邵子瑜课题组黄曦(博)2019年12月参加 GLOBECOM会议并做报告

发布时间:2020-01-06浏览次数:10683

2019129日至13日期间,IEEE全球通信大会(GLOBECOM,全称为Global Communications Conference)在美国夏威夷大岛召开。我和导师组内的另外两名同学(边思梦常益嘉)随同邵老师一同参加了该会议。此次我们课题组共有四篇论文被录用。作为论文的第一作者有幸在会上以口头报告的形式分享了我们的最新研究成果。

作为年度IEEE通信领域的两大旗舰会议之一,今年的全球通信大会以“革命性通信”为主题,涵盖了大数据、物联网、雾/边缘计算、云计算、认知无线电、移动计算等众多前沿研究领域,吸引了数千名来自世界各地的学者以及相关业界人士出席,并通过专题分会、领域教程、研习会以及行业论坛等多种形式分享和展示最新研究成果。

会议第一天(9日),我参加了当日的几个主题演讲和研习会,会上主要讨论并展望了人工智能特别是机器学习技术与前沿通信领域(如移动边缘(雾)计算和5G)的结合所带来的机遇与挑战,以及它们在发展边缘智能、通信系统的性能优化、安全等多个方面的最新研究成果。从中我不仅拓宽了自己的研究视野,同时为我今后的研究也带来了不少启发。

会议第二天(10日)下午,我在大数据(SAC-BD)专题研讨会上以口头报告的形式分享了我们近期题为《Dynamic Tuple Scheduling with Prediction for Data Stream Processing Systems》的最新研究成果。该工作聚焦于在近年来为开展大规模在线数据分析而被业界广泛采用的流式数据处理系统中,引入短期预测对于系统性能造成的根本性影响。在流式数据处理系统中,常常同时运行着大量的数据分析处理应用。每个应用一般被构建为一个有向无环图,图中的每一个节点代表着执行特定任务的处理单元,数据流会依据每一条有向边的方向,依次经过不同的处理单元从而完成流水线操作。在运行时,不同的处理单元实例会分布在不同服务器上的虚拟化容器中,而在处理单元实例的分布确定的情况下,数据流在不同单元实例之间的调度分配会给系统性能造成不同的影响。该研究工作探索了在有预测信息的情况下,如何对不同处理单元实例之间的数据流进行有效调度,在最小化通信开销的同时保证不同实例负载的稳定性。为了解决该问题,我们我们结合排队论以及优化控制技术提出了一套在线的并主动利用预测信息实现分布式数据流调度的机制。基于该机制,我们对预测性服务与在线控制给这类系统带来的性能影响展开了系统性的探索与评估。报告结束后,我在与听众们进行热烈讨论中还收获了一系列中肯而宝贵的建议。

会议第三天(11日)下午,我在下一代网络互联 (SAC-NGNI)专题研讨会上以口头报告的形式分享了我们近期题为《Online VNF Chaining and Scheduling with Prediction: Optimality and Trade-offs》的另一项工作。该文从近年来人工智能与网络优化技术相互结合的大背景出发,系统性地探索了在网络功能虚拟化系统中引入预测性调度对系统性能的根本性影响。特别地,此文关于对网络请求进行短期预测以及预服务的前提下,如何利用预测信息开展高效的网络服务功能串联(Service Function Chaining)和服务器资源调度以及利用该预测信息所能带来的根本性增益。为了解决该问题,我们在该研究工作中提出了一套服务功能串联以及服务器资源调度的在线协同优化机制。该机制能够主动利用预测信息以及系统动态信息,对网络请求进行动态的服务串联,并自适应地调整服务器的资源分配,在最小化通信、最大化能效的同时,保证系统内负载的稳定。基于该机制,该论文系统性地探索了在不同场景下预测信息与在线控制对系统性能的综合性影响,并总结出了一系列有趣的洞见与结论,为相关系统开辟了新的设计空间以及优化视角。报告结束后,我收获了来自听众的积极反馈,在针对他们的问题进行逐一解答的过程中,对自己的工作产生了新的思考。

会议后两天(12日-13日),我课题组的两名同学还参与了其它的专题研讨会、海报展示、以及行业论坛。在学习多方最新研究成果的同时,还了解到了工业界在相关领域的最新动态。在此期间,我与来自世界各地的研究人员进行了愉快的交流,在拓展眼界的同时还结识了一帮同为相关研究领域的博士生好友。空余时间里,我还充分体验了夏威夷的风土人情,品尝当地美食,对独特的夏威夷文化有了更近一步的了解。最后,我要由衷感谢导师对于我研究工作的悉心指导以及对此次与会的大力支持。


图1:大会迎宾板前留影


图2:在大数据专题研讨会上分享研究工作

图3:在下一代网络互联专题研讨会上分享研究成果