USDB

字节跳动分享了其自研的USDB系统，定位是为下一代推荐系统提供可扩展的存储支撑。

USDB代表了一种思路转变：把存储问题从训练框架中解耦出来，交给专门的存储系统处理。

将存储从训练框架中解耦的好处是存储层可以针对推荐负载做独立优化，例如更高效的分片策略、更贴近硬件的缓存设计，以及针对特征访问模式的预取机制；代价则是系统复杂度上升，需要解决存储与计算之间的接口标准化问题。

由于原始素材信息有限，USDB的具体架构、性能指标和部署规模尚不清楚。