持久性内存存储与系统

NCIS

论坛主席：

刘铎（重庆大学）     陈世敏（中国科学院计算所）

论坛主席简介：

刘铎，重庆大学“弘深优秀学者”，博士生导师。入选教育部青年长江学者、重庆市杰出青年基金获得者、重庆英才计划青年拔尖人才。于2012年在香港理工大学获得博士学位。主要从事新型存储体系结构与智能存储系统、嵌入式系统、新型计算架构与分布式系统等方面研究。先后在IEEE Trans. On TC、TPDS、TCAD等国际期刊及DAC、DATE、ICCD、EMSOFT等国际会议发表学术论文100余篇，谷歌学术他引1788次，H-index指数为25；作为发明人申请发明专利29项，已授权17项；作为项目负责人主持国家级重点项目、国家自然科学基金及省部级项目10余项。学术服务方面，担任SCI国际期刊《Journal of System Architecture》编委（Associate Editor），以及DAC、IPDPS、ICPP等多个国际会议TPC委员。担任重庆市第五届青联委员、中国计算机学会高级会员、中国计算机学会青年计算机科技论坛（CCF YOCSEF重庆）主席（2016-2018年度）、信息存储技术专委会常务委员、嵌入式系统专委会委员，ACM SIGBED China常务委员、ACM SIGHPC China委员，重庆计算机学会高性能计算专委会秘书长等。获得重庆市科技进步三等奖一项（排名第一），重庆大学先进工作者，重庆大学首批“百人计划”青年学者；获得重庆市第八批高校中青年骨干教师、重庆市学术技术带头人后备人选等称号。

陈世敏，中科院计算所研究员，在清华大学计算机系获学士和硕士学位，在美国Carnegie Mellon University获得计算机科学博士学位。主要研究方向为数据库系统和大数据处理。论文发表在包括SIGMOD, ISCA, VLDB, ASPLOS, ICDE, CIDR等顶级国际会议和ACM TODS, IEEE TKDE等顶级国际期刊，并获得ICDE’04 Best Paper，SIGMOD’01 Runner-up Best Paper，和2008年体系结构国际会议年度顶级论文奖（Top Picks’08）。担任PVLDB 2017，ICDE 2018，ICDCS 2016，CIKM 2014等会议的PC Area Chair，长期担任大数据新硬件技术的主要Workshop HardBD 的Co-Chair。在中国科学院大学担任岗位教授，讲授研究生“大数据系统与大规模数据分析”课程和本科“数据库系统”课程。

论坛议程：

报告及嘉宾简介：

报告1：

嘉宾简介：谢长生，华中科技大学“华中卓越学者”特聘教授，信息存储系统教育部重点实验室首任主任，2007-2017年期间任武汉光电国家实验室副主任。长期从事信息存储领域的科研和教学工作，主持了多项国家自然科学重点基金和一批面上基金、多项973项目课题和863重大专项等课题。目前的研究领域为新一代光存储技术，磁光电融合存储系统，非易失存储，新型超高密度存储技术以及计算机系统结构。研究成果曾获国际发明金奖、国家发明奖和省部级奖。在国内外重要会议和学术期刊上发表200余篇学术论文，出版教材和专著4部。拥有国家发明专利100余项，技术成果成功向企业转移，产生了较大的经济和社会效益。重视与国内大型骨干企业合作，对我国存储产业的起步和发展起到了积极的推动作用。谢长生教授被评为教育部优秀骨干教师，在信息存储领域培养了大量高层次人才，其中不少人成为国内外知名大学的教授和国内外知名企业的技术骨干。

报告题目： 从三个视角看非易失存储器

报告摘要：非易失存储器的蓬勃发展是近年来计算机系统变革的重要因素。NAND Flash的出现已经完全改变了海量存储的格局，其后出现的多种非易失存储器正在模糊内外存边界，成为计算机系统结构创新的主要驱动力之一。本讲演从三个视角对非易失存储器进行观察与思考，以期得到一些基础性和方向性的认识。第一个视角是香农视角，将其创立的信息通讯理论向时间维度扩展为信息存储理论，利用建立的具有噪声的时间信道模型对非易失存储器的性能特性进行梳理。第二个视角是图灵视角，以形象思维的方式看图灵机模型对存储的需求，并从性能平衡的角度分析非易失存储器对计算机系统结构变革带来的影响。第三个视角是自然视角（或者称上帝视角），通过窥视和借鉴大脑和生物系统原理，希望对基于非易失存储器的系统结构变革和创新带来启示。

报告2：

嘉宾简介：罗庆，中国科学院微电子研究所副研究员,主要研究方向为新型存储器。在nature communication、IEDM、VLSI、IEEE EDL等期刊会议上发表论文50余篇，其中第一/通信作者发表IEDM/VLSI论文8篇、IEEE EDL/TED论文5篇。获授权中国专利10项，美国专利4项。获中国科学院杰出科技成就奖（2018），中国电子信息科技创新团队奖（2019）。获国家自然科学基金优秀青年科学基金项目（2019）。

报告题目： HfO2基铁电存储器

报告摘要：铁电存储器具有高速、低功耗、高可靠性的优点，成为下一代非挥发性存储器的有力竞争者之一。然而传统铁电材料与标准CMOS工艺兼容性差问题和尺寸微缩难的问题制约着铁电存储器的发展。HfO2基铁电材料的发现，开启了铁电存储器研究的新时代。本报告将围绕HfO2基铁电存储器展开，介绍HfO2基铁电的起源、铁电性的优化和HfO2铁电存储器的应用。

报告3：

嘉宾简介：谭玉娟，博士，重庆大学教授，博士生导师。主要研究兴趣包括新型非易失性存储、分布式存储，缓存管理优化、重复数据删除技术等。近年来主要围绕非易失性存储系统，在混合内存架构、多级缓存管理、以及文件系统等方面开展研究工作。承担或参与了多项国家级重点项目和重点项目子课题，国家自然科学基金面上项目和青年项目、重庆市科委重大项目和基金项目等。研究成果发表在IPDPS、MSST、DATE、DAC、FAST等多个国际会议和期刊。谭玉娟博士毕业于华中科技大学计算机系统结构专业，先后在美国内布拉斯加州林肯大学和德州大学阿林顿分校进行访问交流，是CCF信息存储技术专业委员会委员。

报告题目： 多级混合存储与缓存管理优化

报告摘要：随着数据量的暴增，现代应用程序对内存容量的需求越来越大，传统单一的DRAM介质难以满足内存需求，DRAM与新型NVM介质混合被视为扩大内存容量的一种有效方式。然而，面对DRAM和NVM各自不同的特性，如何在混合内存架构下对内存页面进行布局，以充分发挥两类不同介质的优势，是混合内存管理需要解决的难题。此外，随着内存容量的增大，内存的地址空间急剧扩大，如何在扩大的内存地址空间下依然保持CPU缓存的高效性，也是混合内存应用需要解决的实际问题。本报告将围绕DRAM和NVM的混合内存架构，介绍近期在混合内存管理和缓存管理优化这两方面的工作。

报告4：

嘉宾简介：陈海波，上海交通大学特聘教授、并行与分布式系统研究所所长、领域操作系统教育部工程研究中心主任、国家杰出青年基金获得者、ACM杰出科学家。主要研究领域为操作系统和系统安全。曾获教育部技术发明一等奖、中国青年科技奖、上海交通大学校长奖、CCF青年科学家奖、全国优秀博士学位论文奖等。目前担任ACM ChinaSys主席、中国计算机学会系统软件专委会副主任、ACM旗舰杂志《Communications of the ACM》中国首位编委与Special Sections领域共同主席、《ACM Transactions on Storage》编委。曾任ACM SOSP 2017年大会共同主席、ACM CCS 2018系统安全领域主席、ACM SIGSAC奖励委员会委员。按照csrankings.org的统计，其在操作系统领域近5年（2015-2020）发表的高水平会议（SOSP/OSDI, EuroSys, Usenix ATC和FAST）论文数居世界并列第一，并获得ASPLOS、EuroSys、VEE、ICPP等学术会议的最佳论文奖。

报告题目： 基于非易失内存与RDMA的低时延分布式事务分析与处理

报告摘要：新型硬件如非易失内存与RDMA的时延已经从毫秒级走向微妙级，并且向纳秒级演讲。另一方面，新型应用如互联网金融、社交分析等均依赖分布式事务分析与处理，且对时延的要求逐步从秒级走进毫秒乃至微秒级。在该报告中，我将简要介绍近期上海交通大学IPADS团队在基于非易失内存与RDMA的分布式事务分析与处理的一系列研究，以及在事务分析与处理融合的系统设计，将当前分布式事务分析与处理的应用时延降低超过一个数量级，最后我将通过实验分析介绍如何更好将非易失内存与RDMA更好的融合以更高效的支持分布式事务分析与处理。

报告5：

嘉宾简介：蒋德钧，博士，中科院计算所副研究员，博士生导师。主要研究兴趣包括存储系统软件与体系结构，操作系统，分布式系统等。近年来围绕基于新型硬件的键值数据库、文件系统和操作系统，分布式存储系统等开展研究工作。在ATC, MSST, PACT, TACO等国际会议与期刊上发表论文二十余篇，研究成果累计引用次数百余次。承担或参与多项国家重点研发计划项目，863 项目子课题，国家青年科学基金项目，人社部留学人员科技活动优秀项目等。在北京航空航天大学获得学士学位，在清华大学获得硕士学位，在荷兰阿姆斯特丹 Vrije Universiteit 获得计算机科学博士学位。蒋德钧博士是CCF信息存储技术专业委员会委员、CCF高性能计算专业委员会委员，中国科学院青年创新促进会成员。

报告题目： 面向混合存储架构的键值数据库机遇与挑战

报告摘要：键值数据库应用非常广泛，传统的内存键值数据库，例如memcached，Redis，有数据丢失的风险，而基于磁盘的键值数据库，例如RocksDB，读写性能又受限于慢速磁盘。近年来，以Intel傲腾持久化内存为代表的新型存储硬件，既提供了接近内存的读写延迟，又能持久化保存数据，为键值数据库带来新的机遇和挑战。本报告将围绕持久化内存和DRAM、SSD组成的混合存储架构，以及键值数据库面临的长尾延迟、性能抖动等问题，介绍我们近期的工作，包括新型索引机制、可控垃圾回收、差异化IO通路等技术。

报告6：

嘉宾简介：左鹏飞博士，现就职于华为云存储创新实验室。分别于2014年和2019年在华中科技大学获得学士和博士学位，于2018-2019年在加州大学圣巴巴拉分校联合培养。主要研究领域为内存和存储系统，在OSDI、MICRO、ASPLOS、USENIX ATC、SoCC、IPDPS、ICDCS等国际会议和期刊上发表论文30余篇，研究成果获得NVMW’19 Memorable Paper Award提名。博士毕业论文获得2020年ACM中国优博奖（每年全中国仅两名）、ACM Chinasys优博奖和CCF优博提名奖。服务于ICDCS’21、Cloud’21、ICPADS’20、CloudCom’20等多个会议的PC Member。

报告题目： One-sided RDMA-Conscious Extendible Hashing for Disaggregated Memory

报告摘要：Memory disaggregation is a promising technique in datacenters with the benefit of improving resource utilization, failure isolation, and elasticity. Distributed hashing indexes have been widely used in memory systems to provide fast lookup services. However, traditional distributed in-memory hashing indexes become inefficient in disaggregated memory since the compute power in the disaggregated memory pool is too weak to execute complex index requests. To provide efficient indexing services in disaggregated memory, this paper proposes RACE hashing, a one-sided RDMA-Conscious Extendible hashing index with lock-free remote concurrency control and efficient remote resizing. RACE hashing enables all index operations to be efficiently executed by using only one-sided RDMA verbs without involving any compute resource in the memory pool. To support remote concurrent access with high performance, RACE hashing leverages a lock-free remote concurrency control scheme to enable different clients to concurrently operate the same hashing index in the memory pool in a lock-free way. To resize the hash table with low overheads, RACE hashing leverages an extendible remote resizing scheme to reduce extra RDMA access caused by extendible resizing and allow concurrent request execution during resizing. Extensive experimental results demonstrate that RACE hashing outperforms state-of-the-art distributed in-memory hashing indexes by 1.4~13.7X in YCSB hybrid workloads.