6月13日，記者獲悉，騰訊云數據庫三篇論文再次入選數據庫行業頂會SIGMOD，被SIGMOD 2022 Research Full Paper（研究類長文）收錄。

本次被收錄的研究成果中，新型數據結構設計、AI智能調參優化等均屬于業界首次提出。騰訊云數據庫多次入選SIGMOD，表明騰訊云數據庫在存儲、智能管控等方面的積累與前沿創新獲得了國際權威認可。

SIGMOD，全稱數據管理國際會議（Special Interest Group on Management Of Data），是由美國計算機協會（ACM）數據管理專業委員會（SIGMOD）發起、在數據庫領域具有最高學術地位的國際性學術會議。

第一篇入選論文題目為HUNTER: An Online Cloud Database Hybrid Tuning System for Personalized Requirements，由騰訊云數據庫團隊和華中科技大學合作完成，在AI智能調參優化上取得進一步突破。

通俗理解，數據庫的參數設置多達幾百個，這些參數控制著數據庫的性能表現。專業運維人員會花大量時間，根據經驗來調優數據庫的參數，以匹配不同硬件、需求和業務場景。如何利用 AI 技術解決數據庫系統性能問題變得越來越重要和緊迫。

在此篇論文中，騰訊云數據庫TDSQL-C團隊提出了混合調優系統Hunter，主要解決了如何在保證調優效果的前提下顯著減少調優時間的問題。實驗表明：隨著并發度提升實現調優時間準線性降低，在單并發度場景下調優時間只需17小時，在20并發度場景下調優時間縮短至2小時。

第二篇入選論文由中國人民大學和騰訊云數據庫團隊合作完成，題為CompressDB: Enabling Efficient Compressed Data Direct Processing for Various Databases，論文針對壓縮數據的直接操作與處理，提出一項新型數據庫處理技術——CompressDB。

面對當下指數級增長的數據量，行業普遍使用數據壓縮來減少存儲空間。在大數據管理系統中，直接在壓縮數據上進行操作，可以獲得存儲空間的節約和處理性能的提升。但是，當前的此類系統只關注數據查詢，而一個完整的大數據管理系統必須支持數據查詢和數據操作。  

本研究提出并實現了新型數據庫技術，利用上下文無關文法來壓縮數據，通過新的數據結構和算法設計實現對語法規則進行解析，CompressDB支持直接對壓縮后的數據進行數據查詢和操作，并且支持各種數據庫系統。實驗表明，CompressDB 平均達到40%的吞吐量提升和44%的延遲縮短，并實現1.81倍的壓縮率。

第三篇入選論文由騰訊和北京大學合作完成，題為 BlindFL: Vertical Federated Machine Learning without Peeking into Your Data。針對數據隱私安全問題，該論文提出了一個新的縱向聯邦學習范式BlindFL，可支持多種特征數據類型，且可以在半誠實安全假設下證明其安全性。實驗結果表明，BlindFL可有效保護參與方的隱私數據，并具有更高的運行效率。

騰訊歷來重視數據庫領域的研發，通過校企聯合實驗室共建，面向青年學者的CCF-騰訊犀牛鳥基金，騰訊犀牛鳥科研專項等與高校、科研機構構建“產學研”一體的長期合作，將技術研究成果轉換為應用落地，校企聯合持續輸出前沿技術創新與示范性應用。

此前，騰訊云數據庫TDSQL曾多次亮相數據庫三大頂會SIGMOD、ICDE、VLDB，以及數據科學領域的頂級期刊IEEE TKDE等。騰訊云數據庫TDSQL將繼續加大對數據庫基礎研究創新、數據庫產學研合作生態的建設投入，充分釋放領先技術的紅利，助力國產數據庫學術人才培養和技術創新生態建設發展。