专题导读：大数据的系统结构

专题导读

随着大数据处理从粗放走向集约，性能、成本、功耗等多方面的约束为面向数据的系统结构设计提供了新的维度。一方面，众核CPU、新型存储器件、开源硬件等的出现为面向大数据的系统结构提供了新的机 会；另一方面，新型应用对时延、吞吐等方面要求的不断提升对大数据的系统结构提出了新的挑战。本专题汇集了国内活跃在一线的系统结构研究者的5篇文章，从大数据处理的并发索引结构、分布式查询框架、大数据存储系统、大数据访存分析和开源硬件等多个角度，探讨面向大数据的 系统结构的新思路、新机遇与新挑战，希望能引起读者兴趣，推动相关领域的研究与实践。严赵峰与张为华撰写的《面向大数据 的索引结构研究进展》分析了数据存储体量的增加和应用对性能要求的提高给并发索引结构带来的挑战。从技术角度探讨了如何设计高效易用的并发控制策略与提升并发索引结构性能，并提出了利用新型硬件设计新的并发索引结构的方法。柯学翰与陈榕撰写的《基于图查询系统的图计算引擎》指出：尽管在实际应用中面向大数据的图查询与图计算系统是相互耦合的，但在当前研究中对两者的研究很多情况下是相互独立的，故而不能较好地发挥出数据与计算状态互联互通带来的效果。为此，该论文介绍了如何基于图查询系统设计一种图计算引擎，从而在单一系统中支持查询与计算操作，并通过一系列优化， 达到了较好的性能。陈游旻、李飞与舒继武撰写的《大数据环境下的存储系统构建：挑战、方法和趋势》指出：大数据不止更“大”，而且要更 “快”。论文分析了新型存储介质带来的机遇与挑战，从闪存存储与持久性存储两种存储系统的构建方案出发，阐述了其各自面临的挑战，并总结了现有方案以及未来发展趋势。李作骏等人撰写的《一种软硬件结合的 大数据访存踪迹收集分析工具集》指出了内存计算时代访存行为分析的重要性，并对当前访问行为分析工具存在的不足进行了阐述。基于这些分析，论文提出了一种软硬件 结合的大数据访存踪迹收集分析工具集， 通过硬件在线收集基本访存踪迹，并结合软件信息同步及离线标注的方式，为大数据提供高性能、高保真的访存分析与收集工具。王诲喆等人撰写的《开源芯片、RISC-V 与敏捷开发》指出：随着摩尔定律几乎失效，传统通用芯片开发策略难以持续，而当前芯片开发的高门槛限制了面向大数据等领域专用芯片的设计。论文介绍了开源芯片的发展历史及降低芯片开发门槛的作用，并对RISC-V指令集架构的特点进行了分析，分享了在前端设计中的敏捷开发实践，并对芯片开发的新发展与不足进行了讨论。本专题由于篇幅有限，不能涵盖面向大数据的系统结构的方方面面，希望通过阐述大数据系统结构面临的机遇与挑战，引起各界的关注和进一步研究，并推动其在多个行业中推广应用。

客座编辑

陈海波（1982- ），男，上海交通大学教授，博士生导师，主要研究方向为操作系统与并行分布式系统。获得2018年教育部技术发明奖一等奖，入选2014年国家“万人计划”青年拔尖人才计划，获得2011年全国优秀博士学位论文奖、2015年CCF青年科学家奖、2017年CCF NASAC-东软青年软件创新奖。目前担任ACM SIGOPS ChinaSys主席、ACMAPSys指导委员会主席、Communications of the ACM编委与Special Sections联合主席、ACMTransactions on Storage编委。曾任ACM SOSP 2017年大会主席、ACM CCS 2018系统安全领域主席、ACM SIGSAC奖励委员会委员。研究工作曾获得华为最高个人贡献奖、GoogleFaculty Research Award、IBM X10 Innovation Award、NetApp Faculty Fellowship等企业奖励。兼任SOSP 2019、CCS 2019、NDSS 2020、IEEE S&P 2020、ASPLOS 2020等会议的程序委员会委员。

包云岗（1980- ），男，博士，中国科学院计算技术研究所研究员，计算机体系结构国家重点实验室教授，先进计算机系统研究中心主任，中国科学院大学岗位教授。担任中国计算机学会理事、普及工作委员会主任，中国科学院青年创新促进会理事。主要研究方向为计算机系统结构，主持研制多款达到国际先进水平的系统，在国际会议期刊发表了40余篇论文，相关技术在华为技术有限公司、阿里巴巴集团、英特尔公司等国内外企业应用，多次受邀担任ASPLOS、ISCA、MICRO、SC等国际会议的程序委员会委员。

《大数据》期刊

《大数据（Big Data Research，BDR）》双月刊是由中华人民共和国工业和信息化部主管，人民邮电出版社主办，中国计算机学会大数据专家委员会学术指导，北京信通传媒有限责任公司出版的中文科技核心期刊。

关注《大数据》期刊微信公众号，获取更多内容