论文链接:
具体而言,该论文专注于搜索树以及存储和内存(也即成本和容量)之间不断扩大的差距,并提出了促使树表示和操作在空间和延迟方面更加高效的方法。考虑到当前数据不断增长的环境以及分析师希望充分利用资源的愿景,张焕晨的博士论文研究非常及时和重要。
论文中提出的 Level-Ordered Unary Degree Sequence (LOUDS)。
就其意义而言,这项研究解决了现今数据系统面临的关键问题,借鉴了最近的趋势和经典方法,清晰地罗列出了限制因素,展示了目标用例的重大性能改进和理论极限,提供了绝佳的优化,并在真实和复杂的系统中构建。
据悉,张焕晨是过去三年 CMU 第二位获得该奖项的博士。此外,值得一提的是,他的博士导师之一、CMU 副教授 Andy Pavlo 也曾于 2014 年获得该奖项。