大数据环境下的智能存储技术

报告1：支持DNN/GAN训练的高效PIM系统结构

摘要：近年来，随着神经网络的兴起及其训练数据量的暴增，传统的冯诺依曼体系结构中中央处理器和主存之间的带宽成为严重瓶颈。PIM（Processing In Memory），即内存计算技术，直接使用基于NVM（non-volatile memories）的内存单元做计算，较好地缓解了传统体系结构中的带宽问题。然而，日渐复杂的神经网络结构以及NVM本身的寿命问题对用PIM技术来训练DNN（Deep Neural Networks）和GAN（Generative Adversarial Network）提出了新的挑战。本报告首先介绍一种运行时可重构的3D-PIM结构，用于高效智能地支持DNN和GAN的训练。此外，介绍一种基于软硬件协同设计的高寿命的PIM系统结构，通过结合神经网络本身的容错特点和NVM中MLC的特点，达到延长用于训练神经网络的PIM硬件的寿命。

嘉宾简介：舒继武 博士，清华大学计算机系教授，教育部长江学者特聘教授，国家杰出青年基金获得者，IEEE Fellow，中国计算机学会会士、学术工委副主任、信息存储技术专业委员会副主任，灾备技术国家工程实验室副主任；担任《ACM Transactions on Storage》的Associate Editor和《计算机学报》、《软件学报》等期刊编委；主要研究领域为新型非易失存储系统与技术、存储可靠性与安全、网络（/云/大数据）存储系统、并行/分布式处理技术等，相关成果发表在包括FAST、USENIX ATC、MICRO、ISCA、EuroSys、DAC等重要国际学术会议和IEEE/ACM Trans.等权威期刊上；主持承担过国家重点研发项目、863项目和课题、973课题、国家自然科学基金重点项目等。获国家科技进步二等奖和国家发明技术二等奖各1次，部级科技一、二等奖4次。

报告2：网络空间视觉内容理解

报告摘要：互联网络的发展和普及改善人民生活质量的同时也带来安全风险。一方面，虚假、不良的媒体内容充斥于网络空间，需要及时识别，存在识别难、时效差、耗费多三大现实挑战。另一方面，公开来源网络数据有价值的信息挖掘如大海捞针。报告人拟介绍信工所团队在该方向的最新学术探索进展，以及建立了的一套视觉大数据价值挖掘系统。具体包括：开源数据的云弹性采集与强智能搜索、数据驱动的自底向上深度抽象归纳、知识驱动的自顶向下演绎推理、人工智能深度攻防对抗等。

嘉宾简介：操晓春，中国科学院信息工程研究所信息安全国家重点实验室研究员，毕业于北京航空航天大学和美国中佛罗里达大学，主要从事网络空间安全和计算机视觉领域的研究。国家自然科学基金委优秀青年基金获得者，入选国家“万人计划”青年拔尖人才支持计划、中国科学院“百人计划”择优支持（结题优秀）、教育部“新世纪优秀人才支持计划”。担任包括IEEE TIP、IEEE TMM、IEEE TCSVT在内的5个国际知名期刊编委(Associate Editor)，当选为英国工程技术学会会士(IET Fellow)。中国计算机学会杰出会员、中国电子学会青年科学家俱乐部会员、中国自动化学会高级会员。中国计算机学会杰出会员、YOCSEF荣誉委员、中国电子学会青年科学家俱乐部会员。

报告3：阿里巴巴盘古分布式存储系统在大数据计算领域的实践

报告摘要：阿里巴巴大数据计算目前具有EB级数据规模和几十万台物理机器，在多用户的使用环境下既要解决公平IO的问题，同时也需要能容忍各种各样的错误，支持好日常运维等操作。盘古系统在大数据计算方面有十几年实践经历，支撑起了阿里巴巴大数据计算业务的蓬勃发展。

嘉宾简介：姚文辉，2009年加入阿里，最近10年一直专注于盘古分布式存储系统研发，近些年的主要工作为大数据计算应用中分布式存储系统容错、用户隔离、元数据规模等问题的解决。

报告4：Lustre架构演进及趋势

报告摘要：Lustre架构是一种集群存储体系结构，其核心组件就是Lustre文件系统。Lustre常被用于HPC，例如，中国的“神威”系列、“银河”系列超级计算机都采用Lustre；亚马逊、谷歌、华为、阿里等公司也采用Lustre支持云端部署高性能计算。面对新型硬件环境，以及大数据和AI等应用对E级计算（每秒10^18次浮点运算）的挑战，报告将讨论Lustre架构演进与发展趋势。首先介绍近期已随Lustre发布的部分成果，然后讨论正在开发中的提升Lustre性能的新功能，最后探讨Lustre架构未来可能演化的几种趋势。研究发表在CCF A类国际会议SC'17和SC'19，以及Lustre开放社区组织的技术会议，如LUG'17、CLUG'18、CLUG'19、LAD'18和LAD'19等。

嘉宾简介：曾令仿，华中科技大学武汉光电国家研究中心副教授；德国美因茨大学数据中心Visiting Professor(对方聘任)。CCF高级会员。主要从事高性能存储系统、大数据与计算智能和隐私增强信息存储等相关方向研究。曾在新加坡国立大学和新加坡数据存储研究院从事4年研究工作。主持和参加多项国家自然科学基金项目，国家973和863重大专项，教育部创新团队，企业合作项目等；硕士在读期间参与开发的“通信网络管线资源管理”现应用于海口电信、深圳电信、武汉电信等中国电信的100多个城市的电信分公司（16省的中国电信）。获IEEE/ACM SC06高性能存储挑战赛Finalist Award。2011年获湖北省技术发明一等奖。最近三年发表（录用）CCF推荐的A类国际学术会议论文：SC’17，SIGMOD’19，SC’19。

报告5：数据中心级的智能纠删码技术

报告摘要：数据中心对于大规模存储系统可靠性提出了更高的要求，其中最关键的技术就是纠删码。传统的纠删码包括RS、LRC等，它们广泛用于Amazon AWS、Microsoft Azure等云存储系统中，但其在数据中心级的纠删码面临着较多的制约。本报告将从成本、可靠性、性能等多方面综合考虑，首先介绍面向数据中心级的智能纠删码技术，然后设计快速编解码算法提升纠删码编解码性能，最后探讨近似纠删码技术在数据中心的应用。相关研究成果发表在IPDPS’19、MSST’19及ICPP’19等国际会议上。

嘉宾简介：吴晨涛，上海交通大学计算机科学与工程系副研究员、博士生导师。于2004、2006和2010年在华中科技大学分别获得学士、硕士和博士学位，于2012年在美国弗吉尼亚联邦州立大学（Virginia Commonwealth University）获得博士学位。研究方向主要为数据存储系统，特别是存储阵列和纠删码方向的研究。承担国家自然科学基金、国家重点研发计划子课题等项目20余项，在TC、TPDS、HPCA、DSN、IPDPS等国际知名会议期刊上发表论文50余篇，入选上海交通大学晨星学者计划，相关成果获2018年上海市技术发明一等奖。