腾讯6篇论文入选数据库顶会，产学研协作破解性能瓶颈

数据库领域顶级会议ICDE 2026的录用名单近日公布，中国技术团队表现亮眼。其中腾讯共有6篇论文入选，联合中国人民大学、复旦大学、深圳大学等高校，攻破了数据库多项核心技术的性能瓶颈。

ICDE与SIGMOD、VLDB并列数据库领域三大顶级学术会议，被中国计算机学会评为A类会议。近年论文录用率约为20%，代表了全球数据库技术的风向标。

本届入选论文的选题均来自生产环境中的实际难题，由腾讯与多所顶尖高校联合完成。工程团队从业务运行中提炼出明确的技术瓶颈，高校研究者提供算法层面的突破思路，双方通过产学研协作推进解决方案。

传统数据库在按关键字查找数据时效率很高，但一旦用户需要按属性做范围筛选——比如查询"价格在100到500之间的商品"——响应速度就会大幅下降。腾讯与中国人民大学合作完成的《Doux: Decoupling Values from Keys for Real-Time Analytics》，为此设计了一种双路并行的存储方案。实测结果显示，该方案将范围筛选速度提升了5倍，同时数据写入速度提升近3倍。

查询效率优化是另一个长期难题。数据库执行查询前会将语句改写为更高效的等价形式，但改写能力受限于系统预置的规则数量。腾讯与深圳大学合作的《Efficient Query Rewrite Rule Discovery via Standardized Enumeration and Learning-to-Rank》，提出用算法自动挖掘这类规则，累计超100万条。这也是目前公开验证的最大规模规则库。

当数据库需要同时处理交易和分析两类任务时，还面临一个调度难题：哪些数据应该提前加载到高速缓存中？判断失误会浪费资源或拖慢查询。腾讯与中国人民大学合作的论文《Telescope: A Learned What-If Call for Column Store Selection in HTAP Databases》，通过机器学习模型预判加载收益，不必真正加载就能做出决策。预测误差比此前方法降低了68%。

在Data+AI前沿领域，腾讯云与复旦大学合作的《CYANSQL: Unlock the Power of NL2SQL via Clustering-based Test-Time Scaling》，聚焦"用自然语言查数据"的准确性。用户用自然语言描述需求、系统自动生成查询语句的能力已较成熟，但遇到多表关联等复杂场景时错误率仍偏高。根本原因在于提示中的示例难以覆盖所有复杂SQL逻辑组合。

CYANSQL将历史查询按逻辑结构归类，在推理阶段从不同结构簇中并行生成多条候选方案，并以执行结果验证筛选，让模型在推理时"看到"更全面的逻辑结构。在标准评测集BIRD上，CYANSQL召回率较行业最佳水平提升近5个百分点。

产学研协作已成为关键基础设施创新的重要路径。目前，腾讯云数据库TDSQL已服务超100家金融机构核心系统，稳定支撑四大国有银行。CYANSQL相关技术也已落地腾讯云数据智能产品的自然语言查询功能。