近日，2019级博士生靳晓忠（导师刘海坤教授）的论文“Accelerating Content-Defined Chunking for Data Deduplication Based on Speculative Jump”被IEEE Transactions on Parallel and Distributed Systems (TPDS) 期刊录用。

在数据去重系统中，数据分块对于去重率和吞吐量具有重要影响。目前的内容定义分块（CDC，Content-Defined Chunking）方法利用滑动窗口逐字节计算输入数据流的滚动哈希，并根据哈希值是否满足给定的切割条件来确定数据分块切点。然而，以往的CDC方法对CPU资源消耗较大，往往会严重降低数据去重系统的吞吐量。论文提出了一种基于跳跃的分块方法（JC，Jump-based Chunking），旨在减少CDC的CPU开销。JC的关键思想是引入一个跳跃条件，当滚动哈希满足跳跃条件时，滑动窗口可以跳过输入数据流的特定长度。此外，文章还研究了切割条件和跳跃条件对分块大小的影响。文章通过理论和实验的方法证明了JC的有效性和高效性，且不会降低去重率。实验结果显示，与目前最先进的CDC方法相比，JC的平均吞吐量提高了约2倍，并保持了高的去重率。

IEEE Transactions on Parallel and Distributed Systems（TPDS）属于中国计算机学会CCF A类期刊，是计算机系统领域最权威的国际学术期刊之一，每月出版一期，每期录用论文20篇左右，影响因子为3.757，主要关注并行与分布式架构、并行与分布式算法、并行与分布式计算应用以及并行与分布式软件等方面的研究。

（通讯员：靳晓忠）