Advertisement

Datenbank-Spektrum

, Volume 19, Issue 1, pp 61–66 | Cite as

Die Arbeitsgruppe Datenbanken und Informationssysteme an der TU Dortmund

  • Jens TeubnerEmail author
Datenbankgruppen vorgestellt
  • 53 Downloads

Zusammenfassung

Die Arbeitsgruppe „Datenbanken und Informationssystem“ vertritt an der TU Dortmund das Gebiet in Forschung und Lehre. Dieser Artikel gibt einen Überblick über die Aktivitäten des Lehrstuhls in beiden Bereichen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Notes

Danksagung

Besonders bedanken möchte ich mich bei meinen aktuellen und früheren Mitarbeitern, ohne die die Arbeitsgruppe nicht in der heutigen Form existieren würde: Maximilian Berens, Sebastian Breß, Henning Funke, Michael Kußmann, Thomas Lindemann, Jan Mühlig, Marcel Preuß und Alla Stankjawitschene; und ein dickes Dankeschön auch an meinen Vorgänger Joachim Biskup.

Förderung

Die Forschungsarbeiten des Lehrstuhls werden unterstützt durch die Deutsche Forschungsgemeinschaft (DFG), SFB 876 sowie SPP 2037; durch das Bundesministeriums für Bildung und Forschung (BMBF) sowie durch SAP in Zusammenarbeit mit dem Informatik Centrum Dortmund (ICD).

Literatur

  1. 1.
    Ailamaki A, DeWitt DJ, Hill MD, Wood DA (1999) DBMSs on a modern processor: where does time go? In: Proc. of 25th Int’l Conference on Very Large Data Bases, S 266–277Google Scholar
  2. 2.
    Boncz PA, Kersten ML (1999) MIL primitives for querying a fragmented world. VLDB J 8(2):101–119CrossRefGoogle Scholar
  3. 3.
    Boncz PA, Zukowski M, Nes N (2005) MonetDB/x100: hyper-pipelining query execution. In: 2nd Biennial Conf. on Innovative Data Systems Research (CIDR), S 225–237Google Scholar
  4. 4.
    Borkar S, Chien AA (2011) The future of microprocessors. Commun ACM 54(5):67–77CrossRefGoogle Scholar
  5. 5.
    Esmaeilzadeh H, Blem ER, Amant RS, Sankaralingam K, Burger D (2012) Dark silicon and the end of multicore scaling. IEEE Micro 32(3):122–134CrossRefGoogle Scholar
  6. 6.
    Funke H, Breß S, Noll S, Markl V, Teubner J (2018) Pipelined query processing in coprocessor environments. In: Proc. of the 2018 Int’l Conf. on Management of Data (SIGMOD), S 1603–1618Google Scholar
  7. 7.
    Görtz MD, Kühn R, Zietek O, Bernhard R, Bulinski M, Duman D, Freisen B, Jentsch U, Klöppner T, Popovic D, Xu L (2017) Energy efficiency of a low power hardware cluster for high performance computing. In: Informatik 2017, S 2537–2548Google Scholar
  8. 8.
    Kussmann M, Berens M, Eitschberger U, Kilic A, Lindemann T, Meier F, Niet R, Schellenberg M, Stevens H, Wishahi J, Spaan B, Teubner J (2017) DeLorean: a storage layer to analyze physical data at scale. In: Datenbanksysteme für Business, Technologie und Web (BTW 2017), S 413–422Google Scholar
  9. 9.
    Lindemann T (2018) Efficient track reconstruction on modern hardware. Tech. Rep. 1, DBIS Group, Dept. of Computer Science. TU Dortmund University, DortmundGoogle Scholar
  10. 10.
    Lindemann T, Brinkmann P, Dalbah F, Hakert C, Honysz PJ, Matuszczk D, Müller N, Schmulbach A, Todorinski SP, Tüselmann O, Wonsak S, Teubner J (2019) MAGPIE: a scalable data storage system for efficient high volume data queries. In: Datenbanksysteme für Business, Technologie und Web (BTW) (to appear)Google Scholar
  11. 11.
    Neumann T (2011) Efficiently compiling efficient query plans for modern hardware. Proc VLDB Endow 4(9):539–550CrossRefGoogle Scholar
  12. 12.
    Noll S (2017) Energy efficiency in main-memory databases. In: Datenbanksysteme für Business, Technologie und Web (BTW), Studierendenprogramm, S 335–344 (best Student Paper Award)Google Scholar
  13. 13.
    Noll S, Funke H, Teubner J (2017) Energy efficiency in main-memory databases. Datenbank Spektrum 17(3):223–232CrossRefGoogle Scholar
  14. 14.
    Noll S, Teubner J, May N, Böhm A (2018) Accelerating concurrent workloads with CPU cache partitioning. In: Proc. of the 34th IEEE Int’l Conference on Data Engineering (ICDE), S 437–448Google Scholar
  15. 15.
    Sompolski J, Zukowski M, Boncz PA (2011) Vectorization vs. compilation in query execution. In: Proc. of the 7th Int’l Workshop on Data Management on New Hardware (DaMoN), S 33–40CrossRefGoogle Scholar
  16. 16.
    Unterbrunner P, Giannikis G, Alonso G, Fauser D, Kossmann D (2009) Predictable performance for unpredictable workloads. Proc VLDB Endow 2(1):706–717CrossRefGoogle Scholar

Copyright information

© Gesellschaft für Informatik e.V. and Springer-Verlag GmbH Germany, part of Springer Nature 2019

Authors and Affiliations

  1. 1.TU DortmundDortmundDeutschland

Personalised recommendations