【学术动态】
博士生李茗畦的论文被会议ICDCS 2026录用
随着分布式数据分析应用的快速发展，分布式数据分析集群被广泛用于处理和存储海量数据。为了降低大规模集群中的存储冗余开销，纠删码被广泛应用以替代传统的多副本机制同时提供相同的容错能力，但是引入了高修复开销。现有研究普遍认为网络传输是纠删码修复过程的主要瓶颈，因此重点优化修复带宽和数据传输路径，但这一假设在分布式数据分析集群中并不总是成立。论文通过对 Spark 集群的测量和分析发现，在 K-means、OLAP 查询...
毕业生明章强博士的论文被期刊TACO录用
跨节点部署的数据并行深度神经网络（DNN）训练系统已广泛应用于大模型训练场景，而多节点间梯度同步的通信开销，是限制系统训练性能的主要瓶颈。Top-k稀疏化压缩是缓解通信瓶颈的主流高效方法，但传统Top-k算法存在显著性能缺陷，制约了模型训练效果与系统吞吐量。传统Top-k算法存在两大核心问题：一是DNN各层梯度为多维张量，算法筛选的最大k个梯度元素仅集中在部分维度，存在严重的维度缺失问题，丢失大量维度信息，造成模型...
硕士生顿时等的论文被会议IWQoS 2026录用
在高错误率网络中，传统的帧复制和删除（Frame Replication and Elimination for Reliability, FRER）协议存在关联帧同时丢失和非预期数据帧消除问题，导致数据传输可靠性和服务质量下降。华中科技大学信息存储及应用实验室硕士生顿时（第一作者）、博士生干创、硕士生龙天云等同学，在胡燏翀教授、冯丹教授的联合指导下，提出CodedFRER：1）将纠删码编码生成的校验帧与副本帧混合传输；2）利用中继节点提前解码降低接收节点解...
博士生陈梦雷和硕士生王一枭的论文被国际学术会议DAC 2026录...
在线事务处理（OLTP）系统广泛支撑着电子商务等关键应用，尽管现代事务处理系统将数据全量存储在内存中以消除磁盘I/O瓶颈，其性能仍然受制于内存带宽，大量细粒度的随机读写操作导致内存访问成为主要性能瓶颈。存内处理（PIM）架构虽能提供高聚合带宽，但在实际事务处理中面临负载不均衡和DPU间数据传输开销高等挑战。为了克服上述问题，实验室博士生陈梦雷、硕士生王一枭（共同一作），在华宇教授的指导下，提出了一种面向真实...
硕士生魏攀悦的论文被会议DCC 2026录用
数据压缩是降低存储成本、提升数据传输效率的重要基础技术。上下文混合压缩算法（Context Mixing, CM）能够通过精细的预测建模获得极高压缩比，但其在CPU平台上的吞吐率较低。以LPAQ为代表的CM压缩算法需要逐bit完成预测、混合和编码，且依赖离散的哈希状态访问，导致难以持续发挥SIMD并行能力，也难以随着线程数增加获得接近线性的吞吐扩展。针对上述问题，华中科技大学信息存储及应用实验室硕士生魏攀悦（第一作者）及朱蔚霖...
博士生刘飞帆的论文被会议DAC 2026录用
大型语言模型的分布式推理服务常常会出现负载不均衡问题，因此前缀 KV 缓存被广泛用于提升推理效率。当前关于负载均衡的前沿研究主要集中在热点缓存副本机制上，但这种方式会导致缓存副本数量有限，依然引发严重的节点负载不均，进而拉高推理延迟。实验室博士生刘飞帆在胡燏翀老师的指导下，共同提出了一种基于纠删码的前缀 KV 缓存框架ECPrefix。该框架通过将热点前缀缓存编码为分块并分散存储到多个节点，替代传统副本策略以...
博士生郭柯磊的论文被会议SIGMOD 2026录用
随着Transformer架构发展，大规模推荐模型（LRM）已广泛应用于实际业务。这类系统既要处理海量用户行为序列，又会产生大量KV缓存，给底层存储带来点读、范围扫描、低延迟读取和高效写入等混合负载挑战。现有存储系统难以同时满足性能、成本与在线服务稳定性要求，已成为制约相关应用发展的关键瓶颈。实验室博士生郭柯磊在方鹏博士后、王芳教授、冯丹教授指导下，联合字节跳动公司提出面向大规模推荐模型全生命周期的统一存储...
硕士生丁峥尧的论文被会议DAC 2026录用
随着闪存固态硬盘的存储单元密度和层数的增加，数据读取面临原始误码率不断攀升的问题。现有的基于低密度奇偶校验码（Low-Density Parity-Check Code，LPDC）的纠错码采用低码率或码率调整方案，面临高昂校验数据开销和跨页访问成本，难以兼顾冗余开销、读取性能和数据可靠性。华中科技大学信息存储及应用实验室硕士生丁峥尧（第一作者）、硕士生王鼎鑫等，在李晓露讲师等的指导下，提出COLA框架：（1）基于码字故障感知的重读...
博士生张望的论文被期刊ACM TACO录用
异构对象存储（HOS）系统作为人工智能、大数据应用的核心存储支撑，通过整合NVMe SSD、HDD等不同性能等级存储设备实现成本与性能的平衡，已成为云存储领域主流架构。然而，设备间巨大性能差距与请求动态访问模式，导致传统副本选择与请求调度策略难以应对。现有方案多忽视设备异构特性与跨设备空间依赖（如性能耦合、干扰效应），易造成局部拥堵扩散为系统性瓶颈，引发服务级目标（SLO）违例，严重影响上层应用可靠性。图1 STGr...
博士生张望的论文被期刊IEEE TPDS录用
分布式存储系统作为人工智能、大数据技术的核心支撑，其性能直接影响上层应用效率。随着存储集群规模扩大、架构日趋复杂，系统可调参数迅猛增长且交互复杂。加之工作负载动态多变，传统调优方案面临三大难题：参数空间探索不充分、调优速度与稳定性难以平衡、跨集群知识无法复用，严重制约系统扩展性与响应速度。图1 KGQW架构图针对这一问题，信息存储系统教育部重点实验室博士生张望在施展副教授的指导下，提出了一个框架KGQW...
分享文章