TU Berlin

Fachgebiet Datenbanksysteme und InformationsmanagementInternational Collaborations

Logo FG DIMA-new  65px

Inhalt

zur Navigation

Eine Bilanz erfolgreicher internationaler Kollaborationen

Die Forscher des Lehrstuhls für Datenbanksysteme und Informationsmanagement (DIMA) an der TU Berlin (TUB) und des Forschungsbereichs Intelligente Analytik für Massendaten am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) beteiligen sich regelmäßig an internationalen Kollaborationen zu datenwissenschaftlichen und ingenieurwissenschaftlichen Problemen. Zu den jüngeren Erfolgen gehören die folgenden drei Publikationen.

In einer gemeinsamen Arbeit mit Zihao Chen, Chen Xu, Weining Quian und Aoying Zhou (alle ECNU [1]), präsentieren Juan Soto und Volker Markl (beide TUB) HyMAC, ein System, das es ermöglicht, iterative Machine-Learning-Algorithmen effizienter auf verteilten Datenflusssystemen laufen zu lassen. Ihr Ansatz hat das Potenzial, den Prozess des Maschinellen Lernens mit Daten aus Milliarden von Datenpunkten zu beschleunigen, indem die Kommunikationskosten in Datenflusssystemen wie Apache Flink reduziert werden. Ihr Paper „Hybrid Evaluation for Distributed Iterative Matrix Computation“ wird auf der kommenden ACM SIGMOD 2021 Konferenz vorgestellt.

In gemeinsamer Arbeit mit Yancan Mao, Bingsheng He und Richard Ma (alle NUS [2]), Jihong He (ByteDance), Shuhao Zhang von der SUTD [3] (ehemals TUB) sowie Philipp Grulich, Steffen Zeuch und Volker Markl (alle TUB) benchmarken verschiedene Intra-Window-Join-Algorithmen auf Rechnerarchitekturen mit mehreren Prozessorkernen. Ein Intra-Window-Join ist eine wichtige Operation bei der Verarbeitung von Datenflüssen, die in modernen Stream-Anwendungen weit verbreitet ist. Die Ergebnisse dieser Arbeit führen zu einem Entscheidungsbaum, der Benutzer bei der Auswahl eines geeigneten Intra-Window-Join-Algorithmus unter Berücksichtigung verschiedener Anwendungs-Workloads, Leistungsmetriken und Hardware-Architekturen anleitet. Die Forschungsarbeit „Parallelizing Intra-Window Join on Multicores: An Experimental Study“ wird auf der kommenden ACM SIGMOD-Konferenz 2021 vorgestellt.

Um öffentlich verfügbare Geodaten zu analysieren, verwenden Stadtplaner oft Systeme zur visuellen Analyse, die auf rechenintensiven räumlichen Abfragen basieren. Dies stellt eine große Herausforderung für Visual-Analytics-Systeme dar, sodass zügige Interaktivität nur schwer zu erreichen ist. In einer gemeinsamen Forschungsarbeit mit Andreas Kipf und Ibrahim Sabek (beide MIT), Varun Pandey (TUM), Harish Doraiswamy (ehemals NYU) sowie Eleni Tzirita-Zacharatou und Volker Markl (beide TUB) wird ein neues Paradigma der Geodatenverarbeitung vorgestellt, das schnelle Antwortzeiten für räumliche Abfragen auf Standard-Hardware ermöglicht. Geodaten kommen in sehr vielen Kontexten vor, daher hat diese Arbeit das Potential für vielfältige Anwendungen über die Stadtplanung hinaus. Das Paper „The Case for Distance-Bounded Spatial Approximations” wurde im Januar auf der 2021 Conference on Innovative Data Systems Research (CIDR) vorgestellt.

 

[1] East China Normal University

[2] National University of Singapore

[3] Singapore University of Technology and Design

Navigation

Direktzugang

Schnellnavigation zur Seite über Nummerneingabe