Base de datos XLD

XLDB (e X tremely Large Data B ases ) fue una conferencia anual sobre bases de datos , gestión de datos y análisis que se celebró entre 2007 y 2019. La definición de extremadamente grande se refiere a conjuntos de datos que son demasiado grandes en términos de volumen (demasiado), y/o velocidad (demasiado rápido), y/o variedad (demasiados lugares, demasiados formatos) para ser manejados con soluciones convencionales. Esta conferencia abordó el extremo superior de las bases de datos muy grandes (VLDB). Fue concebida y presidida por Jacek Becla.

Historia

En octubre de 2007, los expertos en datos se reunieron en el Laboratorio Nacional de Aceleradores SLAC para el Primer Taller sobre Bases de Datos Extremadamente Grandes. Como resultado, se formó la comunidad de investigación de XLDB para satisfacer las crecientes demandas de los sistemas de datos más grandes. Además del taller de invitación original, se agregaron una conferencia abierta, tutoriales y eventos satélite anuales en diferentes continentes. El evento principal, que se lleva a cabo anualmente en la Universidad de Stanford, reúne a más de 300 asistentes. XLDB es uno de los eventos de sistemas de datos que atiende tanto a las comunidades académicas como a la industria. Para 2009, el taller se realizó junto con VLDB 2009 en Francia para llegar a las comunidades de investigación no estadounidenses. ^[1] XLDB 2019 siguió a la Conferencia sobre Sistemas y Aprendizaje Automático (SysML) de Stanford. ^[2]

Objetivos

Los principales objetivos de esta comunidad incluyen: ^[3]

• Identificar tendencias, puntos en común y obstáculos principales relacionados con la creación de bases de datos extremadamente grandes.
• Cerrar la brecha entre los usuarios que intentan crear bases de datos extremadamente grandes y los proveedores de soluciones de bases de datos de todo el mundo
• Facilitar el desarrollo y el crecimiento de tecnologías prácticas para almacenes de datos extremadamente grandes.

Comunidad XLDB

En 2013, la comunidad estaba formada por más de mil miembros, entre ellos:

1. Científicos que desarrollan, utilizan o planean desarrollar o utilizar XLDB para sus investigaciones, desde laboratorios.
2. Usuarios comerciales de XLDB.
3. Proveedores de productos de bases de datos, incluidos proveedores comerciales y representantes de comunidades de bases de datos de código abierto.
4. Investigadores de bases de datos académicas.

Conferencias, talleres y tutoriales de XLDB

La comunidad se reunió anualmente en la Universidad de Stanford hasta 2019. Ocasionalmente se celebraron eventos satélite en Asia y Europa .

Después de cada taller se elaboró ​​un informe detallado o vídeos.

Resultados tangibles

Los eventos de XLDB llevaron a iniciar un esfuerzo para construir una nueva base de datos científica de código abierto llamada SciDB. ^[4]

Los organizadores de XLDB comenzaron a definir un punto de referencia científico para los sistemas de gestión de datos científicos llamado SS-DB.

En XLDB 2012, los organizadores de XLDB anunciaron que dos importantes bases de datos que admiten matrices como objetos de primera clase ( MonetDB SciQL y SciDB ) han formado un grupo de trabajo en colaboración con XLDB. Este grupo de trabajo propone una sintaxis común (denominada provisionalmente “ArrayQL”) para manipular matrices, incluidas la creación y consulta de matrices.

Véase también

• Conferencia internacional sobre bases de datos de gran tamaño

Referencias

1. "Construyendo las mayores bases de datos científicas". Revista Symmetry . Consultado el 15 de abril de 2019 .
2. "Bases de datos extremadamente grandes de XLDB 2019". Bases de datos extremadamente grandes de XLDB 2019. Consultado el 15 de abril de 2019 .
3. Becla, Jacek (2009). "XLDB 3 Welcome" (Bienvenida a XLDB 3) . Consultado el 29 de agosto de 2009 .
4. Becla, Jacek (2008). "Informe del taller SciDB" . Consultado el 29 de septiembre de 2008 .^{[ enlace muerto permanente ]}

Lectura adicional

• Pavlo A., Paulson E., Rasin A., Abadi DJ, Dewitt DJ, Madden S. y Stonebraker M., Una comparación de enfoques para el análisis de datos a gran escala", Actas de la ACM SIGMOD 2009, https://web.archive.org/web/20090611174944/http://database.cs.brown.edu/sigmod09/benchmarks-sigmod09.pdf
• Becla, Jacek; Hanushevsky, Andrew; Nikolaev, Sergei; Abdulla, Ghaleb; Szalay, Alex; Nieto-Santisteban, Maria; Thakar, Ani; Gray, Jim (2006). "Diseño de una base de datos multi-petabyte para LSST". En 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., y Wang, DL 2005, Lecciones aprendidas de la gestión de un petabyte , descargado de https://web.archive.org/web/20110604223735/http://www.slac.stanford.edu/pubs/slacpubs/10750/slac-pub-10963.pdf el 25 de noviembre de 2007.
• Bell, Gordon; Gray, Jim; Szalay, Alex (2007). "Sistemas computacionales a escala petaescala". arXiv : cs/0701165 . Código Bibliográfico :2007cs........1165B. {{cite journal}}: Requiere citar revista |journal=( ayuda )
• Duellmann, D. 1999, Bases de datos de petabytes , ACM SIGMOD Record, vol. 28, pág. 506, https://web.archive.org/web/20071012015357/http://www.sigmod.org/sigmod/record/issues/9906/index.html#TutorialSessions.
• Hanushevsky, A., y Nowak, M. 1999, Búsqueda de una base de datos multi-Petabyte escalable de alto rendimiento , 16.º Simposio IEEE sobre sistemas de almacenamiento masivo, págs. 169-175, http://citeseer.ist.psu.edu/217883.html.
• Shiers, J., Creación de bases de datos de objetos distribuidos de gran tamaño , descargado de https://web.archive.org/web/20070915101842/http://wwwasd.web.cern.ch/wwwasd/cernlib/rd45/papers/dbprog.html el 25 de noviembre de 2007.

Enlaces externos

• Sitio web oficial
• Canal de XLDBConf en YouTube