快准狠的数据挖掘分析，用了这些方法！复旦 & Zilliz 梦幻联动_数据快准狠

「交互式数据探索系统中，『快』与『准』的需求如何做好平衡？」

「小白用户想做数据挖掘，分析方法不会选，怎么办？」

「数据检索需要遍历每一个数据，如何提升检索性能？」

上周五，Z 宝参加了一场干货满满的 Tech Talk，复旦大学计算机科学技术学院的荆一楠副教授和张凯副教授来到 Zilliz，与 Z 星的工程师们分享数据库领域前沿的研究方向。一起来看一看我们的思想火花吧：

从“语言级”、“工具级”到“智能级”，AI 技术让数据分析更“聪明”

荆一楠从哈勃望远镜谈起，引入数据探索的概念，介绍了团队在数据自动分析、数据可视化方向做的一系列工作，分享了团队研发的智能大数据探索系统—— DataHubble。

荆一楠指出，交互式数据探索系统需要做到“快狠准”

“让用户轻松地做选择”是荆一楠团队研发的初心。为了让系统实现更智能的分析方法推荐，DataHubble 首创了一种基于协同过滤和知识图谱的分析模型推荐方法（ModelAdvisor），与现有的 AutoML 方法相比，ModelAdvisor 引入了专家知识，大大增强了分析方法推荐的准确度，同步提升推荐可解释性。

DataHubble 架构图

除了分析方法推荐，DataHubble 在用户意图理解、精细化样本、敏捷分析、AQP on Text 等方面也取得了关键成果：

智能数据分析，融合了人工智能能力，可实现增强式的智能数据分析；自然语言交互，提升了大数据分析系统的易用性和分析效率；可视化的推荐，从根本上减少了人和数据之间的 gap。

两种方法左右横跳？BinDex 用一种方法把数据扫描的性能提升了 1.6 倍

张凯从现有的数据检索痛点入手，分享了 BinDex 数据扫描方法。

张凯分享 BinDex 原理

现有的数据检索分为索引扫描（Index scan）和顺序扫描（Sequential scan）两种方式，这两种方式各有优缺点：索引扫描通常采用 B+ 树等索引结构进行扫描，仅会访问满足谓词约束的数据，但是扫描过程会产生大量的随机访问，影响吞吐率；顺序扫描依次访问存储介质，扫描吞吐量高，但需要遍历所有数据。

为了找到较优的方法，用户在数据检索前要预判成本。然而，成本估算不一定准确，用户有时无法确定要使用哪种扫描方式。针对这个问题，张凯团队尝试用新的方法加速扫描过程。张凯团队研发的 BinDex 方法吸取了索引扫描和顺序扫描两者的优点，只需要触碰到满足条件的数据，在不同选择率（selectivity） 下都能达到比较好的性能。

BinDex 吸取了索引扫描和顺序扫描两方面的优点

如此强大的 BinDex 是如何实现的？张凯进一步介绍了 BinDex 的架构原理：BinDex 使用两层索引，第一层 Filter Layer 实现近似查找，第二层 Refine Layer 针对性地修改少量错误数据。当用户发出一个查询请求，系统会先找到和所要结果最相近的查找，随后更正并输出正确答案。

有了 BinDex 扫描，用户无需按传统的方法“预判-选择”，而是可以直接上手扫描。经测试，扫描速度至少提升了 1.6 倍。

BinDex 的实现原理

在未来，我们的科技乐园 Z 星会举办更多有趣、有用的技术沙龙。

让我们一起对新技术永葆好奇，创造革新的数据科学平台！

 
 Z 宝与你，下期再见！

---