Lunes, 16 de noviembre de 2026
Portada de las 21:50
Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Programación · arxiv.org

USDB: escalar el almacenamiento de los sistemas de recomendación de nueva generación en ByteDance

ByteDance presenta USDB, un sistema unificado de almacenamiento de secuencias para cargas de streaming y por lotes en sus modelos de recomendación. Según los autores, reduce un 85,8 % la latencia media de escritura y un 42,1 % el coste de infraestructura frente a lo que había en producción.

Leer el artículo aquíArtículo original (arxiv.org) 7 comentarios en Hacker News

Escucha la noticia2 min

El artículo parte de una observación: los modelos de recomendación consumen historiales de usuario cada vez más largos y con más atributos. Eso crea una asimetría de almacenamiento, con actualizaciones pequeñas y continuas por un lado y lecturas grandes y repetidas por otro.

USDB es la solución de ByteDance, descrita como su práctica unificada de almacenamiento de secuencias para cargas de streaming y por lotes. Se apoya en cuatro piezas: compactación basada en tiempo con CascadeLSM, que materializa en etapas historiales específicos de cada aplicación; réplicas diferenciadas que comparten ficheros persistentes; volcados parciales (partial dumps), que reconstruyen las entradas de inferencia a partir del estado reciente capturado y del historial versionado; y un formato columnar híbrido que acelera las lecturas con proyección. Según los autores, estos diseños permiten reutilizar los resultados del mantenimiento en la ingesta, la inferencia y el entrenamiento.

En los resultados, los registros de migración a producción muestran un 85,8 % menos de latencia media de escritura, y la contabilidad normalizada de despliegue, un 42,1 % menos de coste de infraestructura. Frente a una línea base de RocksDB optimizado para secuencias, las comparaciones controladas muestran lecturas más rápidas de historiales largos con distintas proyecciones y cargas de clientes. El aggregation pushdown alcanza 8,5 veces el rendimiento de las lecturas ordinarias con un presupuesto de recepción limitado.

El trabajo, de 17 páginas, 18 figuras y 5 tablas, está en arXiv en la categoría de bases de datos (cs.DB) y lo firman catorce autores.

En Hacker News

«USDB: Scaling Storage for Next-Generation Recommender Systems at ByteDance» · puesto 30 · 44 puntos · enviado por 1equalsequals1

Lo que dicen los comentarios

El post no tiene comentarios por ahora, así que todavía no hay conversación que resumir.

Pregunta sobre esta noticia

Respuestas automáticas a partir de las noticias de El Autómata, sus fuentes y la radio. Pueden contener errores: comprueba los enlaces.

Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.