XLDB
XLDB (e X tremely L arge D ata B ases) är en årlig konferens om databaser , datahantering och analys . Definitionen av extremt stor hänvisar till datamängder som är för stora i termer av volym (för mycket), och/eller hastighet (för snabb) och/eller variation (för många platser, för många format) för att hanteras med konventionella lösningar . Den här konferensen handlar om avancerade mycket stora databaser (VLDB). Det skapades och det leds av Jacek Becla.
Historia
I oktober 2007 samlades dataexperter vid SLAC National Accelerator Lab för den första workshopen om extremt stora databaser . Som ett resultat bildades XLDB-forskningsgemenskapen för att möta de snabbt växande kraven från de största datasystemen. Förutom den ursprungliga inbjudningsworkshopen tillkom en öppen konferens, handledningar och årliga satellitevenemang på olika kontinenter. Huvudevenemanget, som hålls årligen på Stanford University, samlar över 300 deltagare. XLDB är ett av datasystemhändelserna som riktar sig till både akademiska och branscher. För 2009 samlokaliserades workshopen med VLDB 2009 i Frankrike för att nå ut till icke-amerikanska forskningsgemenskaper. XLDB 2019 följde på Stanfords konferens om system och maskininlärning (SysML).
Mål
Huvudmålen för denna gemenskap inkluderar:
- Identifiera trender, gemensamma drag och stora vägspärrar relaterade till att bygga extremt stora databaser
- Överbrygga klyftan mellan användare som försöker bygga extremt stora databaser och leverantörer av databaslösningar över hela världen
- Underlätta utveckling och tillväxt av praktiska teknologier för extremt stora datalager
XLDB Community
Från och med 2013 bestod gemenskapen av över tusen medlemmar inklusive:
- Forskare som utvecklar, använder eller planerar att utveckla eller använda XLDB för sin forskning, från laboratorier.
- Kommersiella användare av XLDB.
- Leverantörer av databasprodukter, inklusive kommersiella leverantörer och representanter från databaser med öppen källkod.
- Akademiska databasforskare.
XLDB-konferenser, workshops och handledningar
Samhället träffas årligen på Stanford University där huvudevenemanget hålls varje vår. De som bor för långt från Kalifornien för att delta har möjlighet att delta i enstaka satellitevenemang antingen i Asien eller Europa .
En detaljerad rapport eller filmer tas fram efter varje workshop.
År | Plats | Länk | Rapportera | Kommentarer |
---|---|---|---|---|
2019 | Stanford | [1] | 12:e XLDB-konferensen | |
2018 | Stanford | [2] | 11:e XLDB-konferensen | |
2017 | Clermont-Ferrand | [3] | 10:e XLDB-konferensen | |
2016 | Stanford | [4] | 9:e XLDB-konferensen | |
2015 | Stanford | [5] | 8:e XLDB-konferensen | |
2014 | Observatório Nacional , Rio_de_Janeiro | [6] | Satellite XLDB Workshop i Sydamerika | |
2014 | Stony_Brook_University | [7] | XLDB-Hälsovårdsverkstad | |
2013 | Stanford | [8] | 7:e XLDB-konferensen | |
2013 | CERN , Genève / Schweiz | [9] | Satellite XLDB Workshop i Europa | |
2012 | Stanford | [10] | [11] | 6:e XLDB-konferensen, workshopen och handledningarna |
2012 | Peking , Kina | [12] | [13] | Satellit XLDB-konferens i Asien |
2011 | SLAC | [14] | [15] | 5:e XLDB-konferensen och workshopen |
2011 | Edinburgh , Storbritannien | [16] | inte tillgänglig | Satellite XLDB Workshop i Europa |
2010 | SLAC | [17] | [18] | 4:e XLDB-konferensen och workshopen |
2009 | Lyon , Frankrike | [19] | [20] | 3:e XLDB-verkstaden |
2008 | SLAC | [21] | [22] | 2:a XLDB-verkstaden |
2007 | SLAC | [23] | [24] | 1:a XLDB-verkstaden |
Påtagliga resultat
XLDB-händelser ledde till att man startade ett försök att bygga en ny öppen källkod, vetenskapsdatabas kallad SciDB .
XLDB-arrangörerna började definiera ett vetenskapligt riktmärke för vetenskapliga datahanteringssystem som kallas SS-DB.
Vid XLDB 2012 meddelade XLDB-arrangörerna att två stora databaser som stöder arrayer som förstklassiga objekt ( MonetDB SciQL och SciDB ) har bildat en arbetsgrupp i samarbete med XLDB. Denna arbetsgrupp föreslår en gemensam syntax (preliminärt kallad "ArrayQL") för att manipulera matriser, inklusive skapande av matriser och frågor.
Se även
Vidare läsning
- Pavlo A., Paulson E., Rasin A., Abadi DJ, Dewitt DJ, Madden S. och Stonebraker M., A Comparison of Approaches to Large-Scale Data Analysis," Proceedings of the 2009 ACM SIGMOD, https:// web.archive.org/web/20090611174944/http://database.cs.brown.edu/sigmod09/benchmarks-sigmod09.pdf
- Becla, Jacek; Hanushevsky, Andrew; Nikolaev, Sergei; Abdulla, Ghaleb; Szalay, Alex; Nieto-Santisteban, Maria; Thakar, Ani; Gray, Jim (2006). "Designa en multi-petabyte databas för LSST". I Silva, David R; Doxsey, Rodger E (red.). Observationsoperationer: strategier, processer och system . Vol. 6270. s. 62700R. arXiv : cs/0604112 . doi : 10.1117/12.671721 . S2CID 3204824 .
- Becla, J., & Wang, DL 2005, Lessons Learned from Managing a Petabyte , nedladdad från https://web.archive.org/web/20110604223735/http://www.slac.stanford.edu/pubs/slacpubs/ 10750/slac-pub-10963.pdf den 2007-11-25.
-
Bell, Gordon; Gray, Jim; Szalay, Alex (2007). "Petascale Computational Systems". arXiv : cs/0701165 . Bibcode : 2007cs........1165B .
{{ citera journal }}
: Citera journal kräver|journal=
( hjälp ) - Duellmann, D. 1999, Petabyte Databases , ACM SIGMOD Record, vol. 28, sid. 506, https://web.archive.org/web/20071012015357/http://www.sigmod.org/sigmod/record/issues/9906/index.html#TutorialSessions .
- Hanushevsky, A., & Nowak, M. 1999, Pursuit of a Scalable High Performance Multi-Petabyte Database , 16th IEEE Symposium on Mass Storage Systems, s. 169–175, http://citeseer.ist.psu.edu/217883 .html .
- Shiers, J., Building Very Large, Distributed Object Databases , hämtad från https://web.archive.org/web/20070915101842/http://wwwasd.web.cern.ch/wwwasd/cernlib/rd45/papers/dbprog .html den 2007-11-25.