计算机与软件工程专题：计算机架构与系统的评估指标与分析建模，服务器与协议的协同优化在程序性能提升中的应用研究

阅读 406

2024-03-27

　　开始日期: 2024-05-18

　　课时安排: 7周在线小组科研学习+5周不限时论文指导学习

　　适合人群

　　适合年级 (Grade): 高中生/大学生

　　适合专业 (Major): 计算机工程、软件工程、计算机科学、电子信息工程等领域或希望修读上述专业的学生

　　学生需要至少熟练掌握一门编程语言(Python优先)

　　建议选修: Python编程与数据处理

　　导师介绍

　　Osman

　　卡内基梅隆大学 (CMU)终身正教授

Osman

　　Osman导师现任是卡内基梅隆大学(CMU)计算机科学学院的终身正教授。此前他是CMU CyLab的博士后研究员。2011年秋季，他还在亚利桑那州立大学担任访问博士后学者。导师于2011年获得马里兰大学(University of Maryland at College Park, MD)的电气和计算机工程博士学位。导师的研究重点是计算系统的建模、分析和性能优化，并使用应用概率、网络科学、数据科学和机器学习的工具。在数据科学和机器学习的背景下，他正在研究使用顺序样本(例如，多臂机器人)的统计推断和决策，以及弹性分布式机器学习。在网络科学方面，他有广泛的兴趣，包括网络物理系统的健壮性，重点关注关键基础设施系统;安全可靠的大规模自组织网络设计，日益关注物联网的新兴应用;以及复杂网络中的传染过程，重点关注病毒、(错误)信息和意见传播的建模、分析和控制。导师是IEEE的高级成员，CIT院长早期职业奖学金获得者，IBM学术奖获得者，以及ICC 2021和IPSN 2022的最佳论文奖获得者。

　　Osman is a Full Research Professor of Electrical and Computer Engineering (ECE) at Carnegie Mellon University (CMU). Prior to joining the faculty of the ECE department in August 2013, he was a Postdoctoral Research Fellow in CyLab at CMU. He has also held a visiting Postdoctoral Scholar position at Arizona State University during Fall 2011. Dr. Yağan received his Ph.D. degree in Electrical and Computer Engineering from the University of Maryland at College Park, MD in 2011, and his B.S. degree in Electrical and Electronics Engineering from the Middle East Technical University, Ankara (Turkey) in 2007. Dr. Yağan's research focuses on modeling, analysis, and performance optimization of computing systems, and uses tools from applied probability, network science, data science, and machine learning. In the context of data science and ML, he is working on statistical inference and decision making using sequential samples (e.g., multi-armed bandits), and resilient distributed machine learning. On the network science side, he has broad interests including robustness of cyber-physical systems with emphasis on critical infrastructure systems; secure and reliable design of large-scale ad-hoc networks with an increasing focus on emerging applications of Internet of Things; and contagion processes in complex networks with a focus on modeling, analysis, and control of spread of viruses, (mis)information, and opinions. Dr. Yağan is a senior member of IEEE, and a recipient of a CIT Dean's Early Career Fellowship, an IBM Academic Award, and best paper awards in ICC 2021 and IPSN 2022.

　　任职学校

　　卡内基梅隆大学(CMU)始建于1900年，是世界范围内颇负盛名的私立研究型大学，拥有世界历史最悠久的计算机学院之一，位列CSRankings排名世界第一，U.S. News计算机本科及硕士项目与斯坦福大学，麻省理工学院，加州大学伯克利分校并列全美第一。“截至2019年3月，学校的教员和校友中共有20人获得诺贝尔奖，13人获得图灵奖，22人获评美国艺术与科学院院士，19人进入美国科学促进会，72人入选美国国家学院。卡内基梅隆大学是美国四大计算机名校之一，连续多年问鼎全球计算机专业排名第一。

　　项目背景

　　性能评估(performance evaluation)是计算机体系结构的研发基础。当代的微处理器相当复杂，架构师们不可能仅凭直觉和简单的模型来进行系统设计。合适的性能评估方法对于引导研发过程的正确方向是至关重要的。然而，严格的性能评估绝非易事，因为性能的评估会涉及到多个方面，例如工作负载的选择、建模或仿真方法的选择，或者是，该如何运行模型、该使用什么意义的指标(metric)来解释结果。所有这些不同的方面都非常重要，任何严谨性的缺乏都可能会导致性能表现数据的不准确，并将可能最终把研究和发展推向错误的方向。本课程的目的在于对当下最新的计算机体系结构性能评估方法中的最新进展进行概述，尤其强调的是用于探索处理器架构的方法。

　　项目介绍

　　在设计计算机/软件系统时，人们通常受到某些性能要求的限制。例如，系统可能需要特定的响应时间或吞吐量。另一方面，人们通常有很多选择: 一个快盘，还是两个慢盘? 什么速度的CPU才足够? 我们应该把钱花在增加缓冲空间上，还是更快的处理器上? 哪种传输协议效果最好? 哪种任务分配策略最有效? 如何重新设计调度策略以提高系统性能? 这些问题的答案往往与直觉相反。理想情况下，人们希望在投入时间和金钱构建系统之前得到这些问题的答案。本课程将向学生介绍分析随机建模，目的是回答诸如上述问题。

　　In designing computer systems, one is usually constrained by certain performance requirements. For example, certain response times or throughput might be required of the system. On the other hand, one often has many choices: One fast disk, or two slow ones? What speed CPU will suffice? Should we invest our money in increasing buffer space, or a faster processor? Which migration policy will work best? Which task assignment policy will work best? How can we redesign the scheduling policy to improve the system performance? Often answers to these questions are counter intuitive. Ideally, one would like to have answers to these questions before investing the time and money to build a system. This class will introduce students to analytic stochastic modeling with the aim of answering questions such as those above.

　　项目大纲

　　排队系统 Introduction to Queuing Systems

　　计算机系统的运行法则 Operational/General Laws of Computing Systems

　　排队系统的优化方法 Modification Analysis and Comparison of Queueing Systems

　　服务器场的容量分配和任务分配策略 Capacity Provisioning and Task Assignment Policies for Server Farms

　　调度策略 Scheduling Policies and their comparison

　　学术研讨1：教授与各组学生探讨并评估个性化研究课题可行性，帮助学生明晰后续科研思路 Final Project Preparation Session I

　　学术研讨2：学生将在本周课前完成程序设计原型(prototype)及伪代码(Pseudocode)，教授将根据各组进度进行个性化指导，确保学生优质的终期课题产出 Final Project Preparation Session II

　　项目成果展示 Final Presentation

　　论文指导 Project Deliverables Tutoring

　　项目收获

　　7周在线小组科研学习+5周不限时论文指导学习共125课时