研究方向

云数据库创新Lab秉承开发共赢的理念,愿意与学术界和工业界各位精英就以下研究方向合作,如有意向请联系lvqiannan@huawei.com

  • 分布式数据库架构

    传统数据库已经无法满足当今组织的信息化需求,云数据库是未来的重要发展方向。针对云计算新环境下的软硬件基础设施,研究设计云原生的分布式数据库系统。云原生数据库的典型需求包括:多处理器多核的通用服务器,高速的RDMA网络,跨可用区和地域的部署,弹性扩容和缩容能力,细粒度的计费服务等。

  • 数据库智能存储引擎

    在计算存储分离架构下,研究设计Serverless数据库,研究设计为数据库优化的存储系统,实现贴近数据的处理(Near Data Processing),提升数据库系统性能和存储资源利用率。

  • AI与数据库的融合

    研究AI技术在数据库服务中的应用,包括提高数据库性能、可用性、易用性等。研究在数据库中提供AI能力,降低AI技术的应用门槛。探索AI技术在数据库系统架构设计中的应用,例如研究基于AI优化的查询优化器、AI优化的数据布局等。

  • 时序时空数据库

    在工业物联网、智慧城市等场景,存在海量的传感器设备及其产生的传感器数据,这类数据往往都包含明显的时间和空间信息,这些海量时序时空数据如何高效管理面临着新的挑战,传统数据库技术不能很好地解决。研究如何高效地存储和管理海量时序时空数据,在存储成本、写入性能、查询性能,以及时空算子等方面进行突破。

  • 时序时空数据分析

    对工业物联网、智慧城市等场景中产生的大量数据,需要通过有效的分析方法深入挖掘数据的价值,如通过对设备传感器的数据进行异常检测与预测,识别设备故障根因、进行预测性维护等。研究如何高效分析海量时序时空数据,在多时间线异常检测算法,时空数据异常检测、预测等方面进行突破。

  • 时空、文本、图像等多源数据关联分析

    在智慧城市、智慧交通等场景中,除了时序时空数据以外,还有大量的文本、语音、图像、视频等数据,对于多源数据的关联分析可以辅助进行路网综合监测、智慧调度、城市规划建议等。研究如何高效进行多源数据关联分析,构建时空知识图谱,辅助用户决策。

  • 其他新型数据库孵化

    针对5G等新兴技术成熟后可能发展的新应用,如自动驾驶、VR/AR等,识别其中对数据存储、数据分析等方面的需求,研究如何构建更高效的数据库系统以及数据分析系统,以应对快速变化的不同负载所带来的新挑战,支撑新兴应用的快速发展。