人大、腾讯数据库联合攻坚交答卷：7项顶会论文突破，成果落地TDSQL产线

中国人民大学数据工程与知识工程教育部重点实验室主任杜小勇，中国人民大学信息学院副院长（主持工作）柴云鹏，信息学院陈红教授、陈晋川副教授、卞昊穹老师，数据工程与知识工程教育部重点实验室卢卫教授、张峰教授、李彤副教授，以及腾讯技术管理委员会主任王巨宏，腾讯云数据库TDSQL技术研发总经理潘安群，腾讯高校合作总监刘婷婷出席会议。

中国人民大学三位教授围绕双方联合研究成果带来主题分享，以下是核心研究成果摘要👇

事务处理优化

//并发控制协议优化

针对复杂环境下的数据库事务处理挑战，提出多项关键技术突破。在混合并发控制方面，提出HDCC，通过锁共享机制与全局验证机制融合确定性（Calvin）与非确定性（OCC）并发控制，采用双日志交替恢复技术解决跨机制故障恢复难题，实现单机与分布式场景下5.7倍性能提升，该成果录用于VLDB 2025。

(HDCC架构图)

//跨空间域协议优化

跨地域异构数据源的数据库中间件中，分布式事务因网络延迟和锁竞争时间过长（事务阻塞等待锁）导致性能显著下降。提出延迟感知的地理分布式事务处理方案GeoTP，减少分布式事务的网络往返，通过策略性延迟锁获取，缩短锁竞争跨度，进一步优化调度器策略，最小化锁冲突时长。在YCSB 和 TPC-C 基准测试中，GeoTP对比原生中间件最高实现 17.7 倍性能提升，该成果录用于ICDE 2025。

(GeoTP架构图)

//分布式事务优化

分布式事务因多轮跨节点通信导致性能低下，现有方法（分区迁移或超级节点）存在迁移阻塞、单点瓶颈等缺陷，难以兼顾性能与扩展性。提出 Lion 事务处理协议，结合 LSTM 工作负载预测算法，异步预调整副本位置，动态匹配事务访问模式；通过抢占式、异步的副本位置优化，避免数据迁移阻塞或超级节点瓶颈。对比现有最新协议，Lion吞吐量最高提升 2.7 倍，扩展性优化 76.4%，该成果发表于ICDE 2024。

(Lion架构图)

存储优化

//压缩直接计算优化

针对现有压缩文本处理方案存在支持操作类型有限、处理效率低、空间占用高等局限，难以满足海量文本数据高效管理需求。提出同态压缩理论，构建 HOCO 文本数据管理引擎。通过模块化与面向对象设计，支持多压缩方案的同态扩展，实现压缩域直接处理，覆盖随机访问、修改、分析等多元化文本处理任务，HOCO随机访问与修改吞吐量平均达现有方案 9.18 倍，文本分析任务延迟较未压缩处理降低 7.16 倍，该成果发表于SIGMOD 2024。

(HOCO架构图)

//学习索引优化

现有学习型索引在多核数据存储中面临扩展性瓶颈，存在并发性能受限、统计信息维护成本高、难以适应负载倾斜等问题，制约了其在高性能存储场景的应用。提出 SALI（可扩展自适应学习型索引框架），在动态适配负载倾斜下，优化并发场景下的索引结构演进，提升多核环境下的并行处理能力；在索引内部高效维护数据分布特征，降低元数据管理开销，增强索引扩展性。SALI在64 线程，较当前最先进的学习型索引，插入吞吐量平均提升 2.04 倍，该成果发表于SIGMOD 2024。

(SALI架构图)

会议还对实验室科研工作中表现优异的学生予以表彰，激励更多学子投身数据库研究。未来，双方将持续联合攻坚国产数据库技术，加速成果转化。