Xldb

Content

História

Em outubro de 2007, especialistas em dados se reuniram no SLAC National Accelerator Lab para o primeiro workshop sobre bancos de dados extremamente grandes. Como resultado, a comunidade de pesquisa do XLDB foi formada para atender às demandas crescentes dos maiores sistemas de dados. Além do workshop de convite original, foram adicionados uma conferência aberta, tutoriais e eventos anuais de satélite em diferentes continentes. O evento principal, realizado anualmente na Universidade de Stanford, reúne mais de 300 participantes. O XLDB é um dos eventos de sistemas de dados que atendem às comunidades acadêmicas e da indústria. Para 2009, o workshop foi co-localizado com o VLDB 2009 na França para alcançar comunidades de pesquisa não americanas. O XLDB 2019 seguiu a Conferência de Sistemas e Aprendizagem de Máquinas de Stanford (SYSML).

Metas

Os principais objetivos desta comunidade incluem:

Identify trends, commonalities and major roadblocks related to building extremely large databasesBridge the gap between users trying to build extremely large databases and database solution providers worldwideFacilitate development and growth of practical technologies for extremely large data stores

Comunidade XLDB

A partir de 2013, a comunidade consistia em acima de mil membros, incluindo:

Scientists who develop, use, or plan to develop or use XLDB for their research, from laboratories.Commercial users of XLDB.Providers of database products, including commercial vendors and representatives from open source database communities.Academic database researchers.

Conferências, oficinas e tutoriais do XLDB

A comunidade se reúne anualmente na Universidade de Stanford, onde o evento principal é realizado a cada primavera. Aqueles que vivem muito longe da Califórnia para participar têm a oportunidade de participar de eventos de satélite ocasionais na Ásia ou na Europa.

Um relatório ou vídeo detalhado é produzido após cada workshop.

YearPlaceLinkReportComments2019Stanford[1]12th XLDB Conference2018Stanford[2]11th XLDB Conference2017Clermont-Ferrand[3]10th XLDB Conference2016Stanford[4]9th XLDB Conference2015Stanford[5]8th XLDB Conference2014Observatório Nacional, Rio_de_Janeiro[6]Satellite XLDB Workshop in South America2014Stony_Brook_University[7]XLDB-Healthcare Workshop2013Stanford[8]7th XLDB Conference2013CERN, Geneva/Switzerland[9]Satellite XLDB Workshop in Europe2012Stanford[10][11]6th XLDB Conference, Workshop & Tutorials2012Beijing, China[12][13]Satellite XLDB Conference in Asia2011SLAC[14][15]5th XLDB Conference and Workshop2011Edinburgh, UK[16]not availableSatellite XLDB Workshop in Europe2010SLAC[17][18]4th XLDB Conference and Workshop2009Lyon, France[19][20]3rd XLDB Workshop2008SLAC[21][22]2nd XLDB Workshop2007SLAC[23][24]1st XLDB Workshop

Resultados tangíveis

Os eventos do XLDB levaram a iniciar um esforço para construir um novo banco de dados de código aberto, chamado SCIDB.

Os organizadores do XLDB começaram a definir uma referência científica para sistemas científicos de gerenciamento de dados chamados SS-DB.

No XLDB 2012, os organizadores do XLDB anunciaram que dois principais bancos de dados que suportam matrizes como objetos de primeira classe (MonetDB SCIQL e SCIDB) formaram um grupo de trabalho em conjunto com o XLDB. Este grupo de trabalho está propondo uma sintaxe comum (denominada "ArrayQL" provisoriamente) para manipular matrizes, incluindo criação e consulta de matrizes.

Veja também

International Conference on Very Large Data Bases

Leitura adicional

Pavlo A., Paulson E., Rasin A., Abadi D. J., Dewitt D. J., Madden S., and Stonebraker M., A Comparison of Approaches to Large-Scale Data Analysis," Proceedings of the 2009 ACM SIGMOD, https://web.archive.org/web/20090611174944/http://database.cs.brown.edu/sigmod09/benchmarks-sigmod09.pdfBecla, Jacek; Hanushevsky, Andrew; Nikolaev, Sergei; Abdulla, Ghaleb; Szalay, Alex; Nieto-Santisteban, Maria; Thakar, Ani; Gray, Jim (2006). "Designing a multi-petabyte database for LSST". In Silva, David R; Doxsey, Rodger E (eds.). Observatory Operations: Strategies, Processes, and Systems. Vol. 6270. pp. 62700R. arXiv:cs/0604112. doi:10.1117/12.671721. S2CID 3204824.Becla, J., & Wang, D. L. 2005, Lessons Learned from Managing a Petabyte, downloaded from https://web.archive.org/web/20110604223735/http://www.slac.stanford.edu/pubs/slacpubs/10750/slac-pub-10963.pdf on 2007-11-25.Bell, Gordon; Gray, Jim; Szalay, Alex (2007). "Petascale Computational Systems". arXiv:cs/0701165. Bibcode:2007cs........1165B. {{cite journal}}: Cite journal requires |journal= (help)Duellmann, D. 1999, Petabyte Databases, ACM SIGMOD Record, vol. 28, p. 506, https://web.archive.org/web/20071012015357/http://www.sigmod.org/sigmod/record/issues/9906/index.html#TutorialSessions.Hanushevsky, A., & Nowak, M. 1999, Pursuit of a Scalable High Performance Multi-Petabyte Database, 16th IEEE Symposium on Mass Storage Systems, pp. 169–175, http://citeseer.ist.psu.edu/217883.html.Shiers, J., Building Very Large, Distributed Object Databases, downloaded from https://web.archive.org/web/20070915101842/http://wwwasd.web.cern.ch/wwwasd/cernlib/rd45/papers/dbprog.html on 2007-11-25.