日前,“第三届数据库大赛--创新上云性能挑战赛”在阿里云天池官网正式开赛。据悉,本次大赛由阿里云、英特尔联袂主办,聚焦数据库核心技术场景,探索新介质极致性能,挑战海量数据高效上云,全程将有资深技术专家提供技术指导。
大赛现已面向全社会开放报名,个人开发者、高等院校、企业、科研单位等人员均可报名参赛,为广大数据库技术爱好者以及相关的科研企业提供挑战平台。
首度开启双赛道比拼 聚焦核心业务场景难题
自2018年以来,“阿里云数据库大赛”已经连续成功举办两届,吸引了国内外数千支队伍和个人参加,参赛者遍布11个国家和地区。活跃队伍不仅覆盖了国内所有大型互联网公司,各大知名院校组成的队伍亦参与其中。
本届大赛突破性地采用双赛道机制,聚焦分析型查询引擎、海量数据迁移等数据库核心业务场景难题,分设“高性能分析型查询引擎”和“海量数据高效上云”两大赛道。
其中,“高性能分析型查询引擎”赛道,赛题来自云原生数据仓库AnalyticDB的分析型查询场景,基于采用英特尔®傲腾™持久内存(PMem)的平台,选手将设计并且实现指定的数值分析函数,在保证正确性和鲁棒性下,快速完成指定的数据导入,及若干次数值计算查询。
“海量数据高效上云”赛道,将数据传输服务DTS的海量数据迁移技术构建于Aliyun Linux操作系统之上,采用英特尔®傲腾™持久内存 (PMem)。赛题从数据高效迁移场景切入,选手们需要设计并实现将海量数据从本地传输到云上的程序,支持存量和增量数据迁移,具备一定的鲁棒性,同时拥有良好的性能。
大赛火热报名中 40万奖金等你来挑战
本届大赛从即日起——6月25日均可报名,赛事总奖金池高达40万元,经过初赛、复赛两轮比试后,各赛道复赛成绩排名TOP11的参赛队伍选手代表,将分别受邀参加9月举行的决赛答辩。
本届大赛尤其鼓励企业选手参赛,代表企业参赛并进入复赛的优胜选手,将有机会成为阿里云数据库的合作伙伴, 重点包装迁移上云的实操案例并在开发者社区全网传播,增加企业曝光。
除了常规奖项,为广罗数据库高技能人才,表现优秀的参赛选手还可获得极客奖和阿里云数据库产品事业部优先内推名额,与行业精英共建“数据库上云”新生态。
超豪华评审阵容 技术专家全程护航指导
第三届数据库大赛全程将有资深技术专家为参赛选手们提供最专业的技术答疑和指导,大赛还拥有豪华评审阵容,包括:阿里巴巴集团副总裁、阿里云数据库产品事业部负责人李飞飞博士,阿里云研究员占超群、阿里云研究员林亮、阿里云资深技术专家陈长城、阿里云资深技术专家付大超、英特尔公司傲腾产品事业部中国技术创新中心工程部经理吴国安、英特尔公司数据中心部门软件架构师斯佩峰等。
评委们均是数据库领域的资深专家,具有丰富的研究和实战经验,他们对赛题的解读和评审,也是吸引选手们参赛的一个亮点。
阿里巴巴集团副总裁、阿里云数据库产品事业部负责人李飞飞表示:“本届大赛首次推出双赛道,分别聚焦分析型查询场景和海量数据迁移上云的最佳实践,结合了最新的英特尔傲腾持久内存技术。赛题需要选手对云原生数据库和软硬件结合有充分认知,并设计出最优的数据结构。
阿里云数据库始终致力于培养创新型技术人才,为英才们搭建成长“快车道”。在大赛的促进下,将有越来越多数据库爱好者获得新的机遇、拓展技术边界,期待大家取得好成绩!”
“阿里云与英特尔是长期的战略合作伙伴,特别是在云原生数据库领域基于英特尔傲腾技术取得了创新性的突破“,英特尔公司市场营销集团副总裁兼中国区数据中心销售总经理陈葆立表示,“我们非常荣幸再次与阿里云的相关团队合作共同举办此次数据库大赛,衷心期待通过本次大赛吸引更多的开发者加入,共同探索新的计算及存储技术在阿里云平台的应用,挑战极致性能,激发并产生更多数据库领域高效上云的创新。‘’
强劲硬件与云原生支持 挑战数据库性能极限
“高性能分析型查询引擎”赛道的焦点——阿里云自研云原生数据仓库AnalyticDB,是融合数据库、大数据技术于一体的云原生企业级数据仓库服务,支持高吞吐的数据实时增删改、低延时的实时分析和复杂ETL,兼容上下游生态工具,可用于构建企业级报表系统、数据仓库和数据服务引擎。
“海量数据高效上云”赛道采用的阿里云自研数据传输服务DTS,专注解决数据上云和RDBMS、NoSQL、OLAP等同异构数据传输,集数据迁移、订阅、同步于一体,帮助用户构建安全、可扩展、高可用的数据架构。通过技术革新,不断提升海量数据迁移性能和稳定性。
据悉,本届赛事的两大赛道结合英特尔® 傲腾™ 持久内存(PMem),可将高性价比的大容量内存与对数据持久性的支持巧妙地结合在一起,加速大内存计算,加快数据库重启时间并减少I/O, 降低大内存节点的功耗,并在断电时保护数据。这也弥补了传统SSD和DRAM之间的空白,满足针对各种工作负载的需求,助力从更大的数据集中获取更深入的洞察。
阿里云弹性计算持久内存型实例产品(re6p),深度融合了持久内存相关技术,将英特尔傲腾持久内存嵌入到云服务器中对外提供服务,在OLAP型应用(如云原生数据仓库AnalyticDB)中,极大的降低了用户的成本及试用门槛。
报名入口及赛题详情
欢迎各路数据库精英亮出技术风采,点击下方链接即可报名
了解赛事介绍及赛题详情,请访问大赛官网:
https://tianchi.aliyun.com/specials/promotion/3rddatabase2021
“高性能分析型查询引擎”赛道报名:
https://tianchi.aliyun.com/competition/entrance/531895/introduction
“海量数据高效上云” 赛道报名:
https://tianchi.aliyun.com/competition/entrance/531896/introduction
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。