近日，第27届IEEE高性能计算机体系结构国际研讨会（The 27th IEEE International Symposium on High-Performance Computer Architecture，HPCA 2021）录用结果揭晓，实验室张宇副教授和叶晨成博士后的两篇论文均被录用。

近年来，随着大数据分析和人工智能的发展，现实应用对于分析图数据的需求日益增长。大量图计算系统已经被提出用于支持图数据处理。然而，图数据之间复杂无规则的依赖极大地限制了图分析应用在众核处理器上的性能。为此，张宇副教授在题为“DepGraph: A Dependency-Driven Accelerator for Efficient Iterative Graph Processing” 的论文中首次提出了依赖驱动的图计算加速器DepGraph，以从本质上高效地解决此问题。它能够有效地解耦合大量图数据之间的依赖，通过最大化图分析应用的有效并行度，加快图分析应用在众核处理器上的收敛速度。实验结果表明，本加速器能够使得现有最好的图计算系统获得22.7倍的加速比，而只带来0.6%的额外硬件开销。

叶晨成博士后的论文题为“Hardware-Based Address-Centric Acceleration of Key-Value Store”，论文探索了键值存储的地址转换效率问题。当前数据中心普遍采用键值存储系统实现内存缓存、会话存储等基础业务。但现有键值存储地址转换开销较大，需要多次地址转换才能定位键对应的值，包括采用哈希表等索引结构寻找值的虚拟地址、采用TLB以及页表等结构将虚拟地址转换为物理地址。为了加速地址转换过程，文章提出了一种将键映射为物理地址的快速转换系统。该系统包括存储地址映射的新型内存数据结构、实现地址转换的片上结构以及面向键值存储的专有指令。实验结果表明该系统能将典型键值存储系统Redis性能提升1.4倍，能将一些索引数据结构性能提升13倍。

IEEE HPCA会议是计算机体系结构领域的顶级国际会议，本届会议共收到258篇投稿，共录用63篇论文，录用率约为24.4%。

（通讯员：叶晨成 梁宇轩）