面向数据库课程的一体化实践平台

面向数据库相关课程的一体化实践平台,帮助学习者通过实践理解数据库。

学习罗盘

悬停或聚焦节点可高亮 · 位置体现工具的核心关注点

左右滑动,查看完整罗盘 →

关注层次算子 → 计划 → 整体流程
与执行计划的交互(解读 · 可视化 · 修改 · 诊断 · 对话)
整条流水线SQL → 执行计划 → 执行执行计划把执行计划视为整体算子 / 估计聚焦单算子或行数估计
把计划说清楚可视化看清处理流程修改替换并探索诊断定位问题对话用自然语言提问
NEURON
SIGMOD 2019
DBinsight
CIKM 2022
MOCHA
VLDB 2022
LANTERN
SIGMOD 2022
ARENA
SIGMOD 2023
RETRO
SIGMOD 2026
ChatQPT
VLDB 2026
看图说明

NEURON 和 LANTERN 都帮助学习者借助自然语言描述理解执行计划。

DBinsight 呈现从 SQL 到计划的处理细节。

MOCHA、ARENA 用于探索算子和计划选择。

RETRO 关注基数估计误差。

ChatQPT 提供与关系查询引擎对话的入口。

找到你的瓶颈

选一个最贴合你现状的分支,沿着分支找到适合当前问题的工具。

理解
“拿到一份执行计划,但读不懂。”
修改
“如果只替换计划里的一个算子呢?”
探索
“优化器原本还可能选哪些执行计划?”
诊断
“估计行数与实际行数在哪些地方存在偏差?”
找到你的
瓶颈
选一个最贴合你现状的分支
典型学习路径先理解,再迭代
  1. 1理解LANTERN
  2. 2修改MOCHA
  3. 3探索ARENA
  4. 4诊断RETRO
或直接用自然语言提问
ChatQPT · 通过对话与关系查询引擎(PostgreSQL)交互。

DBEDU 的使用情况

23高校
87教师
用户数之和
机构数之和

各系统明细

NEURON

正在加载…
用户
正在加载…
机构
正在加载…

MOCHA

正在加载…
用户
正在加载…
机构
正在加载…
经 ChatQPT 访问
用户
正在加载…
机构
正在加载…
正在加载…

LANTERN

正在加载…
用户
正在加载…
机构
正在加载…
经 ChatQPT 访问
用户
正在加载…
机构
正在加载…
正在加载…

ARENA

正在加载…
用户
正在加载…
机构
正在加载…
经 ChatQPT 访问
用户
正在加载…
机构
正在加载…
正在加载…

RETRO

正在加载…
用户
正在加载…
机构
正在加载…

ChatQPT

正在加载…
用户
正在加载…
机构
正在加载…
统计说明

高校数与教师数为人工维护的静态数据。

同一用户或机构可能出现在多个系统中,因此合计不代表全平台去重人数或机构数。经 ChatQPT 访问的数据单独展示,不叠加到总览。

沿用现有各系统统计口径,包括 NEURON、LANTERN、ARENA、MOCHA 的历史补偿值。页面可见时每五分钟刷新一次。获取时间不代表来源数据库最后更新的时间。

关于与资源

关于我们

DBEDU 由西安电子科技大学李辉教授及其团队建设,并与南洋理工大学 Sourav S Bhowmick 教授合作。

李辉 教授
项目负责人

李辉 教授

西安电子科技大学

DBEDU 项目负责人,与西安电子科技大学团队围绕查询执行计划、数据库优化等教学内容,开发面向课程学习的实践工具。


Sourav S Bhowmick 教授
合作研究者

Sourav S Bhowmick 教授

南洋理工大学

DBEDU 项目的合作研究者,与西安电子科技大学团队合作开展数据库教学工具研究,探索通过交互式查询处理工具帮助学习者理解数据库。

支持的数据库+

具体兼容情况因子系统而异。

团队成员

现有团队

Dr. Xiyue Gao、Zihao Ma(博士研究生)、Zhenning Shi(博士研究生)、Yani Zhang(博士研究生)、Binying Zhai(硕士研究生)及若干本科生。

往届成员

Weiguo Wang(阿里巴巴)、Peng Chen(华为)、Hu Wang(中信银行)、Ying Rong(华为)、Baochao Xu(南瑞继保)。

研究成果

从 2019 年至今,支撑各项工具的研究工作。

  1. Liu et al.NEURON: Query Execution Plan Meets Natural Language Processing For Augmenting DB Education

    In ACM SIGMOD, 2019.

  2. Wang et al.Towards Enhancing Database Education: Natural Language Generation Meets Query Execution Plans

    In ACM SIGMOD, 2021.

  3. Chen et al.LANTERN: Boredom-conscious Natural Language Description Generation of Query Execution Plans for Database Education

    In ACM SIGMOD, 2022.

  4. Jess et al.MOCHA: A Tool for Visualizing Impact of Operator Choices in Query Execution Plans for Database Education

    In VLDB, 2022.

  5. Rong et al.DBinsight: A Tool for Interactively Understanding the Query Processing Pipeline in RDBMSs

    In CIKM, 2022.

  6. Sourav S Bhowmick and Hui Li.Towards Technology-Enabled Learning of Relational Query Processing

    In IEEE Data Eng. Bull. 45(3), 2022.

  7. Wang et al.ARENA: Alternative Relational Query Plan Exploration for Database Education

    In ACM SIGMOD, 2023.

  8. Hui Li.Technology-Enabled Database Education: Challenges and Opportunities

    SIGMOD Record, 53(2). 2024.

  9. Sourav S Bhowmick and Hui Li.Experience Report on Using LANTERN in Teaching Relational Query Processing

    In ACM SIGCSE 2025.

  10. Li et al.Towards Selecting the Informative Alternative Relational Query Plans for Database Education

    Proc. ACM Manag. Data 4(3), SIGMOD, 2026. ★ Best of SIGMOD

  11. Zhang et al.RETRO: A Visual Tool for Understanding Cardinality Estimation Errors For Database Education

    In ACM SIGMOD Companion, 2026. ★ SIGMOD Best Demonstration

  12. Li et al.ChatQPT: Towards Conversing with Relational Query Engines

    Proc. VLDB Endow. 19(12): 4758–4761, 2026.