近日，分布式处理国际会议（IEEE International Parallel & Distributed Processing Symposium, IPDPS 2022）录用结果揭晓，实验室博士后戴小海、博士生陈聃（导师金海教授）和博士生牛富平（导师廖小飞教授）的论文分别被IPDPS 2022录用，戴小海的论文题目为“An Efficient Block Validation Mechanism for UTXO-based Blockchains”，陈聃的论文题目为“A General Offloading Approach for Near-DRAM Processing-In-Memory Architectures”，牛富平的论文题目为“FlashWalker: An In-Storage Accelerator for Graph Random Walks”。

由于当前的区块链存储机制可扩展性较低，节点的状态数据随着时间的推移将发生急剧膨胀，进而导致区块的低效校验问题。该问题可能从两方面影响区块链系统的安全性：一方面，校验的高延迟会导致区块广播的高时延，进而增大区块链的分叉风险；另一方面，初始区块的慢同步，可能会打击用户运行全节点的积极性，进而降低系统的去中心化程度。针对该问题，戴小海博士的论文提出了一种基于状态数据缩减的高效区块校验方法EBV（Efficient Block Validation）。该方法将比特币系统中原有的UTXO 集合替换为位向量集合，大大降低了状态数据的内存开销。相应地，区块校验所需的状态数据不依赖于低速磁盘，区块校验的效率得到显著提升。此外，由于位向量只能保证交易中输入的未花费校验，EBV 方法要求节点在发起新交易时提供与该输入相应的交易证明，以实现输入的存在性校验。实验结果表明，EBV 方法能够将内存占用需求降低为比特币原有系统的7.2%，并将区块的校验延迟降低为原有的6.5%。

存内计算（Processing-In-Memory），通过在数据附近执行计算，是一个有望解决数据频繁移动挑战的课题。合理利用存内计算可以有效提升应用性能和减少能耗。现有计算卸载研究专注于特定应用来提高存内计算架构的可编程性。它们缺乏对计算局部性的全面分析，从而无法加速各种各样的应用。针对这些问题，陈聃博士在文章中提出了一种通用的指令级卸载技术IOTPIM，可用于加速不同领域的各类应用。文章首先提出了一种新的指令级别卸载策略，其充分考虑了计算指令在整个缓存层的局部性。进一步又提出了一个基于输入数据集特征的计算卸载收益预测模型，以减轻卸载策略的分析开销。文章选择了不同领域的应用，与四种先进的存内计算卸载技术进行了比较，结果证明了IOTPIM的通用性和优越性。

图的随机游走（Random Walk）算法在图处理领域被广泛使用。与传统的图分析算法不同，随机游走算法的特点在于大规模的并行处理和极低的数据重用。现有设计尽管缓解了低效的存储器I/O操作对系统整体性能的限制，却未能克服数据总线带宽所带来的瓶颈。为解决这个问题，牛富平博士在文章中提出了一种基于近存计算（Near Data Processing）技术的新型图随机游走算法加速器 FlashWalker，通过在SSD内部的闪存芯片附近设置专用的游走器（Walker）处理单元，在充分利用SSD内部潜在的计算并行性的同时也大幅节省了数据总线的带宽占用。FlashWalker 采用一种异构的多层级框架，包含一个板级加速器、若干通道级加速器和大量芯片级加速器。由于SSD硬件资源的限制，FlashWalker 提出了几种新颖的优化策略以高效处理大规模图：高入度子图常驻、高出度顶点的子图预选择、子图映射表的粗粒度查找、子图映射表的高速缓存、以及基于优先级的子图调度算法。实验结果表明，与目前最先进的图随机游走系统 GraphWalker 相比，FlashWalker 的性能提升了最高660.5倍（平均51.56倍）。

IPDPS是展示和讨论并行计算领域最新和重要研究成果的国际会议，也是中国计算机学会（CCF）推荐的B类会议。

（通讯员：戴小海、陈聃、牛富平）