接轨国际,碰撞更多科研火花——第八届ChinaSys大会专访微软亚洲研究院首席研究员张霖涛

作者:微软亚洲研究院实习生 徐祎雪
卢思奇
2015年6月5日至6日,由中国科学院深圳先进技术研究院先进计算与数字工程研究所主办的第八届中国计算机系统(ChinaSys)学术研讨会在厦门大学召开。来自微软亚洲研究院、清华大学、北京大学、中科院计算所、上海交通大学和华中科技大学等科研院所的师生以及国内的工程师100余人参与了本次研讨会。
学者和业界交流的桥梁
ChinaSys于2011年第二届亚太区系统研讨会(APSys
2011,
上海),由清华大学、复旦大学、北京大学、华中科技大学、中国科学技术大学5所高校以及微软亚洲研究院、中科院计算所的研究人员商讨成立,期望通过组织国内计算机系统领域的高水平研讨会,促进学者和业界之间的交流和合作,提高国内系统研究的科研水平。作为ChinaSys2011年成立之初,唯一来自产业界的科研机构,微软亚洲研究院见证了ChinaSys和中国计算机系统研究领域5年来的蓬勃发展。
曾参与过4届ChinaSys会议的微软亚洲研究院首席研究员张霖涛告诉我们,会议刚刚开始举办的时候,因为参与人数较少,形式比较自由,参与者通过内部邀请加入,没有征稿启事,会议也没有官方网站。经过这些年的交流促进和努力,ChinaSys
Workshop已成功召开了八届,共邀请了约700名杰出的科研人才与会讨论。而在过去的5年时间里,中国的系统研究水平得到了很大的提升。此前与计算机图像、机器学习等领域相比,中国系统研究水平较为薄弱,但现在在该领域内最顶尖的期刊和会议发表文章已成常态化。这其中ChinaSys提供的交流平台的作用不可忽视。
微软开源rDSN分布式系统开发框架
此次为期两天的会议主题包括体系结构和性能、操作系统和虚拟机、云计算和大数据、网络和并行等方向的22个专题学术报告,基本覆盖了系统研究的所有领域。
由张霖涛博士带队的微软亚洲研究院,在本届ChinaSys会议上发布了两个最新的项目。一个是图计算(Graph
Computing)的项目。这也是今年的热点,会议中有三、四个关于图计算的演讲。另一个便是前不久刚刚通过GitHub平台开源的rDSN分布式系统开发框架(Robust
Distributed System Nucleus)。
rDSN是用于快速搭建和运维高性能和高鲁棒的分布式系统,可以帮助广大分布式系统的开发者、学生和研究人员成功应对云计算、大数据、物联网等当前热点技术。它的思想来源于微软亚洲研究院系统组过去在分布式系统开发和运维各个阶段进行的各种自动化项目。这些项目尝试帮助开发者更快捷有效地测试,调试,优化,监控,扩展(Scale-out),复制(Replicate),组合(Compose),甚至推理(Reason)。而在这些项目开发中所遇到的很多困难,不少是由于开始的代码工作没有考虑这些需求,导致后期的开发事倍功半。因此,rDSN的目标是提供一个协调有序的开发平台使得分布式应用,工具和框架可以独立开发,并且能够无缝集成,来实现如上提到的需求。

对于开发者而言,rDSN提供并且帮助开发工具和运行时框架能够和上层应用无缝集成,从而改善开发和运维效率,来提高系统的编程敏捷性、性能以及鲁棒性;对于学生来说,rDSN提供了一个能够方便地简化,理解,和操纵分布式系统的平台。当学习一个分布式系统协议的时候,学生可以在rDSN的模拟器模式下编写和调试。该模拟器能够简化实际系统中的很多复杂性,并在需要的时候慢慢把这些复杂性加回去。
而很多分布式系统的研究人员常常期望提供通用的分布式系统的相关工具和运行时策略。rDSN提供了专门的工具API
(Tool
API)来帮助这方面的工作。工具API提供了底层模块的虚拟化,并且可以把上层系统的所有不确定性都暴露出来。这使得构建高效和可靠的工具和运行时策略成为可能。此外,rDSN的设计保证了这些工具和运行时策略能够和基于rDSN的上层应用无缝集成,因此研究成果可以很快地进入实际部署。
微软亚洲研究院希望rDSN的开源可以汇集更多成果,将分布式系统的开发变得更加简单、高效;也希望能够吸引参加会议的老师们的关注,并且在他们的工作中作为教学工具来使用。
国际水平研究成果的分享
说到本次会议的亮点,张博士介绍道:“此次会议与国际顶级的计算机结构(Computer
Architecture)会议ISCA时间接近。虽然国际上认为计算机结构和系统方面的研究者是两个相对独立的群体,但是在国内,计算机系统的研究者较少,所以很多人都是跨界的。ISCA级别很高,规模较小,一年只收录30-40篇文章,以往很少有来自中国的论文被收录,但是今年ChinaSys的参会单位,一共有5篇论文被ISCA收录,成绩非常卓越。”因此,今年的ChinaSys会议专门安排了一个环节介绍这些工作,大家看到之后都感觉很受触动。特别是由中科院计算所陈云霁老师带领的团队正在进行的关于硬件加速和机器学习、DNN(Deep
Neural Network,深层神经网络)项目,让大家感到很有兴趣。微软亚洲研究院也已邀请陈云霁老师来进行讲座和分享。
展望未来:完善形式,更高目标

第八届中国计算机系统(ChinaSys)学术研讨会合影
本届会议的气氛非常活跃,大家的参与也十分热烈。往年如果会议地点在北京等一线城市,参会人数会比较多,但是这次在厦门,也有这么多老师、同学来参加,有些出人意料。会议之中大家的提问、讨论也十分投入、有趣。
展望ChinaSys的未来,张霖涛说:“为了适应参与者越来越多的需求,会议的组织和形式未来也会变得更加正式。大会五年前提出的目标是如何在顶尖的会议上定期发表论文,现在这个目标已经基本上实现了。下一步的目标就是做出更好的,让业界口口相传的成果。”另外,为了让更多对系统研究领域有兴趣的人可以加入交流和分享的行列,大会下一步可能也会开放注册,让更多的人有机会参加会议活动。让我们期待ChinaSys在未来可以为领域内的科研人士提供更多的交流机会,碰撞出思维的火花,也希望有更多的研究者可以在交流中获益。
推荐阅读

欢迎关注
微软亚洲研究院官方网站:http://www.msra.cn
微软亚洲研究院人人网主页:http://page.renren.com/600674137
微软亚洲研究院微博:http://t.sina.com.cn/msra
微软亚洲研究院微信:搜索“微软研究院“或扫描下方二维码:

接轨国际,碰撞更多科研火花——第八届ChinaSys大会专访微软亚洲研究院首席研究员张霖涛的更多相关文章
- 科研伴我成长——上海交通大学ACM班学生在微软亚洲研究院的幸福实习生活
每一年,微软亚洲研究院都会迎来一批"特殊的"实习生--他们既不是从五湖四海汇聚而来,也不是在读的硕士和博士.他们相识已久,知道对方的小秘密.小八卦,也相互敬佩.惺惺相惜--他们就是 ...
- 当学术邂逅浪漫 – 记MobiCom 2015大会
作者:微软亚洲研究院主管研究员 刘云新 今年的MobiCom大会在著名的浪漫之都巴黎举行.通常于欧洲举办的会议的参会人数会相对少一些,但今年的MobiCom大会吸引了近400人参加,绝不少于往年.浪漫 ...
- apk反编译——基础是内功,得牢,飞跃还得多看源码,不同思想的碰撞才能产生火花,加油!!!!!!!!
1.获取java源代码 1.1 dex2jar&jd-gui dex2jar:将apk反编译成class文件(classes.dex转化成jar文件) jd-gui:查看APK中classes ...
- 【机器学习Machine Learning】资料大全
昨天总结了深度学习的资料,今天把机器学习的资料也总结一下(友情提示:有些网站需要"科学上网"^_^) 推荐几本好书: 1.Pattern Recognition and Machi ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料【转】
转自:机器学习(Machine Learning)&深度学习(Deep Learning)资料 <Brief History of Machine Learning> 介绍:这是一 ...
- 机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总
<Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.D ...
- 机器学习&深度学习经典资料汇总,data.gov.uk大量公开数据
<Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.D ...
- 近200篇机器学习&深度学习资料分享(含各种文档,视频,源码等)(1)
原文:http://developer.51cto.com/art/201501/464174.htm 编者按:本文收集了百来篇关于机器学习和深度学习的资料,含各种文档,视频,源码等.而且原文也会不定 ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料汇总 (上)
转载:http://dataunion.org/8463.html?utm_source=tuicool&utm_medium=referral <Brief History of Ma ...
随机推荐
- JavaSE--异常信息打印
最近项目用到第三方jar包,抛出运行时异常,打在日志用的 方法.得到的错误描述并不详尽,遂想到平时用的 发现其可以重定向输出,平时用流多是和文件相关,但是在当前背景下用文件打开流显得不是很合适,翻了下 ...
- pix2pix-tf官方文档
# 对抗网络的基本思想 # 假设有一种概率分布M,它相对于我们是一个黑盒子.为了了解这个黑盒子中的东西是什么,我们构建了两个东西G和D, # G是另一种我们完全知道的概率分布,D用来区分一个事件是由黑 ...
- 非线性支持向量机SVM
非线性支持向量机SVM 对于线性不可分的数据集, 我们引入了核(参考:核方法·核技巧·核函数) 线性支持向量机的算法如下: 将线性支持向量机转换成非线性支持向量机只需要将变为核函数即可: 非线性支持向 ...
- SLAM资料
当下SLAM方案的总体介绍 http://wwwbuild.net/roboteasy/908066.html slam基础知识 https://www.zhihu.com/question/3518 ...
- 使用Euclid算法求最大公约数
参考文章 1.<linux c编程一站式学习>的习题5.3.1 2.百度百科Euclid算法:https://baike.baidu.com/item/Euclid%E7%AE%97%E6 ...
- 在拖放文件的同时检测shift键的状态
老板要给原来文件拖放的功能加个扩展分类,于是想在文件拖放时判断shift键的状态来区分. 一般通过keydown和keyup来判断按下与否,但这都是需要控件事件触发,而在拖放的时候是没法触发key事件 ...
- tensorflow(六)
一.TensorBoard可视化工具 TensorBoard实现形式为web应用程序,这为提供分布式.跨系统的图形界面服务带来了便利. 1.使用流程 SummaryOps->Session--( ...
- [HNOI2019]鱼(计算几何)
看到数据范围n<=1000,但感觉用O(n^2)不现实,所以考虑方向应该是O(n^2logn). 一种暴力做法:用vector存到1点相同的2点和到2点相同的1点,然后枚举A,枚举BC,再枚举D ...
- python学习笔记(30)——ddt
1.ddt模块包含类的装饰器ddt和两个方法装饰器data ddt.ddt:装饰类,也就是继承TestCase的类. ddt.data:装饰测试方法,参数是一系列的值,用来传递参数 ddt.file_ ...
- B - Sequence II (HDU 5147)
Long long ago, there is a sequence A with length n. All numbers in this sequence is no smaller than ...