数据管理顶会VLDB EA&B最佳论文奖公布，SFU王健楠等人获奖机器之心报道机器之心编辑部

机器之心报道
机器之心编辑部
刚刚，数据管理顶会VLDB公布了今年的EA&B最佳论文奖项，本次的获奖论文为西蒙弗雷泽大学和腾讯合作的《AreWeReadyforLearnedCardinalityEstimation（通过机器学习的基数估计技术成熟了吗？）》。

文章图片
VLDB是数据管理领域两大顶会之一，面向数据管理和数据库研究人员、供应商、从业人员、应用程序开发人员等群体。 VLDB2021大会以线上、线下两种方式举行，于当地时间8月16日在丹麦哥本哈根开幕。 EA&B（Experiment,AnalysisandBenchmark ，实验、分析与基准）最佳论文奖每年颁发一次。

文章图片
论文地址：https://arxiv.org/pdf/2012.06743.pdf项目地址：https://Github.com/sfu-db/AreCELearnedYet基数估计是查询优化中一个基本但长期未解决的问题。在获奖的这篇论文中，研究者提出了一个前瞻性的问题：「我们是否准备好在生产中部署这些learned的基数模型？」研究包括三个主要部分：
首先，关注静态环境(即没有数据更新)并在统一的工作负载设置下，对四个真实世界的数据集比较了五种新的learnedmethods和九种传统方法。结果表明， learnedmodels确实比传统方法更准确，但是它们往往需要较高的训练和推理成本；其次，探索这些learnedmodels是否适用于动态环境(例如频繁的数据更新) 。研究发现，它们无法跟上快速数据更新并返回由于不同原因造成的重要错误。对于不太频繁的更新，它们可以表现得更好，但它们之间没有明确的赢家；第三，更深入地研究了learnedmodels ，并探索它们何时可能出错。结果表明， learnedmethods的性能可以很大程度上受到变化的影响，比如偏斜或领域大小。更重要的是，其行为很难解释，而且常常难以预测。
文章图片
这篇论文的合著者主要来自西蒙弗雷泽大学王健楠团队。王健楠是SFU计算机系的副教授， 2013年在清华大学获得博士学位， 2013年-2015年间在加州大学伯克利分校AMPLab进行博士后阶段的研究工作。所领导开发的数据准备工具dataprep.ai目前已经有近20万的下载量。他所获奖励包括：加拿大计算机协会授予的杰出青年奖（2020）， IEEE授予的数据工程新星奖（2018）， ACMSIGMOD最佳演示奖（2016）， CCF最佳博士论文奖（2013）， GooglePhDFellowship（2011）。他是VLDB2023大会共同主席， VLDB2021副主编。
王健楠表示：「learnedmethods是目前数据库很火的领域，但是目前的研究工作太关心模型的准确度了，而没有考虑其它把他部署到实际系统会遇到的挑战。我们这篇论文其实想给这个领域的研究中心扭转过来，让大家更多的关心如何降低模型的cost ，以及让模型更可信。」
MLforDB（ML4DB）是近年来很热门的领域，在今年的VLDB会议上，该研究方向分别有1个Keynote、1个Workshop、1个Tutorial和数篇相关论文。但相对于其他领域来说， ML4DB是一个新领域，基本是从SIGMOD2018的MIT论文《TheCaseforLearnedIndexStructures》开始受到关注的。从研究现状来看，通过机器学习的基数估计方法现阶段还无法投入实用。
图灵奖得主DavidPatterson曾说过「ForBetterorWorse,BenchmarksShapeaField.」ImageNet是帮助图片识别问题前进了一大步的benchmark ，目前ML4DB也在等待这样的benchmark 。「我们的论文沿这个方向走出了第一步，这可能是我们的论文获奖的一个很重要的原因。」王健楠表示。
研究团队介绍说，虽然目前无法直接投入使用，但是这一领域的研究非常有潜力，尤其是在准确率方面可以比传统方法取得更优越的效果。而这篇论文可以帮助大家指出一些更有潜力的「升温」方向。新技术刚出现的时候，往往都伴随巨大的优势与劣势，这才使得完善劣势的部分变得重要。比如自动驾驶的可靠性问题让它在目前阶段很难实用，但是自动驾驶节省人力的优势，驱使大家去努力解决它的劣势，所以关于自动驾驶技术的研究才能一直「升温」。 ML4DB也是类似的，机器学习的方法展现了很多优势，但是同时也有劣势，这才会让相关研究「升温」。

数据管理顶会VLDB EA&amp;B最佳论文奖公布，SFU王健楠等人获奖

数据管理顶会VLDB EA&B最佳论文奖公布，SFU王健楠等人获奖