（通讯员 马子豪）近期，yl7703永利集团李辉、崔江涛教授所在的数据库团队3项数据库内核研发与教学成果被数据管理领域旗舰会议SIGMOD 2026录用。ACM SIGMOD是数据库和数据管理领域公认具有最高学术地位的国际顶级学术会议。西电数据库团队立足关键基础软件国家战略需求，长期专注于数据库内核关键技术攻关与教学，注重科研成果反哺教学，提升了数据库拔尖创新人才培养水平，持续产出一批有影响力的学术成果。

索引结构是数据库内核关键支撑技术，LSM-tree凭借其追加写和延迟合并机制，具备优异的写入性能，已成为主流键值存储系统的核心索引结构。论文PartitionKV: Redesigning LSM-tree KV Stores on NVMs with Adaptive Partitioning for Reducing Write Stalls and Amplification提出了一种基于自适应分区策略的DRAM-NVM-SSD三层混合架构键值存储系统PartitionKV。该系统利用NVM接近DRAM的读写速度、非易失性以及字节寻址能力，构建位于DRAM和NVM上的有序分区层来替代SSD上无序的L0层，能够避免所有L0和L1数据参与合并，从而显著降低写放大与写停顿，提升随机写性能。实验结果表明，相较于现有系统，PartitionKV将平均随机写延迟和写放大分别降低了 48.5% 和 22.2%。论文第一作者为硕士研究生黄兴业，夏小芳副教授、崔江涛教授为共同通讯作者。

数据库管理系统中查询优化器的计划选择机制是数据库内核教学中最难以掌握的重要知识点；现有商业化数据库系统由于其用户导向的设计仅会输出期望最优计划，这给数据库教学中理解优化器的计划选择机制带来了显著障碍。论文Towards Selecting the Informative Alternative Relational Query Plans for Database Education提出信息性计划选择问题 TIPS，旨在从庞大的替代计划空间中自动选择最具教学价值的候选计划集合。设计了batch tips和incremental tips 两种模式，并从逻辑计划结构、物理算子差异和估计代价差异三个维度刻画计划的信息性；同时提出具有理论保证的近似算法与剪枝策略。实验结果、真实学习者反馈以及三年课堂评估表明，该方法能够有效帮助学生理解替代查询计划及优化器决策过程。论文第一作者及通讯作者均为李辉教授。

关系查询优化是数据库课程中的核心内容，而基数估计误差常常会扭曲代价估计、影响连接顺序与算子选择，却缺乏直观有效的教学支撑。论文RETRO: A Visual Tool for Understanding Cardinality Estimation Errors For Database Education提出交互式教学工具 RETRO，用于帮助学习者理解并诊断基数估计误差。RETRO 提出了基数估计误差根因算子发现算法，自动发现并高亮根因算子及估计偏差，并结合直方图、最常见值分布和 distinct value 等统计信息，辅助分析误差来源。在此基础上，系统进一步支持统计粒度调节与智能调优，从而帮助学习者观察统计信息和代价假设变化对估计结果、计划选择及运行性能的影响。论文第一作者为硕士研究生张雅妮和翟槟蓥，通讯作者为李辉教授。

西电数据库团队坚持科教融汇，自研了数据库内核教学平台--“西电库道”（https://www.dbedu.tech），服务全球100多个高校和数据库企业，上述三项成果进一步扩充了数据库内核教学平台的覆盖面。通过与头部企业进行数据库内核联合技术攻关，结合内核实训平台，能够在关键技术攻关中培养数据库拔尖创新人才，团队累计100多名毕业生进入到数据库领域头部企业（华为Gauss、蚂蚁OceanBase、阿里PolarDB、浪潮KaiwuDB等），体现了学院科教融汇、产教协同育人的良好成效。