研究方向
云数据库创新LAB秉承开发共赢的理念，愿意与学术界和工业界各位精英就以下研究方向合作，请联系lvqiannan@huawei.com。
-
分布式数据库架构
传统数据库已经无法满足当今组织的信息化需求，云数据库是未来的重要发展方向。针对云计算新环境下的软硬件基础设施，研究设计云原生的分布式数据库系统。云原生数据库的典型需求包括：多处理器多核的通用服务器，高速的RDMA网络，跨可用区和地域的部署，弹性扩容和缩容能力，细粒度的计费服务等。
-
数据库智能存储引擎
在计算存储分离架构下，研究设计Serverless数据库，研究设计为数据库优化的存储系统，实现贴近数据的处理（Near Data Processing），提升数据库系统性能和存储资源利用率。
-
AI与数据库的融合
研究AI技术在数据库服务中的应用，包括提高数据库性能、可用性、易用性等。研究在数据库中提供AI能力，降低AI技术的应用门槛。探索AI技术在数据库系统架构设计中的应用，例如研究基于AI优化的查询优化器、AI优化的数据布局等。
-
时序时空数据库
在工业物联网、智慧城市等场景，存在海量的传感器设备及其产生的传感器数据，这类数据往往都包含明显的时间和空间信息，这些海量时序时空数据如何高效管理面临着新的挑战，传统数据库技术不能很好地解决。研究如何高效地存储和管理海量时序时空数据，在存储成本、写入性能、查询性能，以及时空算子等方面进行突破。
-
时序时空数据分析
对工业物联网、智慧城市等场景中产生的大量数据，需要通过有效的分析方法深入挖掘数据的价值，如通过对设备传感器的数据进行异常检测与预测，识别设备故障根因、进行预测性维护等。研究如何高效分析海量时序时空数据，在多时间线异常检测算法，时空数据异常检测、预测等方面进行突破。
-
时空、文本、图像等多源数据关联分析
在智慧城市、智慧交通等场景中，除了时序时空数据以外，还有大量的文本、语音、图像、视频等数据，对于多源数据的关联分析可以辅助进行路网综合监测、智慧调度、城市规划建议等。研究如何高效进行多源数据关联分析，构建时空知识图谱，辅助用户决策。
-
其他新型数据库孵化
针对5G等新兴技术成熟后可能发展的新应用，如自动驾驶、VR/AR等，识别其中对数据存储、数据分析等方面的需求，研究如何构建更高效的数据库系统以及数据分析系统，以应对快速变化的不同负载所带来的新挑战，支撑新兴应用的快速发展。
