中国计算机学会青年计算机科技论坛
CCF Young Computer Scientists & Engineers Forum
CCF YOCSEF深圳
时间：2017年4月13日（星期四）9:00-11:00
地点：深圳市南山区深圳大学主校区科技楼1304室
研讨会主题
计算机系统前沿报告会
主办单位：
中国计算机学会青年计算机科技论坛 深圳分论坛(CCF YOCSEF深圳)
深圳大学广东省普及型高性能计算机重点实验室
深圳市电脑学会
执行主席：
毛 睿 CCF YOCSEF深圳2016-2017 主席
王 毅 CCF YOCSEF深圳2016-2017 AC委员、学术秘书
议程
08:50 签到
09:00 报告会开始
CCF YOCSEF深圳 组织方 致辞
09:00 特邀讲者：何黎刚 副教授，英国华威大学
演讲题目：Developing the Graph-based Methods for Optimizing Job Scheduling on Multicore Computers
演讲题目：内存计算系统内存垃圾回收机制研究
计算机系统前沿报告会
报告1：Developing the Graph-based Methods for Optimizing Job Scheduling on Multicore Computers
特邀讲者：何黎刚 副教授
何黎刚博士为英国华威大学(University of Warwick)计算机系副教授,青年千人。研究领域为高性能计算，并行分布式处理和大数据处理。在国际知名期刊（例如IEEE Transactions on Parallel and Distributed Systems, Journal of Parallel and Distributed Computing, Journal of Computer and System Sciences等）和重要会议上(例如IPDPS, ICPP, ICSOC等)发表上述领域的论文90余篇。何黎刚博士为多家国际期刊的编委或专刊客座编委（例如CCPE等），并经常担任国际会议的程序委员会成员及会议主席。
报告提要：It is common nowadays that multiple cores reside on the same chip and share the on-chip cache. Resource sharing may cause performance degradation of the co-running jobs. Job co-scheduling is a technique that can effectively alleviate the contention. Many co-schedulers have been developed in the literature, but most of them do not aim to find the optimal co-scheduling solution. Being able to determine the optimal solution is critical for evaluating co-scheduling systems. Moreover, most co-schedulers only consider serial jobs. However, there often exist both parallel and serial jobs in many situations. This talk presents our work to tackle these issues. In this work, a graph-based method is developed to find the optimal co-scheduling solution for serial jobs, and then the method is extended to incorporate parallel jobs. A number of optimization measures are also developed to accelerate the solving process. Moreover, a flexible approximation technique is proposed to strike the balance between the solving speed and the solution quality.
报告2：内存计算系统内存垃圾回收机制研究
特邀讲者：石宣化 教授
石宣化，华中科技大学计算机学院教授，博士生导师，大数据技术与系统湖北省工程实验室副主任，服务计算技术与系统教育部重点实验室大数据研究方向负责人，担任多个国际学术会议的程序委员会主席或联合主席、多个国际学术会议程序委员会委员、International Journal of Parallel Programming、Scientific Programming等国际期刊客座编辑、华中科技大学GPU Research Center主任、中国计算机学会高性能计算专委会委员、法国巴黎十三大客座教授等职。湖北省自然科学基金杰青项目获得者，主持国家国际科技合作专项、国家自然科学基金、国家科技支撑计划项目等多项国际、国内项目，相关研究工作成果被IEEE Computer杂志作为亮点工作推荐，获教育部技术发明一等奖1项，湖北省自然科学优秀学术论文一等奖1项。
报告提要： 目前主流的分布式数据处理系统，如Spark和Flink，都通过在内存中缓存计算的中间结果来减少重算和磁盘IO。然而，这种以内存为中心的计算框架往往会导致作业运行时在JVM堆中创建大量长生命周期的数据对象。大量存活对象会严重降低JVM的垃圾收集性能，其空间占用接近可用内存上限时甚至还会影响系统运行的稳定性。针对这一问题，我们提出了基于对象生命周期的内存管理和程序优化框架，并基于Spark实现了原型系统Deca。Deca截获用户提交的作业，自动分析代码中的自定义类型（UDT）和自定义方法（UDF），以获取不同数据对象的生命周期和内存占用信息。在保证代码转换语义正确性的前提下，Deca将相同生命周期对象中的数据集中存储在少量字节数组中，从而显著降低了存活对象的数量。实验结果表明，相比于Spark系统，Deca最多可以减少99.9%的垃圾收集时间；对于典型大数据处理应用，性能提升可分别达到41.6x和22.7x（存在与不存在缓存数据换出）。
参加人员：IT领域专业人士、研究生、媒体、其他有兴趣者
报名联系：王毅 Email：yiwang@szu.edu.cn
参会回执
|
姓名
|
|
单位
|
|
|
电话
|
|
Email
|
|
|
是否CCF会员
|
|
会员号
|
|
地点：深圳市南山区深圳大学主校区科技楼1304室
交通：详见下图
所有评论仅代表网友意见