在网上购物查询照相机时，我们有时不希望返回的总是一些价格和功能参数都相近的相机，而是希望查询结果中能包含差异较大的不同种类的相机。

这样便于用户从不同维度进行选择。

这篇论文从一个新的角度定义了查询的多样性要求。

设P 为整个查询的返回结果集。

考虑P 中的两个对象p 1和p 2，如果两者之间的距离
dist (p 1, p 2)≤r ，其中r 为阈值，那么我们说p 1和p 2之间是相似的。

当给定P ，目标是找到一个代表性的返回子集S 。

其中P 中的所有对象至少和S 中的一个对象是相似的，并且S 中的任何两个对象之间是不相似的。

通过调节阈值r 的大小，可以实现返回结果集的缩放。

如图2所示，在当用户选择S 中某个代表性产品时，通过调节r 的大小，可显示与这个产品相似的其他产品，从而实现“放大搜索”的功能。

工业届论文分成系统、知识管理、可扩展性和系统优化等4个主题的研讨会。

从中可以看出，工业界比较关注数据处理方面的两个内容，即性能和语义。

本次会议还安排关于大数据的论坛讨论。

最近，
邹　磊
CCF会员。

北京大学副教授。

主要研
究方向为海量图数据和RDF数据的管理、RDF知识库构建等。

zoulei@
国内外数据库领域的会议都有与“大数据”相关的论坛部分，反映出数据库领域对于“大数据”的高度重视。

在超大型数据库会议的“大数据”论坛上，数据库领域的专家针对数据的“大”发表了各自不同的见解。

例如，大数据的多个V 中，数据大小(volume)通常易于量化，而对数据多样性(variety)的衡量却很难。

然而，数据多样性对于数据管理本身的挑战是不容忽视的。

专家们还提出了一些值得学术界和教育界思考的问题，例如如何利用机器帮助人理解大数据，如何培养数据科学家等等。

2014超大型数据库会议将于2014年9月在中国杭州举办，这也是继2007数据管理国际会议（北京）和2009国际数据工程大会（上海）之后，再次登陆中国大陆地区的数据库领域的顶级会议，将为中国数据库领域的研究人员提供很好的交流机会。

期待明年的学术盛会！■。