11.10| 树状大数据系统 Steed 与 JSON 数据处理

摘要：

以 JSON、Protocol Buffers 等为代表的树状结构数据，能够简洁地表达嵌套、多值和缺值，可用于表述高级程序设计语言中 class, struct 等丰富的结构，已经逐步替代了 XML 成为事实上的标准，并广泛应用于社交网络数据服务、Web 服务、数据交换格式、分布式系统协议、物联网等，成为一种重要的大数据类型。我们研发了一个通用的树状结构数据库系统 Steed，支持树状数据的行式和列式存储，和类似 SQL 的查询分析功能。我们对实际中存在的树状结构数据进行了分析，发现虽然树状类型本身可以表达丰富复杂的结构，但是实际中出现的结构大部分是简单的，从树根到树叶的路径中，有 90% 以上的路径是简单路径。利用这一发现，针对简单路径，优化了外存存储、内存数据结构、列组装算法。与现有系统 PostgreSQL/JSON, MongoDB, Hive+Parquet 相对比，Steed 对于数据分析操作普遍有 10—1000 倍的性能提升。本报告基于 SIGMOD’17 和 VLDB’17 工作。

报告人简介：

陈世敏，中科院计算所研究员，分别于 1997 年和 1999 年获得清华大学计算机系学士和硕士学位，于 2005 年在美国 Carnegie Mellon University 获得计算机科学博士学位。博士毕业后，先后在美国 Intel Labs、CMU 和 HP Labs 任 Researcher、Senior Researcher 和 Research Manager，于 2013 年加入中科院计算所。 陈世敏的研究兴趣主要集中在数据管理系统、大数据系统和计算机体系结构。曾获得 ICDE’04 Best Paper，SIGMOD’01 Runner-up Best Paper，体系结构 2008 年度顶级论文 Top Picks’08。SIGMOD’09 是数据库领域最早研究闪存的论文之一，CIDR’11 是数据库领域第一篇研究新兴非易失存储的论文。担任 ICDE’18 PC area chair, VLDB’17 PC Associate Editor, ICDCS’16 和 CIKM’14 的 PC area chair，多次担任 SIGMOD,VLDB,ICDE,CIDR , ASPLOS, EUROSYS 等的 PC。