康奈爾科研課題：雲伺服器中的應用程序性能預測

天下 09-25

科研課題：雲伺服器中的應用程序性能預測

計算機體系架構（Computer Architecture）是一個研究計算機軟體與硬體介面及其協同設計與優化的學科。該學科連接了計算機底層硬體與上層操作系統與應用，為各種各樣軟體的高效運行提供基礎。在摩爾定律放緩的背景下，機器學習、區塊鏈、物聯網與雲計算等諸多應用為計算機體系架構的研究帶來了新的機遇與挑戰。高性能機器學習與區塊鏈專用晶元架構，低功耗物聯網設備和異構化數據中心的資源管理等都是目前學術界與工業界的熱門研究方向。另一方面，大數據與機器學習不僅受益於計算機體系架構的研究，也正逐漸開始流行，成為新的體系架構領域的研究方法。

數據中心是大型互聯網公司與雲服務提供商最重要的基礎設施。數以萬計的不同種類的應用程序在數據中心中運行，為各種網站和服務提供支持。據Amazon統計，網站每100毫秒的響應延時會導致約1%的銷售額虧損。因此，數據中心中應用程序的性能及其可預測性便成為大型互聯網公司和雲服務提供商考慮的首要目標之一。

提高應用程序在數據中心的運行性能與性能的可預測性有以下機遇與挑戰：

隨著伺服器的更新迭代，數據中心的異構化愈發嚴重。不同種類伺服器的CPU架構、存儲器、網路和I/O設備以及專用加速晶元都有所差異。如果能夠預測應用程序在不同平台上的性能表現，並將程序分配給在最優的平台，這將大大提高數據中心中資源的利用效率。然而同一程序在不同平台的性能表現可能截然不同，這使得如今異構化的數據中心裡程序性能預測變得尤為困難。

為了提高數據中心伺服器的使用率，互聯網公司或雲服務提供商會同時將不同程序調度在同一台伺服器上運行。運行在同一伺服器的不同進程會相互搶佔CPU、內存、I/O、網路帶寬等資源，因此大多數程序的運行性能相較單獨運行而言都會有不同程度的下降，且會變得更加難以預測。

本項目旨在運用機器學習的方法，基於伺服器中CPU性能監控單元的數據和硬體參數等數據預測運行在AWS公有雲上的應用性能。基於應用程序性能預測，我們可以得到應用程序最適合的平台，並找到程序限制程序性能的瓶頸。

相關學科

計算機體系摩爾定律區塊鏈

計算機人工智慧機器學習

應用數學統計學數據科學

導師：康奈爾大學電子與計算機工程博士

康奈爾大學電子與計算機工程博士

新南威爾士大學交流學者

清華大學電子工程學士

多次在國際頂級期刊會議如015 IEEE Global Communications Conference發表學術論文；

光華傑出獎學金獲得者

研

課題研究方法

AI＋X數據驅動型科研

AI＋X數據驅動型科研是指使用人工智慧（AI）演算法，收集、處理、分析具體學科（X）的海量數據，並基於此進行預測，從而獲得科學發現的研究方法。與傳統的、基於實驗或邏輯推理的研究方式相比，AI＋X數據驅動型科研可以藉助AI演算法強大的運算能力，高效地進行大數據分析，具有投入產出比高、適用範圍廣的優點。

AI＋X數據驅動型科研已被廣泛地應用於各個領域，利用AI演算法研究基因數據，從而進行早期的癌症篩查便是其中一例。基因組與癌症病患的數據千千萬萬，使用傳統的科研方式對其進行分析，工程量大、過程繁瑣，在客觀上難以實現。但藉助AI演算法這一便捷的工具，生命科學家便能夠以海量的患者的遺傳信息為基礎，建立資料庫，與過往的研究成果進行對照，快速、準確地在兩者中發現規律、建立聯繫，從而使癌症診斷的「標準化」成為可能。

整個科研教學流程中，每一位學員都將有學術督導協助保障研究階段性作業和論文的進度，確保取得研究成果。

獎

科研項目成果

成果1

獨一無二的課題成果

有方學者項目的導師會為每個學生提供獨一無二的課題，連接最前沿的科研方法和學生感興趣的學術方向，保證學生研究內容的差異性。

成果2

在英文期刊中發表學術論文

有方學者項目保證為學員在正規的英文學術期刊中發表論文。有方學者最優秀的學生，不但可以衝擊EI、SCI等高級別期刊，而且有機會參與全球頂級的學術會議。

成果3

第一作者身份

有方學者項目堅持幫助學生以第一作者身份發表論文。在申請過程中，第一作者順位恰恰是學生在科研項目中的參與程度的最佳證明。