数据库领域国际顶级会议VLDB 2025（51st International Conference on Very Large Data Bases）近日圆满落幕。在实验、分析与基准（Experiment, Analysis & Benchmark, EAB） 专项赛道中，由北京大学王选计算机研究所数据管理实验室（PKUMOD）博士生庞悦与邹磊教授参与的图数据库基准研究论文《The LDBC Financial Benchmark: Transaction Workload》 荣获Best Paper Runner-Up。

关联数据基准委员会（Linked Data Benchmark Council, LDBC）是一家由工业界和学术界的多个机构及个人成员组成的非营利性机构，致力于制定标准化图数据基准测试规范。获奖论文所描述的LDBC金融基准（LDBC Financial Benchmark, LDBC FinBench）事务工作负载是一种采用阻塞点驱动设计方法的新型基准测试，重点关注被测系统性能瓶颈，融合了金融场景的多项独特特性，包括数据集偏斜、边多重性、时间窗口过滤、递归路径筛选、读写查询模式以及枢纽顶点截断等。关键贡献包括：能够生成具有金融专属特征数据集的可扩展数据生成器；利用分桶数据统计确保查询间运行时一致性的参数生成器；以及支持按时间窗口偏置查询执行的可扩展基准测试驱动器。在图数据库上进行的实验评估表明，该基准测试能够有效揭示新型阻塞点，并为金融场景下的系统性能提供深入洞察。PKUMOD 成员邹磊教授、庞悦博士等全程深度参与到该论文的研究过程中，包括提供了自研图数据库系统 gStore 对 LDBC FinBench支持的系统实现、协助完成金融场景下数据特征分析实验、撰写论文等工作。

此外，PKUMOD邹磊教授指导的另一位博士生林殷年，也在会议上发表了题为《Towards Sufficient GPU-accelerated Dynamic Graph Management: Survey and Experiment》的论文。由于现实世界中的图数据处在不断的变化之中，动态图的高效管理在实际应用中具有基础性意义。近年来，相关研究人员试图使用GPU硬件的高并发和高带宽能力加速动态图管理的效率，提出了一系列相关工作。该论文首先通过分析相关工作的设计与实现，提出了一个对现有工作的系统构成、原语支持以及优化方向的抽象概念模型，并在此基础上分析了现有工作的特点。其次，该论文报告了对现有系统进行公平测试的结果，并在原有基础上拓展使用了新的评价指标、工作负载和分析工具，为不同场景下最优的动态图数据管理方案的选择给出了推荐，并提出了可能的未来研究方向。

另外，PKUMOD组参与的另外一篇论文《Accelerating Subgraph Matching through Fine-grained and Powerful Equivalences》也被VLDB 2025成功录用，该文章提出了基于细粒度强等价关系的子图匹配加速算法FiPE，在真实图数据上实现了显著的性能提升。

邹磊教授为北京大学王选计算机研究所教授、数据管理实验室主任。庞悦于2020至2025年在北京大学数据管理实验室攻读并获得博士学位，现为香港科技大学计算机科学与工程系博士后研究员，合作导师为Xiaofang Zhou教授。林殷年目前为数据管理实验室在读博士研究生，主要研究方向为异构环境下的图模式挖掘算法加速。