近日，罗瑞坤博士的论文“Ripple: Enabling Decentralized Data Deduplication at the Edge”和“Edge Data Deduplication under Uncertainties: A Robust Optimization Approach”分别被IEEE Transactions on Parallel and Distributed Systems (TPDS) 期刊录用。

边缘计算因其低延迟和减小核心网回传流量的优势，已成为许多延迟敏感应用的核心方案。随着边缘数据量的激增，边缘存储系统的有限容量面临巨大压力，提高资源利用率成为重要挑战。现有方法如数据放置优化、分区和共享等，未能有效解决数据冗余问题，导致存储资源浪费。第一篇文章提出首个支持去中心化的边缘数据去重的方案Ripple。Ripple通过为每个边缘服务器构建数据索引，实现无中央控制的数据去重。其优势包括：1）识别数据重复；2）在不违反检索延迟的情况下移除冗余数据；3）确保去重后数据的可用性。测试结果显示，Ripple的去重比率提升至16.79%，平均减少数据检索延迟60.42%。

尽管边缘数据去重已有研究，现有方法在边缘计算环境中面临诸多挑战，特别是用户移动性和边缘服务器的不稳定性，影响去重决策的鲁棒性。为此，第二篇文章提出基于鲁棒优化的边缘数据去重解决方案。考虑到数据需求和边缘服务器故障的不确定性，提出两种求解算法：uEDDE-C，一种基于列约束生成的两阶段算法；以及uEDDE-A，一种基于仿射决策生成的近似算法，以解决在大规模边缘环境下uEDDE-C的高计算开销。通过理论分析和实验评估，验证了两者在降低数据存储成本和检索延迟的同时，确保了动态边缘网络中的效率和鲁棒性。

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，主要涵盖并行与分布式架构算法以及并行与分布式软件应用等方面的研究成果。

（通讯员：罗瑞坤）