郵箱登錄 | 所務辦公 | 收藏本站 | English | 中國科學院
 
首頁 計算所概況 新聞動態 科研成果 研究隊伍 國際交流 技術轉移 研究生教育 學術出版物 黨群園地 科學傳播 信息公開
國際交流
學術活動
交流動態
現在位置:首頁 > 國際交流 > 交流動態
計算所國重實驗室斬獲2篇SIGCOMM論文
【打印】【關閉】

  ACM SIGCOMM 是計算機網絡領域最具影響力的頂級國際會議,多項重大網絡技術突破如軟件定義網絡(SDN)等均最先在此會議上發表。每年ACM SIGCOMM錄用論文一般不超過40篇,是計算機科學領域競爭最激烈的會議之一。1987年迄今,以國內研究所、高校(不包括微軟亞洲研究院)為第一單位發表的論文不超過10篇。本屆會議收到稿件共220篇,經過嚴格的同行評審,最終錄用40篇,錄用率在18%左右,競爭非常激烈。

  中科院計算所計算機體系結構國家重點實驗室在ACM SIGCOMM 2018上收獲了2篇論文。此次以第一單位被錄用的論文為“SketchLearn: Relieving User Burdens in Approximate Measurement with Automated Statistical Inference”。作者包括實驗室黃群副研究員、香港中文大學李柏晴(Patrick P. C. Lee)教授與實驗室包云崗研究員。這篇論文也是計算所歷史上第三篇ACM SIGCOMM論文。

  這篇論文重點解決了計算機網絡測量中近似算法的可用性問題。近似算法是網絡測量的核心技術。由于資源開銷小、能有有效處理海量的網絡數據,長期以來近似算法一直是網絡測量領域的研究熱點之一。然而,近似算法在實際部署時,需要用戶深入理解內部數學、統計原理并由此進行正確配置,才能達到良好應用效果,由此造成了極大的用戶負擔。本文首先從根本上分析了用戶負擔的根源:近似算法的本質在于用有限的資源處理海量數據,因此需要合理資源配置來減少不可避免的資源沖突。而本文提出的SketchLearn框架,提出了一種全新的方法論來處理近似算法中的資源沖突:SketchLearn的目的不是通過先驗的配置消除沖突,而是試圖后驗地刻畫沖突性質來提升網絡測量效果。


SketchLearn架構

  基于該思想,SketchLearn設計了一個全新的多級數據結構(圖1左半部分),并對該數據結構中的資源沖突建立了一個統計模型。結合該模型,SketchLearn提出了一個完全自動化的統計推斷算法(圖1右半部分),可以將網絡數據分解成兩個獨立的部分,從而消除兩部分之間的資源沖突。由于該統計推斷過程完全自動化執行,由此極大程度的減輕了用戶的使用負擔。SketchLearn還擴展了網絡測量查詢接口,統計推斷結果實現了通用的全網統計信息查詢能力。SketchLearn目前已經在OpenVSwtich DPDK與P4硬件交換機兩個平臺上實現。實驗顯示,SketchLearn在減輕用戶負擔的同時,在吞吐率、內存開銷、測量精度、通用性等各項指標上對比現有方法均有顯著提升。

  另一篇被錄用論文“Elastic Sketch: Adaptive and Fast Network-wide Measurements”由實驗室黃群副研究員與北京大學楊仝助理研究員(第一作者,2013年-2014年間在計算所從事訪問研究)團隊合作發表。計算所與北京大學有著悠久的淵源與合作,這篇論文是建立良好合作交流關系的又一體現。

  作者介紹:

  黃群,中科院計算所副研究員,入選中科院百人計劃。2011年本科畢業于北京大學計算機系,2015于香港中文大學取得博士學位。2015年至2017年間,任職華為(香港)未來網絡理論實驗室,帶領團隊研究設計的SketchVisor網絡測量框架發表于ACM SIGCOMM 2017,是華為歷史上首篇SIGCOMM論文,獲華為公司“總裁獎”。2017年加入計算所后,繼續在網絡測量、分布式流式處理、網絡功能虛擬化、區塊鏈/閃電網絡等領域展開研究,2018年ACM SIGCOMM再次有2篇論文被錄用。

 
網站地圖 | 聯系我們 | 意見反饋 | 所長信箱
 
京ICP備05002829號 京公網安備1101080060號
过年摆摊卖什么赚钱 浙江20选5几点开奖 陕西十一选五 浙江11选5预测一定牛 江苏省高频十一选五遗漏号码 中国体彩开奖竞彩网 上证指数历史最高点 河南快三开奖官网 体彩排列五开奖号 上证指数吧股吧 青海快三玩法规则