4月9日-13日，第十三屆國際性能工程學大會（ICPE2022）在線召開，大會由國際計算機協會ACM和標準性能評估組織SPEC聯合舉辦,高效能服務器和存儲技術國家重點實驗室承辦。此次大會吸引了300余位專家、學者報名參與，共收到各類投稿290余篇，涉及AI建模及算法、算力提升、能效測量、新型計算架構、體系結構研究等多個主題。其中專業論文70余篇，包含優秀論文58篇，論文集收錄22篇。會議期間還舉辦了6場專題研討會，涵蓋基準測試、存儲管理、軟件開發等多個領域。
首次引入數據挑戰專題，評估數據算法優化對服務器性能的提升情況
相對于傳統應用來講，在云、邊、AI等新興領域，數據中心的首要性能挑戰主要來自不斷增長的數據規模，系統內的數據流動制約了大規模、超大規模系統計算的效能，提高了系統部署及維護的復雜度和成本。根據國際權威機構Statista的統計和預測，2020年全球數據產生量預計達到47ZB，而到2035年這一數字將達到2142ZB。數據挑戰帶來的直觀問題是超大規模系統的協同，即如何解決數據流動、系統模塊之間的通信問題。為此，ICPE2022首次引入數據挑戰專題，針對數據集形成算法并進行優化，同時優化服務器的性能。
來自沃爾茨堡大學的André Bauer教授介紹了一種性能改變點的自動分類方法，通過應用時間序列分析和機器學習方法，開發一個可以對潛在的性能變化點進行分類的模型，以評估不同機器學習模型的性能，并將生成的模型應用于其他未標記的數據集，以自動對性能變化點進行分類和檢測，從而節省人力及設備資源，提升部署速度。
專家分享研究實踐成果，從邊緣到集群的性能優化
在大會Keynote演講環節，來自維也納理工大學、谷歌及浪潮信息的三位演講嘉賓，分別從邊緣故障預測、數據中心管理、多層數據訪問優化的角度介紹了應對數據挑戰所采取的方案。
維也納理工大學教授Ivona Brandic（IEEE 云計算雜志、IEEE TPDS 和 IEEE TCC 編委），在題為《面向可持續和容錯邊緣系統的數據科學驅動方法》演講中，揭示了邊緣系統與物聯網相結合的挑戰：由于時效性、高度異構性和資源稀缺，云計算或通用分布式系統設計的故障恢復機制無法應用于邊緣系統。因此，Ivona Brandic和她的團隊設計了一種基于機器學習的新機制，可以評估在邊緣基礎設施上冗余部署的服務故障恢復能力。該方法利用動態貝葉斯網絡(dbn)的概念，學習邊緣服務器故障之間的時空相關性，并將其與拓撲信息相結合，以合并鏈路故障。最后，可推斷出在服務運行時，某一組服務器發生故障或并發斷開連接的概率。
SOSP、FAST、EuroSys和HotCloud的程序委員會主席，John Wilkes，長期從事谷歌計算基礎設施集群管理工作，發表主題為《構建倉庫規模的計算機》的演講，他介紹谷歌內部面對幾個月內增加100000 個 CPU 內核 + RAM + 閃存 + 加速器 + 磁盤的需求，可以動態地將資源分配給最迫切需要它們的產品組，準確地反映所有機器和基礎設施的成本（運營支出/資本支出），并監控、控制數據中心的電源和冷卻系統以實現最小的開銷。
浪潮信息人工智能與高性能應用軟件部高性能應用架構師，李龍翔博士發表主題為《多層數據訪問優化》的演講。隨著近年CPU核心數增加及性能的不斷增強，在超大規模系統并行計算時，越來越多的應用運行性能主要受數據訪問速度限制。針對超大規模集群的數據存儲特點，他介紹了一種多層數據訪問 (Multi-Layered Data Access，MLDA) 優化方法，可以快速對超大規模并行計算性能瓶頸進行分析，通過對存儲、網絡、訪存、CPU等設備數據訪問過程優化，提升超大規模集群并行計算效率。這只是浪潮信息解決超大規模系統挑戰多種技術之一，在中文巨量模型“源1.0”的訓練過程中，浪潮信息采用了多種面向超大規模并行計算技術的軟硬件協同優化手段，通過流水線并行、張量并行等手段自動地將模型多層數據切分到不同的節點中實現并行?！霸?.0”模型包含的參數總量達 2457 億，是 GPT-3 的 1.404 倍。
除主題演講之外，分論壇內容同樣精彩
學術論文獲獎者，來自猶他大學的Richard Li表示，對于基于分布式微服務的應用程序來說，性能故障排除是出了名的困難。分析人員對性能異常的典型根源診斷首先是縮小慢速服務的范圍，調查慢速組件中的高級性能指標或可用日志，最后深入到實際原因。由于缺乏領域知識和實際操作經驗，這個過程可能會很長、很乏味，有時還會漫無目的。在本次大會中，他介紹了一種新的由機器學習驅動的性能分析系統，該系統可自動化與延遲相關的性能異常的故障排除過程，以方便診斷和解釋根本原因。
來自于IBM的Lixiang Luo為本次大會的產業論文獲獎者，他提出的三種NVMe存儲虛擬化方法（PCI設備直通法、虛擬塊設備法和SPDK虛擬主機目標法）通過虛擬機提供NVMe存儲，同一主機上的多個虛擬機可以共用一個物理NVMe設備，以滿足現代工作負載不斷增長的I/O吞吐量和延遲需求。
