重磅预告：9 位权威专家告诉你存储领域的前沿与热点 CCF-ADL 持续开课中

　　6月14日~6月16日，由中国计算机学会主办的第79期ADL（AdvancedDISciplines Lectures）学科前沿讲习班将在京召开。本期主题为《存储器件与系统前沿》，旨在帮助了解存储器件与系统的当前热点和前沿的科学问题，开阔科研视野，增进学术交流和增强实践能力。雷锋网（号：雷锋网）作为独家合作将进行全程报道，同时AI慕课学院已获本次讲习班独家线上视频版权，不能来现场听课的同学请猛戳右侧超链接：。

　　大数据云计算物联网的快速发展对存储系统的设计和实现提出了新的挑战，而新型存储器件，如闪存固态盘、相变存储、3D XPoint 等被寄予厚望，这对传统的存储体系结构产生了冲击， 迫切需要重新思考存储系统的设计和方。相关工作涉及器件设备、存储节点、核心软件、大规模存储系统等多方面的关键技术，相关内容将促进我国学术界与工业界在新型存储技术的研究与发展。

　　本期讲习班邀请到了多位学术界和工业界的著名学者，将从计算存储一体化、面向大数据的 NVM 存储系统、数据减缩机制、智能的 DPU、内存计算、存储可靠性、层次化 NVM 存储和高效检索的存储系统等方面对国内外研究进展进行介绍，探讨相关技术的未来发展趋势。

　　南大学计算科学系助理教授，于伊利诺伊大学香槟分校获得博士学位。他对并行计算机结构做出了贡献，包括原子块执行的缓存一致性，内存一致性检查，确定性记录和的架构支持。他现在的研究兴趣包括图像加速的框架支持，非易失存储器的处理以及使用新兴技术进行机器学习和图像处理的加速。

　　近些年来，研究发现深度神经网络在一些重要的分类和回归任务上要优于其他监督学习算法。由于了解其内部机理的广泛需求，图形加速也得到了大量的关注。但是，这些应用对传统的冯·诺依曼结构提出了巨大的挑战。神经网络属于计算和内存密集型，由于大量的神经层和数以百万计的权重，大量的数据发生移动。图像应用程序使用了大量的随机存储器。这些随机存储器的访问引起了带宽瓶颈。这次将会讨论最近使用DRAM 和新兴的内存技术来加速神经网络和图像处理的工作。

　　华中科技大学教授，博士生导师，CCF、ACM和IEEE高级会员，CCF杰出者，CCF信息存储、高性能计算和体系结构专委委员。主要研究方向是新型存储器件和网络存储系统。在USENIX ATC、FAST等国际学术会议和 IEEE TC/TPDS/TII 等国际期刊上发表多篇学术论文。在 ASPLOS （ERC） 等国际会议上担任程序委员，是国际期刊FCS和JCN的编委，应邀到美国阿贡国家实验室等学术机构做特邀报告，研究获得TST期刊年度最佳论文，中国电子学会电子信息科学技术二等。

　　数据检索的性能和有效性是提升整个存储系统性能的关键所在。新型存储系统需要管理和海量的文件、支持快速并发访问、具有高效的可扩展性。而海量数据具有数量巨大、种类异构、时效约束和价值稀疏等特点，这给面向非易失器件的存储系统的设计与实现带来了新的挑战。在中，将全面分析目前的国内外相关研究工作提出的解决方法，并注重探讨面向数据内容和访问模式局部性的哈希方法，以及相关索引的构建机制和数据组织结构。同时，结合实际系统的实例，阐述在元数据管理、数据去重和NVM写模式分析等方面的应用方法。

　　中文大学硕士，哥伦比亚大学计算机科学博士，州大学博士后研究员。现在担任中文大学计算机科学与工程系副教授，是应用分布式系统实验室的负责人，在网络与系统的不同项目上与一组研究生合作密切。在2007-2011年，他与朗讯合作为3G无线网络提供网络管理方案。他的研究兴趣广泛，包括存储系统，分布式系统和网络，操作系统，可靠性，安全性。

　　固态硬盘（SSD）由于其高I/O性能和低功耗，被广泛地用于台式机和大型数据中心。然而，SSD设计时权衡了性能和可靠性的问题。在这次中，我们将从三个方面探讨SSD设计时的权衡策略，即：性能、可靠性、耐久性。我们将会讨论关于建模，测量和系统设计的最新研究。尤其是我们将会讨论奇偶校验的RAID冗余将会如何影响SSD在性能和可靠性上的权衡策略。

　　美国罗德岛大学讲席教授,IEEE Fellow,从事计算机体系结构和数据存储方面的研究20多年，发表论文120多篇, 拥有20多项授权专利,基于其研究,他创立了四家高科技企业，最近的一家：VeloBit,以最新的闪存固态硬盘体系结构而闻名，被西部数据高价收购。他作为主持过多次计算机结构方面的国际会议包括ISCA2011，曾任IEEE计算机体系结构分会会员,IEEE杰出者,IEEE Transaction编委。八次获得杰出教授。杨庆培养的很多博士生在美国著名大学任教、或在高科技公司工作包括Intel Fellow等等。

　　云计算和大数据应用需要高可靠性和高安全性的数据存储系统。数据存储系统的中心部件是调度存储的中央控制器。然而，所有现存的存储控制器都存在局限性。随着数据越来越多，更多的存储技术出现，应用范围的扩大，控制器已经跟不上大数据的发展了。我们正在构建具有内置智能的存储控制器，称之为DPU，其可在存储处管理，控制，分析和分类大数据。我们的想法是将足够的智能放入正在经历性变化的存储类储存器（如flash，PCM，MRAM等）中。机器学习逻辑是DPU的主要部分，它可以学习存储器的I/O行为来优化性能、可靠性和可用性。存储设备内实现了先进的安全技术。使用深度学习技术来训练和分析设备内的大数据。使用强化学习技术来优化存储层次。利用并行技术和流水线技术来处理数据。我们的初步实验数据显示这可能将会改变储存市场的发展方向。

　　大学芭芭拉分校的教授。他在普林斯顿大学获得了博士学位，然后以咨询工程师的身份加入IBM微电子公司。从2003至2014年，他在宾州州立大学担任助理/副/全职教授。在2012-2013年，他在AMD工作。他的研究兴趣包括 EDA/架构/VLSI，并已经在 IEEE/ACM 上发表了200多篇文献。因为对 3D IC设计做出的贡献而被评为IEEE Fellow，他目前是ACM Journal of Emerging Technologies in Computing Systems 的总编辑。

　　传统的计算机系统通常遵循经典的冯·诺依曼结构，分离处理单元（如CPU和GPU）来进行计算，分离内存单元来进行数据存储。处理器的计算和内存之间的差距正变得越来越大，已经导致了“内存墙”问题。处理单元和存储单元之间的数据流已经变成了整个计算系统的瓶颈。当我们进入了大数据时代，新兴的数据密集型工作负载变得十分普遍，这要求计算单元和存储单元之间的高带宽和大量数据移动。这次将会讨论以内存为中心的设计架构所带来的机遇和挑战。以内存为中心的设计架构是为了缩小计算和数据存储之间的差距而提出的，新兴的数据密集型应用，如神经网络和图形分析可以知道这个框架的优化。

　　华中科技大学计算机学士，大学计算机硕士，德克萨斯农工大学计算机科学博士。目前是德克萨斯大学阿灵顿分校的计算机科学和工程系教授。在加入UTA之前，他曾担任国家科学基金会的课题主任（2013.1-2015.8），1991年起任林肯大学计算机科学与工程系WillaCATher教授。他目前的研究兴趣包括计算机架构、计算机存储系统、并行I-O，高性能计算、大数据计算、云计算、性能评估。目前他已经有16名博士毕业，均在IT界和学术界工作。他在这个领域的主要期刊和会议上发表了200多篇论文，他是IEEE Fellow，ACM 会员

　　我们生活在一个不断变化的数字世界，每天都会有25亿GB的数据产生，我们正在被数据海洋。到2017年，将会有超过16万亿GB 的数据产生。数据的这种增长和无处不在，让我们迎来了大数据时代，给我们带来了新的机遇和挑战。在这次中，我首先将谈论大数据回到计算机和存储系统面临的机遇和挑战，然后将介绍我所在的研究小组所提出的的最新解决方法。

　　美国佛罗里达大学工程学院电子与计算机工程系教授，智能计算机体系结构设计实验室主任。 美国德克萨斯大学奥斯汀分校计算机工程博士。曾获Yahoo！重大研究计划挑战、美国国家科学基金会杰出青年教授（NSF CAREER Award）等多项荣誉。在高性能计算机体系结构、 高效／可靠／低功耗微处理器及存储系统等诸多领域取得了多项开创性。在著名的国际期刊和计算机体系结构类一级国际会议 ISCA等发表论文120余篇，同时还获得10多项美国及中国发明专利。

　　数据存储系统和架构在社会信息技术发挥着至关重要的作用。这个几十年前建立的基础正在面临着巨大的挑战。功率和不断降低的半导体稳定性使得技术扩展越来越难，但是向云计算、虚拟化和大数据分析方向的转变对传统架构提出了可靠性和可用性的要求。与此同时，有一些新兴的技术和应用在以后却有可能改变这种现象。通过探索新的概念、机制和实现，我们可以构建新的大量内存和存储架构。在这个短暂的中，我将从设备技术方面直到新兴应用，讲述大数据时代的下一代非易失存储器的机遇和挑战。

　　上海交通大学教授、博士生导师，CCF杰出会员、杰出者，ACM/IEEE高级会员。主要研究方向为系统软件与系统结构。入选2014年国家“万人计划”青年拔尖人才计划，获得2011年全国优秀博士学位论文、2015年CCF青年科学家。目前担任ACM SOSP 2017年大会、ACM APSys指导委员会、《软件学报》责任编辑、《ACM Transactions on StoraGE》编委等。多次担任SOSP等国际著名学术会议程序委员会委员。在SOSP等著名学术会议与IEEE TC等著名学术期刊等表60余篇学术论文。

　　内存计算能够提供1000倍的数据访问速度，这是的加快数据交换处理速度变得更有可能了。在这次中，我将介绍我们在每秒数百万交易规模下提供快速内存方面的研究工作。具体来说，就是我们如何利用先进的硬件（如HTM,RDMA）功能来提供单节点和分布式内存的事物和查询处理，如果改变操作系统和处理器的架构来简化和改进内存中的事物处理，以及如何根据需要调整并发控制协议。

　　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，中国计算机学会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》、《计算机研究与发展》等期刊编委；主要研究领域为网络（/云/大数据）存储系统、新型NVM存储系统与技术、存储可靠性与安全、并行/分布式处理技术等，相关发表在包括FAST等重要国际学术会议和IEEE/ACM Trans.等权威期刊上；获国家科技进步二等和国家发明技术二等各一次，部级科技一、二等三次。

　　近年来，闪存技术逐渐成熟并得到广泛部署，且一些新型非易失存储器件如3D XPoint、PCM等也得到相当的发展。然而，闪存及其他新型非易失存储器件与传统的磁盘和DRAM都有着相当大的差异，例如在易失性、寿命、读写性能、寻址、存储密度等方面表现出不相同的特征。现有的存储系统软件层次均面向磁盘和DRAM设计，并不能充分发挥非易失存储器件的特性，甚至可能严重影响非易失存储器件的寿命与性能。本报告将分别阐述面向闪存的外存系统构建和面向字节寻址非易失内存系统构建中系统软件层次面临的相关问题、机遇与挑战，并分别阐述其现有存储系统软件层的一些研究进展，包括文件系统、IO径优化、编程模型或接口以及分布式文件系统中的网络协议等方面。

　　这些内容是不是很令人期待呢？是不是已经想报名参加了呢？此次，AI慕课学院将再一次联手CCF，推出本次课程的网上视频版。对本次活动感兴趣的童鞋们除了能够在线观看本次课程之外，还可以反复回放复习大牛们的!

　　CCF ADL 78 深度学习讲习班回顾：这几个大热领域的算法到应用，8位学术大牛带你掌握人工智能前沿技术