面向新基建的计算机系统结构——揭示存算网的新融合

华中科技大学教授，CCF杰出会员、ACM和IEEE高级会员，CCF和ACM的杰出演讲者。曾在加拿大麦吉尔大学，美国内布拉斯加大学林肯分校做博士后研究工作。研究方向是新型存储器件、云存储系统、非易失存储系统等。主持和参加国家重点研发计划、973、863重大、国家自然科学基金、教育部创新团队等项目，在OSDI、MICRO、FAST、USENIX ATC、SC、ACM ToS、IEEE TPDS/TCAD/TC等会议和期刊上发表150多篇学术论文，出版专著一部。在ACM APSys 2019和IEEE NAS 2019会议担任程序共同主席，OSDI、FAST、USENIX ATC、ASPLOS、ISCA、MICRO、HPCA、SC、EuroSys等学术会议上担任程序委员(PC或ERC)。研究成果获得2018年湖北省科技进步一等奖和2011年中国电子学会信息科学技术二等奖。

清华大学软件学院副教授、博导，主要研究移动云计算及新型网络协议。主持国家自然科学基金优青和面上项目、CCF-腾讯犀牛鸟基金科研和创新项目、北京信息科学与技术国家研究中心青年创新基金项目等。已发表论文90余篇、他引1600余次，四次登上国内外重要期刊封面《中国科学：信息科学》《中国计算机学会通讯》《IEEE云计算汇刊》《清华学报》，多项研究成果被百度、腾讯、小米等公司实际采用，受益用户过亿。曾获得2009年中国大学出版社图书奖一等奖、2015年中国人工智能学会优秀博士论文奖、2015年教育部自然科学一等奖、2016年CCF-腾讯犀牛鸟科研优秀奖、2017年ACM多媒体系统年会(MMSys)最佳学生论文奖、2019年清华学报高被引优秀论文奖、2019年ACM移动计算年会(MobiCom)最佳系统演示奖等。

演讲题目：移动模拟器的创新设计与工业应用 

摘要：移动模拟器在移动操作系统(Android和iOS)及其应用的研发、测试、调试、自动化部署、跨平台执行方面具备基础性支撑作用。过去的20年里，伴随云计算和虚拟化技术的发展，移动模拟器的核心架构经历了从动态二进制翻译(QEMU)、全虚拟化(VirtualBox)、类半虚拟化(Xen)、硬件辅助虚拟化(Intel-VT)到操作系统虚拟化（Windows上的Linux子系统）的代际变迁。每一次核心架构的升级，都进一步缩小了移动模拟器和宿主机之间的性能差距，同时又可能损失兼容性和安全性，总的来说对于复杂多样的模拟需求“没有银弹”。从2017到2020，我们和腾讯公司多个团队密切合作，研发出匹配各种（极端）需求的移动模拟器产品，包括和腾讯安天实验室联合研发的基于动态二进制翻译的“物联网蜜罐云”，和腾讯应用市场联合研发的基于全虚拟化的“悬浮窗医生”和“API医生”，以及和腾讯游戏部门联合研发的基于操作系统虚拟化的“手游助手”。本次报告期待与大家交流分享这一系列实用模拟器产品中的创新设计和运维经验。 

清华大学计算机系副教授、博士生导师。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、USENIX ATC、ASPLOS、EuroSys、SC、VLDB、DAC等国际顶级会议以及ACM ToS、IEEE TC、TPDS等国际顶级期刊上发表论文20余篇。以第一作者在存储领域最高水平会议FAST 2013和FAST 2014上连续发表论文，并获得IEEE NVMSA 2014大会最佳论文奖和MSST 2015最佳论文提名奖。曾获得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（第2完成人），并入选首届中国科协青年人才托举工程。

演讲题目：闪存存储重构与系统设计

摘要：闪存带来了存储系统的颠覆性革新需求。由于磁盘作为外存的主要设备已经历70余年，现有的存储系统过多地针对磁盘特性进行设计与优化，难以发挥闪存的优势。本报告基于过去十年的探索，汇报软件直管闪存新架构及存储系统软件新设计。首先探讨面向闪存的存储系统在存储结构上的变革，介绍基于裸闪存设备（也被称为Open-Channel SSD）的软件直管闪存结构。接着从文件系统存储管理、命名空间管理及并发感知的数据布局等多个方面介绍闪存文件系统的研究进展。最后，介绍分布式闪存存储系统的设计，并总结基于闪存的存储系统设计中的机遇与难点。 

阿里巴巴达摩院数据库与存储实验室Research Scientist。分别于2014年和2019年在华中科技大学获得学士和博士学位。主要研究领域为云存储系统、安全数据库等。在FAST、USENIX ATC、DAC、SoCC、MSST、TPDS等国际会议和期刊上发表多篇论文。在MSST’20等会议上担任程序委员，TPDS、TOS、JCN等多个期刊担任审稿人。

演讲题目：HotRing: A Hotspot-Aware In-Memory Key-Value Store

摘要： In-memory key-value stores (KVSes) are widely used to cache hot data, in order to solve the hotspot issue in disk-based storage or distributed systems. The hotspot issue inside in-memory KVSes is however being overlooked. Due to the recent trend that hotspot issue becomes more serious, the lack of hotspot-awareness in existing KVSes make them poorly performed and unreliable on highly skewed workloads. In this paper, we explore hotspot-aware designs for in-memory index structures in KVSes. We first analyze the potential benefits from ideal hotspot-aware indexes, and discuss challenges (i.e., hotspot shift and concurrent access issues) in effectively leveraging hotspot-awareness. Based on these insights, we propose a novel hotspot-aware KVS, named HotRing, that is optimized for massively concurrent accesses to a small portion of items. HotRing is based on an ordered-ring hash index structure, which provides fast access to hot items by moving head pointers closer to them. It also applies a lightweight strategy to detect hotspot shifts at run-time. HotRing comprehensively adopts lock-free structures in its design, for both common operations (i.e., read, update) and HotRing-specific operations (i.e., hotspot shift detection, head pointer movement and ordered-ring rehash), so that massively concurrent requests can better leverage multi-core architectures. The extensive experiments show that our approach is able to achieve 2.58× improvement compared to other in-memory KVSes on highly skewed workloads.