Hacker News AIT2·68 分
字节跳动发布 USDB 优化推荐系统存储架构
原标题：USDB: Scaling Storage for Next-Generation Recommender Systems at ByteDance
- 解决推荐模型中用户历史序列‘小连续更新、重复大读取’导致的存储瓶颈
- 采用级联 LSM 时间压缩与混合列式格式，实现推理输入重建与投影读取加速
- 生产环境数据显示写入延迟降低 85.8%，基础设施成本降低 42.1%
返回热点榜
compute热度 5.8°
AI 聚合热点事件 · 2026/11/2
字节跳动发布 USDB 优化推荐系统存储架构
1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/2 14:45:03
全景综述与最新动态
1 家信源交叉印证字节跳动推出统一序列存储系统 USDB，针对推荐模型中“小更新、大读取”的存储不对称问题。通过级联 LSM 压缩、混合列式格式及聚合下推等技术，USDB 在降低 42.1% 基础设施成本的同时，将平均写入延迟降低 85.8%，并显著提升长历史序列的读取吞吐量。
最新动向/字节跳动推出统一序列存储系统 USDB，针对推荐模型中“小更新、大读取”的存储不对称问题。通过级联 LSM 压缩、混合列式格式及聚合下推等技术，USDB 在降低 42.1% 基础设施成本的同时，将平均写入延迟降低 85.8%，并显著提升长历史序列的读取吞吐量。
逐小时热度走势
2 个完整观测小时连续完整观测不足 3 个小时，暂不绘制趋势曲线。