近日,国际关联数据基准委员会(Linked Data Benchmark Council,以下简称LDBC)公布了SNB Interactive评测基准声明式查询赛道最新结果,阿里云GraphScope Flex突破图计算引擎性能天花板,以超过80,000 QPS(每秒查询数)的吞吐性能打破纪录,是第二名的近2倍。
阿里云GraphScope Flex打破SNB Interactive评测基准声明式查询赛道纪录
图计算引擎在处理海量关系数据上具备天然优势,能够提高实时推荐的效率和准确性。以金融风控场景为例,大量人员和事件构成一张庞大的图关系网,通过图上关联分析,可以快速挖掘异常行为,识别异常人员和群体,及时避免风险。
LDBC是图数据与图计算领域的国际权威组织,其推出的Social Network Benchmark (SNB) 评测基准通过模拟 Facebook 社交网络图,覆盖增删改查、最短路径、多跳查询等操作,全面衡量图引擎的功能和性能,是学术界和工业界公认的权威评测标准。该评测基准支持两种实现方式,一是命令式,需依赖图专家用编程语言手动编写和调优查询用例,GraphScope Flex已是该场景的性能纪录保持者;二是声明式,使用图查询语言如 Cypher 编写查询用例,由系统自动优化。
最新测试结果显示,在SNB扩展参数为300的声明式查询场景测试中,GraphScope Flex通过自动查询优化实现了高达80510 QPS的查询吞吐率,性能较第二名提升近1倍,甚至超越了业界手动编写和调优的命令式场景的成绩,这一突破提升了图引擎的性能天花板,大幅降低了图查询的技术门槛。
GraphScope Flex性能的提升得益于阿里云在工程和技术上的协同创新,在基础设施层,通过计算、存储和调度层的全面优化,可实现低延迟内存访问和高吞吐查询等能力;在查询层,通过自研的GOpt优化框架,利用高阶统计信息提高基数估计准确性,可有效减少查询中间结果并提升执行效率,该研究成果已被数据库顶会 SIGMOD 2025收录。
据悉,GraphScope是业界首个开源的一站式大规模图计算引擎,目前已广泛应用于金融风控、网络安全及社交网络分析等领域。
好文章,需要你的鼓励
GitHub CEO声称AI将承担所有编程工作,但现实中AI编程工具实际上降低了程序员的生产效率。回顾编程语言发展史,从Grace Hopper的高级语言到Java等技术,每次重大突破都曾因资源限制和固有思维遭到质疑,但最终都证明了抽象化的价值。当前AI编程工具面临命名误导、过度炒作和资源限制三重困扰,但随着技术进步,AI将有助于消除思想与结果之间的障碍。
本研究针对大语言模型中普遍存在的偏见问题,提出了一套完整的数据和AI治理框架。研究发现当前主流AI模型中37.65%的输出存在偏见,其中33.7%具有中高风险。通过开发BEATS检测系统和全生命周期治理方案,为AI系统建立了从数据收集到部署监控的完整"公平性保障体系",旨在让AI技术更好地服务全人类而非延续社会偏见。
英国林肯大学正在开发一种革命性的虚拟现实环境,让非专家通过身体演示来训练AI收割机器人。这种技术已在加拿大杂货店和日本便利店试用,未来可能彻底改变工作形态。虽然能降低危险工作的风险,但也带来就业替代、工资削减等问题。许多低薪工作将被远程操控的机器人取代,影响移民模式和劳工组织。这项技术仍处于早期阶段,但将在未来几年对工作产生深远影响。
浙江大学团队开发的HarmonyGuard框架首次解决了AI网络代理的安全与效率平衡难题。该系统通过三个协作的AI代理,实现自适应安全策略更新和双目标优化,在真实测试中将策略合规率提升38%,任务完成率提升20%,为构建既高效又安全的智能助手奠定重要基础。