Телеграм канал «Ассоциация Разработчиков СУБД»

OceanBase и ECNU предложили способ повысить точность оценок оптимизатора запросов

Команда OceanBase и Восточно-Китайского педагогического университета (ECNU) разработала подход Metis.

По сообщению OceanBase, статью о нём приняли на VLDB 2027.

Перед выполнением запроса СУБД оценивает, сколько строк придётся обработать.
Эти оценки помогают выбрать план выполнения. Если сильно ошибиться, запрос может работать медленнее.

Одна из причин ошибок — зависимости между столбцами.
Например, город и страна связаны, но статистика по каждому столбцу отдельно не отражает эту связь.
Собирать подробную статистику по всем возможным сочетаниям слишком затратно.

Metis анализирует историю запросов и определяет, какие сочетания столбцов связаны с большими ошибками оценки.

Для них строятся многомерные гистограммы — статистика, которая учитывает значения нескольких столбцов вместе.

Затем Metis подбирает и объединяет эти гистограммы для оценки конкретного запроса.

Идея — учитывать прежде всего те зависимости в данных, которые влияют на точность оценок при реальной нагрузке.

Подробнее:
блог OceanBase на CNBlogs, на китайском

#СУБД #БазыДанных #OceanBase #VLDB #ОптимизацияЗапросов

В Пекине запустили лабораторию интеллектуальных СУБД

В Китае развивают исследования на стыке СУБД и искусственного интеллекта.

Компания Kingbase совместно с Китайским народным университетом создала лабораторию «Интеллектуальные системы баз данных и приложения».

О её официальном открытии и переходе к практической работе сообщили в октябре.

Лаборатория сосредоточится на трёх направлениях:

► основы интеллектуальных СУБД и совместная оптимизация программного и аппаратного обеспечения

► AI-нативное управление данными

► интеллектуальные СУБД и приложения для интеллектуальной обработки данных

Среди заявленных задач — ответить на новые требования со стороны больших языковых моделей и ИИ-агентов, а также довести результаты исследований до промышленного применения.

Источник:
Пекинский комитет по науке и технологиям

#НовостиСУБД #Kingbase #Китай #СУБД

Три российских вуза уже используют Digital Q.DataBase в облаке «Диасофта» для обучения студентов

Ещё в нескольких десятках вузов знакомятся с возможностями СУБД, тестируя её в собственной инфраструктуре (on-premise).

Вузам предоставляют бесплатный доступ к развёрнутой облачной СУБД.

Каждому студенту готовят персональную базу, заранее наполненную данными по шаблону, согласованному с учебным заведением.

Так преподаватели и студенты могут сосредоточиться на практических заданиях, не разворачивая СУБД на собственных серверах.

Как подключиться вузу?

Достаточно заключить с «Диасофтом» рамочное соглашение и направить заявку с указанием количества обучающихся.
Шаблон учебной базы согласовывается с вузом.

Условие предоставления ресурсов — использование исключительно для учебной деятельности и подготовки специалистов.

Если вы преподаёте базы данных и хотите организовать такую практику для студентов, напишите на supportqdb@diasoft.ru — команда Digital Q.DataBase подскажет, как подключиться.

#СУБД #DigitalQDataBase #Образование #ВУЗы #qdb

Как оценить цену защиты облачной СУБД?

Шифрование помогает обеспечить конфиденциальность данных, но добавляет издержки при обработке запросов.

Как измерить влияние защитного слоя на производительность — вопрос статьи Г.А. Яковлева и В.Н. Тренькаева из Томского государственного университета «Об анализе производительности защищённых облачных СУБД» (2026).

Авторы рассматривают платформу SecureDBMS — «прослойку защиты» для целевой реляционной СУБД.

В центре исследования — задержка выполнения SQL-запроса.
Для её анализа предложена и реализована методика оценки производительности защищённой облачной СУБД.

Интересен сам подход: оценивать защитные механизмы не только по их возможностям, но и по тому, как они влияют на время ответа базы данных.

Это помогает перевести обсуждение компромисса между безопасностью и быстродействием в измеримые показатели.

► Статья в «Прикладной дискретной математике. Приложение», № 19, с. 243–246

#НовостиСУБД #SecureDBMS #БезопасностьДанных #mathnet #СУБД #Шифрование

Первая волна импортозамещения стихает: российскому ПО предстоит конкурировать зрелостью

Российская софтверная индустрия переходит от быстрого заполнения освободившихся ниш к борьбе за эффективность внедрений.
Само наличие отечественного аналога становится менее убедительным аргументом для заказчика.

По данным ассоциации «Руссофт», совокупная выручка российских софтверных компаний по итогам 2025 года выросла на 14%, до 2,808 трлн рублей.
Годом ранее темп роста составлял 24%. Замедление сопровождалось снижением совокупной чистой прибыли и инвестиционной активности разработчиков.
Источник: «Руссофт».

В начале 2026 года ассоциация прогнозировала рост оборота отрасли лишь на 5–10%, связывая охлаждение спроса в том числе с исчерпанием первой волны импортозамещения. Более поздний опрос разработчиков дал оценку в 17%. Таким образом, речь идет о смене условий роста, а не об остановке рынка.
Февральская оценка, обновленный прогноз.

На возможности заказчиков влияют стоимость финансирования и общее охлаждение экономики.
Аналитики CNews также отмечают, что пик импортозамещения и связанный с ним всплеск инвестиций в цифровизацию остались позади.
Дальнейшую динамику они связывают, среди прочего, с переходом накопленных пилотных проектов к полноценным внедрениям.
Источник: CNews.

Для рынка СУБД этот переход ставит практический вопрос: насколько убедительно продукт подтверждает готовность к промышленной эксплуатации?

Совместимость с приложениями, стабильность под нагрузкой, инструменты миграции, качество поддержки и полная стоимость перехода становятся основой выбора.

Размер выручки вендора сам по себе не отвечает на эти вопросы.

При оценке конкретной СУБД заказчику нужны результаты испытаний, опыт сопоставимых внедрений и понятный план переноса данных с учетом допустимого простоя.

Первая волна импортозамещения открыла российским разработчикам доступ к новым заказчикам.
Следующий этап потребует доказать, что внедрение дает измеримый результат: снижает риски, обеспечивает необходимую производительность и позволяет развивать инфраструктуру.

#РоссийскоеПО #ИТрынок #СУБД #ТехнологическийСуверенитет #РазработкаПО

«Додо Пицца»: 3,7 ТБ данных и 33 млрд записей

По данным «Коммерсанта», атакующие получили доступ примерно к 3,7 ТБ информации и 33 млрд записей, включая сведения о более чем 860 млн заказов за 15 лет.

Как пишет издание, входной точкой стали корпоративные учётные данные, опубликованные на GitHub.
Через связанные системы злоумышленники добрались до облачных хранилищ и баз данных.
Украденный архив выставили на продажу в даркнете.

Задержаны трое предполагаемых участников DataSuckers, четвёртый остаётся на свободе.

Мы уже неоднократно писали о DataSuckers и необходимости внимательно относиться к безопасности: на стороне атакующих работают профессионалы, хотя и они допускают ошибки.

По данным «Коммерсанта», одного из фигурантов вычислили по IP-адресу, который он раскрыл при обращении к похищенным данным..

#DataSuckers #ДодоПицца #БезопасностьБД

Авторы DataKernelBench предложили десяти языковым моделям написать GPU-код для аналитических запросов.

SQL описывает, какие данные нужно получить.
За способом выполнения стоит целая последовательность действий: прочитать столбцы, отобрать строки, соединить таблицы, посчитать суммы.

GPU может выполнять много операций одновременно.
Однако одного переноса вычислений на видеокарту недостаточно: время уходит и на перемещение данных, и на создание промежуточных результатов.

Поэтому для конкретного запроса бывает выгодно написать собственное вычислительное ядро — небольшую программу, которую выполняет GPU.

DataKernelBench проверяет, насколько хорошо с такой работой справляются языковые модели.

Авторы переводят SQL в TorchPlan — программу на PyTorch, — а затем предлагают модели ускорить её с помощью CUDA или Triton, инструментов для программирования GPU.

Модели дают два варианта задачи: улучшить отдельный вычислительный участок или переработать выполнение запроса целиком.
Полученный код запускают, проверяют и возвращают модели обратную связь для исправлений.

Что показал эксперимент

Исследователи проверили десять моделей на аналитической нагрузке TPC-H SF10 с одной NVIDIA H100.

Лучший результат получила GPT-5.5 в режиме полной переработки запроса с CUDA: 2,11× относительно TorchPlan с torch.compile.

Все 22 запроса прошли проверку результата.

Это сравнение со скомпилированной реализацией на PyTorch.

Переносить цифру на PostgreSQL, ClickHouse или любую другую СУБД нельзя.

В эксперименте также участвовал GPU-движок Sirius: он оставался быстрее на многих отдельных запросах.

Такой подход может быть интересен для тяжёлых регулярных отчётов.

► Ссылка на исследование

#SQL #GPU #LLM #DataKernelBench #arxiv