智能计算时代的一体化网络技术 | YEF2021技术论坛

清华大学计算机系特别研究员、博士生导师，博士毕业于清华大学计算机系。主要研究方向是非易失性存储、文件系统及分布式存储等，在FAST、OSDI、USENIX ATC、ASPLOS等国际顶级会议期刊上发表论文30余篇，获得IEEE NVMSA 2014大会最佳论文奖和MSST 2015最佳论文提名奖。曾获中国计算机学会优秀博士学位论文奖、ACM中国操作系统分会新星奖、教育部技术发明一等奖、中国计算机学会技术发明一等奖等，入选首届中国科协青年人才托举工程、国家自然科学基金优青资助。

报告题目：高速存储与网络协同设计探索

摘要：非易失内存(Non-Volatile Memory)的发展为内存级别构建持久性内存系统提供了新机遇。持久内存提供了低延迟的数据持久化，网络的发展提供了低延迟的数据传输和可编程的处理能力，如何协同两者设计是分布式存储系统中的重要问题。本报告主要汇报本课题组在高速网络与存储协同设计的两个主要工作：一是基于NVM与RDMA构建分布式持久性内存系统的新机制设计，二是基于可编程交换机的缓存一致性协议设计，最后，探讨高速存储与网络在协同设计中的机遇与难点。

北京邮电大学副教授，博士毕业于清华大学计算机系，现任职于北京邮电大学计算机学院（国家示范性软件学院），担任网络与通信软件教研中心主任，在数据中心网络、智能边缘网络等领域开展多项基础研究，在ToN、JSAC、ICDCS、INFOCOM等网络方向期刊和会议上发表多篇文章，主持和参与了国家重点研发计划项目课题、多项国家自然科学基金项目、北京市自然科学基金重点专项等，著有《云计算与边缘计算中的网络管理》中英文学术专著各一部

报告题目：“存-传-管-控” 一体化智能网络

摘要：互联网在发展中演进，面临着来自存储、传输、计算、管理和控制等多方面的重大挑战，这对当前网络智能化的趋势提出了新的挑战。我们分析了互联网在“存-传-管-控”方面的最新现状，相应地提出了可能的解决思路。本报告将介绍边缘存储的热点预测、缓存替换，跨网联邦计算，和网络安全可控等方面的具体工作与成果。

南开大学软件学院助理教授，博士毕业于清华大学计算机系。主要从事智能运维方向(AIOps)的研究，包括搜索引擎、电商网站、视频直播等Web应用中的异常检测、异常定位、告警聚合收敛、故障定位分析等，发表相关论文10余篇。注重科研问题的实际应用价值，追求产学研结合的科研成果，主持或参与多家企业的项目合作（腾讯、阿里、华为、字节跳动、快手、虎牙等）。

报告题目：微服务内部的故障根因定位

摘要：目前越来越多的互联网应用采用基于微服务的云原生架构，因此微服务的稳定性对这些应用的服务质量至关重要。准确的故障根因定位可以协助运维人员快速确定故障，及时止损。目前，跨微服务故障根源定位已经得到广泛研究，但是如何在微服务内部定位故障根因尚未有较好的解决方法。我们提出了一种构建故障传播图(PCTS)结合随机游走算法(TCORW)的解决方案——Microcase，以期实现精确定位微服务中的根因指标；并基于某大型企业应用中的案例验证了其有效性。

北京理工大学网络空间安全学院副教授、博士生导师，博士毕业于清华大学计算机系，入选2020年北京市科技新星计划。美国麻省大学阿默斯特分校(UMass Amherst)访问学者。主要研究领域为数据安全与隐私保护、区块链技术与应用。主持国家重点研发计划课题、国家自然科学基金面上项目、北京市自然科学基金面上项目等10余项课题。已在ACM SIGCOMM、IEEE JSAC、IEEE TIFS 等本领域顶级国际期刊和会议上发表学术论文50余篇，以第一发明人获中国发明专利授权16项。现为中国计算机学会区块链专委会委员、互联网专委会委员。担任IEEE Network、IEEE IoTJ专刊客座编辑。获得北京市科技进步二等奖、中国电子学会优秀硕士学位论文指导教师奖、中国区块链技术年会最佳论文奖。

报告题目：新型区块链网络流量分析

摘要：以公有链为代表的新型区块链平台自诞生以来，种类不断增加、业务类型日益多样、交易规模持续攀升。新型区块链网络包含种类繁多的异构自治系统，网络拓扑复杂且动态性强、通信协议加密且存在混淆干扰，为网络流量分析和行为监测带来巨大挑战。本报告将分析新型区块链网络流量分析面临的难点与挑战，探讨网络流量分析的可行路径。

北京邮电大学副教授，博士毕业于清华大学计算机系，现任职于北京邮电大学信息与通信工程学院，在可编程网络数据平面、数据中心网络、卫星互联网等领域开展多项基础研究，在SIGCOMM、NSDI、CoNEXT、INFOCOM、ICNP、ICDCS、ToN、JSAC等网络方向期刊和会议上发表论文70 余篇，授权30多项国家发明专利。

报告题目：轻量级高精度带内全网遥测

摘要：随着网络规模和承载业务的日益复杂，传统基于SNMP的网络数据收集方法已无法应对网络测量的实时性需求，这给网络流量精细调度、网络故障快速运维带来挑战。另一方面，网络的自动化运维也深度依赖网络链路状态的实时采集以构建“反馈-动作”的控制闭环。我们在这里分享在带内网络遥测方面的研究经历，重点讨论如何降低高精度全网遥测的数据平面信令开销，如何减轻南向接口侧的网络数据采集带宽压力，如何开展 Overlay 网络或拓扑时变网络的实时测量，并探讨带内全网遥测在数据中心网络故障检测定位中的应用实践。

南开大学副教授，博士毕业于清华大学计算机系，获清华大学优秀博士学位论文。主持国家自然科学基金项目1项，中国博士后科学基金项目1项，横向项目5项。于2016年赴美国佐治亚理工学院访问，2018-2019年在阿里从事访问学者研究。担任CCF YOCSEF天津AC委员，互联网专委委员，ISSRE 19/20/21程序委员会委员。主要研究方向为智能运维。以一作或通讯发表论文20余篇（包括CCF A/B类论文十余篇）。获得ISSRE 2018最佳学术论文奖，入选“131”创新型人才培养工程。作为核心人员筹办了首届AIOps挑战赛和首届AIOps研讨会。

演讲题目：数据中心智能故障预测、诊断与溯源

摘要：故障已成为威胁数据中心稳定性和可靠性的主要因素。报告将分享四个内容：面向日志、指标和调用链等多模态数据的异常检测，准确、高效检测数据中心的异常；面向故障预测的影响分析，在故障发生前，准确、高效地推演海量告警的影响范围和持续时间；面向故障止损的定界诊断，在故障发生时，快速地定位到关键的故障节点并判断采取何种止损措施；面向故障规避的根因溯源，在故障发生后，确定导致故障的具体原因，避免此类故障再次发生。