5 月 11 日，记者获悉，在加拿大蒙特利尔举行的第 42 届 IEEE 国际数据工程大会（ICDE 2026）公布了本届录用论文，中国技术团队表现亮眼，其中腾讯共有 6 篇论文入选，攻破了数据库多项核心技术的性能瓶颈。
据了解，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。
例如，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%。
此外，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。
雷峰网
