Kurzbeschreibung
Die Serverinfrastruktur umfasst ein Netzwerk von 29 leistungsstarken Serversystemen der Firma Supermicro mit Multi-Core-Prozessoren auf Basis der x86-64-Architektur für Berechnungen und Versuchsaufbauten im Bereich der Datenbank- und Algorithmenforschung. Die Knoten sind mit 40Gbit/s Ethernet, 2x 56Gbit/s Infiniband (10 Knoten) und 2x 200Gbit/s Infiniband (10 Knoten) verbunden und können speziell für die hardwarenahe Programmierung und Entwicklung mit RDMA verwendet werden.
Es stehen Systeme mit 96GB bis 4TB RAM und 12 bis 128 CPU-Kernen zur Verfügung. Des Weiteren stehen 3x NVIDIA L4 GPUs zur Verfügung. Für die Speicherung von Forschungsdaten stehen schnelle Speichersysteme in RAID-Verbünden mit mehrfacher Redundanz und Backups an verschiedenen Standorten zur Verfügung. Ein CI-System unterstützt die schnelle Entwicklung von Forschungssoftware.
Das System ist so konzipiert, dass es unterschiedliche Anforderungsprofile erfüllt. Speicher- und rechenintensive Anwendungen sowie verteilte Berechnungen können auf mehreren Knoten durchgeführt werden. Darüber hinaus können Anwendungen und Betriebssysteme isoliert betrieben und mithilfe von Virtualisierung und Containern abstrahiert werden.
Für den Zugriff auf die Serverinfrastruktur stehen Forschungsrechner auf Basis der x86-64-Architektur zur Verfügung, die mit verschiedenen Betriebssystemen (Windows, Linux, MacOS) ausgestattet sind.
Ansprechperson
BEng. Dipl.-Ing. Dr. Daniel Kocher
Research Services
Systeme und Algorithmen zur Datenverarbeitung
Speichern und Abfragen großer Datenmengen
Verarbeitung von Ähnlichkeitsanfragen
Raum-zeitliche Datenbanksysteme
GIS-fähige Datenbanken
Verbundene Knoten mit 2x56Gbit/s Infiniband (pro Rechenknoten) bzw. 2x200Gbit/s und 40Gbit/s Ethernet-Technologie
Direkter Infiniband-Hardwarezugriff für RDMA-fähige Software und Dienste
Disaggregated-Memory-Technologien
Abstraktion und Isolierung laufender Systeme durch Virtualisierung und Container-Technologien
Datenbank-as-a-Service (DH-Infra-Projekt)
Test- und Entwicklungsinfrastruktur-Service (DH-Infra-Projekt)
Differential Privacy und andere Cybersecurity-Bereiche
Methoden & Expertise zur Forschungsinfrastruktur
Die Forschungsinfrastruktur gliedert sich in zwei Teile: Eine Forschungsinfrastruktur und eine Serviceinfrastruktur.
Die Forschungsinfrastruktur ist für die Forschung im Bereich Data Engineering mit dem Ziel konzipiert, Effizienzprobleme in der Datenverarbeitung zu lösen. In diesem Forschungszweig werden neue Algorithmen entwickelt, implementiert und empirisch evaluiert. Die empirische Auswertung erfordert präzise Laufzeitmessungen, Messungen des Speicherverbrauchs sowie des Netzwerkverkehrs. Dies erfordert in der Regel einen exklusiven und physischen Zugriff (Bare-Metal) auf einzelne Server oder einen Verbund von Servern. Der Einsatz ist geprägt von häufig wechselnden Konfigurationen, um Tests unter unterschiedlichen Bedingungen durchführen zu können.
Die Service-Infrastruktur konzentriert sich auf die Bereitstellung virtualisierter Umgebungen für Datenbanken und Infrastruktur als Service für die Digital Humanities in Salzburg und Österreich. Das Design der Service-Infrastruktur stellt sicher, dass wir die Hardware- und Software-Einstellungen flexibel an die Bedürfnisse von Service-Projekten anpassen können (wenn kein physischer Zugriff auf einzelne Server nötig ist) und gleichzeitig ein hohes Maß an Sicherheit bieten.
Die gesamte Infrastruktur wird technisch professionell administriert und bietet unterstützende Dienstleistungen für die Durchführung von Experimenten, z.B. versionierte Speicherung von Versuchsaufbauten und großen experimentellen Daten, E2EE für sensible Forschungsdaten, vollautomatische Bereitstellung von Clusterknoten sowie Datenbanken für Messergebnisse. Des Weiteren wird die gesamte Infrastruktur ohne Queuing-System betrieben (hier verweisen wir auf die Core-Facility Salzburg Collaborative Computing). Die Forscher:innen werden beim Aufbau ihrer Experimente vom technischen Personal unterstützt und beraten. Aus wissenschaftlicher Sicht gibt es einen reichen Erfahrungsschatz im Entwurf und der empirischen Bewertung von Single-Core-, Multi-Core-, parallelen Shared-Nothing- und verteilten Algorithmen.
Johannes Gutenberg University Mainz (JGU)
Technical University Munich
Celonis SE, Munich
Findologic GmbH, Salzburg
Salzburg Research GmbH
Universität Graz
Università di Verona
2025 – 2028
Assoz.-Prof. Martin Schäler, Univ. Prof. Frank Pallas, Univ. Prof. Dimitris Simos
DH Infra: Digital Humanities Infrastructure Austria
2023 - 2026
Assoz.-Prof. Dr.-Ing. Martin Schäler, Univ. Prof. Christina Antenhofer
BMBF
DESQ - Declarative and Efficient Similarity Queries
2022 - 2026
Univ. Prof. Nikolaus Augsten
Fonds zur Förderung der wissenschaftlichen Forschung: FWF
https://dbresearch.uni-salzburg.at/projects/desq/index.php
SPRING – Scalable Process Mining
2021 - 2025
Univ. Prof. Nikolaus Augsten
Industriekooperation Celonis SE (München, Deutschland)
BOSS 1.0: Biblical Online Synopsis Salzburg 1.0
2021 - 2024
Univ. Prof. Nikolaus Augsten, Assoz.-Prof. Martin Schäler, Univ. Prof. Kristin De Troyer
Land Salzburg
https://dbresearch.uni-salzburg.at/projects/
Fast and Flexible Tree Edit Distance (FFTED) Projekt
2017-2021
Univ. Prof. Nikolaus Augsten
Fonds zur Förderung der wissenschaftlichen Forschung: FWF
https://ffted.dbresearch.uni-salzburg.at/
FWF Doctoral College GIScience
2015-2019
Nikolaus Augsten, Euro Beinat, Stefan Lang, Franz Neubauer, Anette Bartsch, Thomas Blaschke, Michael Leitner, Josef Strobl
Fonds zur Förderung der wissenschaftlichen Forschung: FWF
https://dk-giscience.zgis.net/
Synonyme für Suchmaschinen
2018-2019
Univ. Prof. Nikolaus Augsten
Findologic GmbH, Österreichische Forschungsförderungsgesellschaft mbH
DH-Infra 2023-2026 Assoz.-Prof. Martin Schäler, BMBF
DESQ - Declarative and Efficient Similarity Queries
2022 - 2026
Univ. Prof. Dipl.-Ing. Nikolaus Augsten, PhD
Fonds zur Förderung der wissenschaftlichen Forschung: FWF
https://dbresearch.uni-salzburg.at/projects/desq/index.php
BOSS 1.0: Biblical Online Synopsis Salzburg 1.0
2021 - 2024
Univ. Prof. Nikolaus Augsten, Assoz.-Prof. Martin Schäler, Univ. Prof. Kristin De Troyer
Land Salzburg
https://dbresearch.uni-salzburg.at/projects/
Fast and Flexible Tree Edit Distance (FFTED) Projekt
2017-2021
Univ. Prof. Dipl.-Ing. Nikolaus Augsten, PhD
Fonds zur Förderung der wissenschaftlichen Forschung: FWF
https://ffted.dbresearch.uni-salzburg.at/
FWF Doctoral College GIScience
2015-2019
Nikolaus Augsten, Euro Beinat, Stefan Lang, Franz Neubauer, Anette Bartsch, Thomas Blaschke, Michael Leitner, Josef Strobl
Fonds zur Förderung der wissenschaftlichen Forschung: FWF
https://dk-giscience.zgis.net/
Synonyme für Suchmaschinen
2018-2019
Univ. Prof. Dipl.-Ing. Nikolaus Augsten, PhD
Findologic GmbH, Österreichische Forschungsförderungsgesellschaft mbH
Willi Mann (Celonis SE, Germany), Nikolaus Augsten (Univ. Salzburg), Christian S. Jensen (Aalborg Univ., Denmark), Mateusz Pawlik (Univ. Salzburg). SWOOP: Top-k Similarity Joins over Set Streams. VLDB Journal 34(1): 13, 2025. DOI: https://doi.org/10.1007/s00778-024-00880-x
Bianca Löhnert (Univ. Salzburg), Nikolaus Augsten (Univ. Salzburg), Cem Okulmus (Paderborn Univ, Germany), Magdalena Ortiz (TU Vienna, Austria). Query Rewriting for Nested Navigational Queries over Property Graphs. Int. Workshop on Description Logics, 2025. DOI: https://ceur-ws.org/Vol-4091/paper40.pdf
Manuel Widmoser (Univ. Salzburg), Daniel Kocher (Univ. Salzburg), Nikolaus Augsten (Univ. Salzburg). Scalable Distributed Inverted List Indexes in Disaggregated Memory. Proc. ACM Manag. Data 2(3): 171, 2024. DOI: https://doi.org/10.1145/3654974
Konstantin Emil Thiel (Univ. Salzburg), Daniel Kocher (Univ. Salzburg), Nikolaus Augsten (Univ. Salzburg), Thomas Hütter (Univ. Salzburg), Willi Mann (Celonis SE, Germany), Daniel Ulrich Schmitt (Univ. Salzburg). FINEX: A Fast Index for Exact and Flexible Density-Based Clustering. Proc. ACM Manag. Data 1(1): 71:1-71:25, 2023: DOI: https://doi.org/10.1145/3588925
Daniel Ulrich Schmitt (Univ. Salzburg), Daniel Kocher (Univ. Salzburg), Nikolaus Augsten (Univ. Salzburg), Willi Mann (Celonis SE, Germany), Alexander Miller (Univ. Salzburg). A Two-Level Signature Scheme for Stable Set Similarity Joins. PVLDB 16(11): 2686-2698, 2023. DOI: https://doi.org/10.14778/3611479.3611480
Manuel Widmoser (Univ. Salzburg), Daniel Kocher (Univ. Salzburg), Nikolaus Augsten (Univ. Salzburg), Willi Mann (Celonis SE, Germany). MetricJoin: Leveraging Metric Properties for Robust Exact Set Similarity Joins. IEEE ICDE Conference: 1045-1058, 2023. DOI: https://doi.org/10.1109/ICDE55515.2023.00085
Pranay Mundra (Univ. of Rochester, USA), Jianhao Zhang (Acho Software Inc, USA), Fatemeh Nargesian (Univ. of Rochester, USA), Nikolaus Augsten (Univ. Salzburg). KOIOS: Top-k Semantic Overlap Set Search. IEEE ICDE Conference: 1531-1543, 2023. DOI: https://doi.org/10.1109/ICDE55515.2023.00121
Thomas Hütter (Univ. Salzburg), Nikolaus Augsten (Univ. Salzburg), Christoph M. Kirsch (Univ. Salzburg), Michael J. Carey (UC Irvine, USA), Chen Li (UC Irvine, USA). JEDI: These aren't the JSON documents you're looking for? ACM SIGMOD Conference: 1584-1597, 2022. DOI: https://doi.org/10.1145/3514221.3517850
Christine Tex (Karlsruhe Institute of Technology, Germany), Martin Schäler (Univ. Salzburg), Klemens Böhm (Karlsruhe Institute of Technology, Germany). Swellfish privacy: Supporting time-dependent relevance for continuous differential privacy. Information Systems Journal 109, 2022. DOI: https://doi.org/10.1016/j.is.2022.102079
Daniel Kocher (Univ. Salzburg), Nikolaus Augsten (Univ. Salzburg), Willi Mann (Celonis SE, Germany). Scaling Density-Based Clustering to Large Collections of Sets. EDBT Conference: 109-120, 2021. DOI: https://doi.org/10.5441/002/edbt.2021.11
Oksana Dolmatova (Univ. Zurich, Switzerland), Nikolaus Augsten (Univ. Salzburg), Michael H. Böhlen (Univ. Zurich, Switzerland). A Relational Matrix Algebra and its Implementation in a Column Store. ACM SIGMOD Conference: 2573-2587, 2020. DOI: https://doi.org/10.1145/3318464.3389747
Thomas Hütter (Univ. Salzburg), Maximilian H. Ganser (Univ. Salzburg), Manuel Kocher (Univ. Salzburg), Merima Halkic (Univ. Salzburg), Sabine Agatha (Univ. Salzburg), Nikolaus Augsten (Univ. Salzburg). DeSignate: detecting signature characters in gene sequence alignments for taxon diagnoses. BMC Bioinform. 21(1): 151, 2020. DOI: https://doi.org/10.1186/s12859-020-3498-6
Thomas Hütter (Univ. Salzburg), Mateusz Pawlik (Univ. Salzburg), Robert Löschinger (Univ. Salzburg), Nikolaus Augsten (Univ. Salzburg). Effective Filters and Linear-Time Verification for Tree Similarity Joins. IEEE ICDE Conference: 854-865, 2019. DOI: https://doi.org/10.1109/ICDE.2019.00081
Daniel Kocher (Univ. Salzburg), Nikolaus Augsten (Univ. Salzburg). A Scalable Index for Top-k Subtree Similarity Queries. ACM SIGMOD Conference: 1624-1641, 2019. DOI: https://doi.org/10.1145/3299869.3319892
Fabian Fier (Humboldt-Univ. zu Berlin, Germany), Nikolaus Augsten (Univ. Salzburg), Panagiotis Bouros (Johannes Gutenberg Univ. Mainz, Germany), Ulf Leser (Humboldt-Univ. zu Berlin, Germany), Johann-Christoph Freytag (Humboldt-Univ. zu Berlin, Germany). Set Similarity Joins on MapReduce: An Experimental Survey. PVLDB 11(10): 1110-1122, 2018. DOI: https://doi.org/10.14778/3231751.3231760
Willi Mann (Univ. Salzburg), Nikolaus Augsten (Univ. Salzburg), Panagiotis Bouros (Aarhus Univ., Denmark). An Empirical Evaluation of Set Similarity Join Techniques. PVLDB 9(9): 636-647, 2016. DOI: https://doi.org/10.14778/2947618.2947620
Mateusz Pawlik (Univ. Salzburg), Nikolaus Augsten (Univ. Salzburg). Tree edit distance: Robust and memory-efficient. Inf. Syst. 56: 157-173, 2016. DOI: https://doi.org/10.1016/j.is.2015.08.004
Nikolaus Augsten (Univ. Salzburg), Armando Miraglia (VU Amsterdam, Netherlands), Thomas Neumann (TU München, Germany), Alfons Kemper (TU München, Germany). On-the-fly token similarity joins in relational databases. ACM SIGMOD Conference: 1495-1506, 2014. DOI: https://doi.org/10.1145/2588555.2610530
Scalable Distributed Inverted List Indexes in Disaggregated Memory
Proc. ACM Manag. Data 2(3): 171 (2024)
Manuel Widmoser, Daniel Kocher, Nikolaus Augsten:
https://doi.org/10.1145/3654974
Daniel Ulrich Schmitt, Daniel Kocher, Nikolaus Augsten, Willi Mann, Alexander Miller: A Two-Level Signature Scheme for Stable Set Similarity Joins. Proc. VLDB Endow. 16(11): 2686-2698 (2023)
https://doi.org/10.14778/3611479.3611480
Oksana Dolmatova (Univ. Zurich), Nikolaus Augsten (Univ. Salzburg), Michael H. Böhlen (Univ. Zurich):
A Relational Matrix Algebra and its Implementation in a Column Store. SIGMOD Conference 2020: 2573-2587
https://doi.org/10.1145/3318464.3389747
Thomas Hütter (Univ. Salzburg), Maximilian H. Ganser (Univ. Salzburg), Manuel Kocher (Univ. Salzburg), Merima Halkic (Univ. Salzburg), Sabine Agatha (Univ. Salzburg), Nikolaus Augsten (Univ. Salzburg):
DeSignate: detecting signature characters in gene sequence alignments for taxon diagnoses. BMC Bioinform. 21(1): 151 (2020)
https://doi.org/10.1186/s12859-020-3498-6
Set Similarity Joins on MapReduce: An Experimental Survey
2018
Fabian Fier (Humboldt-Universität zu Berlin), Nikolaus Augsten (Univ. Salzburg), Panagiotis Bouros (Johannes Gutenberg University Mainz), Ulf Leser (Humboldt-Universität zu Berlin), Johann-Christoph Freytag (Humboldt-Universität zu Berlin) PVLDB 11(10): 1110-1122
https://doi.org/10.14778/3231751.3231760
An Empirical Evaluation of Set Similarity Join Techniques
2016
Willi Mann (Univ. Salzburg), Nikolaus Augsten (Univ. Salzburg), Panagiotis Bouros (Aarhus Univ., Denmark) PVLDB 9(9): 636-647
https://doi.org/10.14778/2947618.2947620
On-the-fly token similarity joins in relational databases
2014
Nikolaus Augsten (Univ. Salzburg), Armando Miraglia (VU Amsterdam), Thomas Neumann (TU München), Alfons Kemper (TU München) SIGMOD Conference 2014: 1495-1506
https://doi.org/10.1145/2588555.2610530
JEDI: These aren't the JSON documents you're looking for?
2022
Thomas Hütter, Nikolaus Augsten, Christoph M. Kirsch, Michael J. Carey, Chen Li
SIGMOD Conference 2022: 1584-1597
https://doi.org/10.1145/3514221.3517850
Scaling Density-Based Clustering to Large Collections of Sets
2021
Daniel Kocher, Nikolaus Augsten, Willi Mann
EDBT Conference 2021: 109-120
https://doi.org/10.5441/002/edbt.2021.11
Swellfish privacy: Supporting time-dependent relevance for continuous differential privacy
2022
Christine Tex, Martin Schäler, Klemens Böhm
Information Systems Journal 109
https://doi.org/10.1016/j.is.2022.102079
Set Similarity Joins on MapReduce: An Experimental Survey.
2018
Fabian Fier, Nikolaus Augsten, Panagiotis Bouros, Ulf Leser, Johann-Christoph Freytag
PVLDB 11(10): 1110-1122
https://doi.org/10.14778/3231751.3231760
Tree edit distance: Robust and memory-efficient.
2016
Mateusz Pawlik, Nikolaus Augsten
Inf. Syst. 56: 157-173
https://doi.org/10.1016/j.is.2015.08.004
An Empirical Evaluation of Set Similarity Join Techniques.
2016
Willi Mann, Nikolaus Augsten, Panagiotis Bouros
PVLDB 9(9): 636-647
https://doi.org/10.14778/2947618.2947620
On-the-fly token similarity joins in relational databases.
2014
Nikolaus Augsten, Armando Miraglia, Thomas Neumann, Alfons Kemper
SIGMOD Conference 2014: 1495-1506
https://doi.org/10.1145/2588555.2610530