2025年5月6日下午，吴松教授指导的博士生张信民、吴浩和肖江教授指导的博士生张世桀顺利通过博士学位论文答辩。

张信民的博士论文题目为“服务器无感知计算系统垂直扩展机制研究”。论文提出了一种面向服务器无感知计算的垂直扩展策略，以解决现有基于水平扩展的服务器无感知计算平台面临的冷启动开销高、函数间通信效率低和调度延迟大等性能问题。主要贡献包括：（1）针对现有微虚拟机内存扩展机制性能开销大的问题，提出了面向函数的内存扩展机制。该机制通过块粒度的内存动态扩缩和基于页面交换的内存预填充技术，显著提升了微虚拟机的内存扩展性能；（2）针对现有平台中函数间通信效率低的问题，提出了基于状态函数的内存共享机制。该机制在确保函数实例之间资源隔离的前提下，实现了低延迟的函数间数据交互，显著提升了垂直扩展策略下的数据通信效率；（3）针对现有平台采用统一的完全公平调度策略，无法区分不同函数执行特点而导致调度延迟高的问题，提出了基于垂直扩展的可定制调度框架。该框架综合考虑函数的初始化时间、调度等待时间和执行时间等特征，有效优化了整体平均完成时间，同时支持用户根据应用需求自定义调度策略。

吴浩的博士论文题目为“面向机器学习应用的服务器无感知计算系统优化研究”。 论文针对现有服务器无感知计算（Serverless）系统在部署机器学习应用时面临的函数资源分配不灵活、函数运行时启动开销大、函数间通信效率低的问题展开研究。主要贡献包括：（1）针对Serverless公有云平台上的训练系统中函数资源分配不灵活的问题，提出了基于资源需求感知的动态函数资源规划方法，从而有效降低训练任务的部署成本和执行延迟；（2）针对GPU服务器上的Serverless推理系统中GPU侧函数运行时启动慢的问题，提出了基于GPU流机制的函数运行时轻量化方法，从而有效降低推理应用部署的运行延迟和GPU内存占用；（3）针对GPU服务器上的Serverless推理系统中函数间通信效率低的问题，提出了以GPU为中心的无状态函数高效通信方法，从而有效降低推理应用部署的端到端延迟。三种方法结合机器学习应用的特点对Serverless系统中函数资源分配、函数运行时管理以及函数数据通信三个方面进行优化，有效降低Serverless系统中机器学习应用部署的成本和运行延迟。

张世桀的博士论文题目为“基于负载感知的图式区块链高效事务处理机制研究”。论文围绕现有图式区块链事务处理方法在应对交易负载的动态规模特征、数据访问倾斜特征以及复杂分支逻辑特征时弹性扩展能力不足的问题展开研究。主要贡献包括：（1）针对图式区块链存储模型在动态负载规模下的扩展性受限问题，提出了一种负载规模感知的弹性图式存储机制，实现了性能与安全性的平衡；（2）针对图式区块链并发控制机制在面向数据访问倾斜时并发处理效率低的问题，提出了一种数据访问感知的图式自适应并发控制机制，提升了整体并发处理性能；（3）针对图式区块链预执行机制在面向复杂分支逻辑时准确性低且低效的问题，提出一种分支逻辑感知的图式细粒度预执行机制，增强了预执行对实际执行的加速效用。

答辩委员会由武汉大学计算机学院何德彪教授（主席）、中国地质大学（武汉）计算机学院姚宏教授、华中科技大学武汉光电国家研究中心曹强教授、华中科技大学计算机科学与技术学院胡燏翀教授、华中科技大学计算机科学与技术学院张瑞研究员组成。委员们分别从研究问题、机制设计、论文撰写以及未来发展趋势等不同角度进行提问，三位答辩人均一一做了细致的解答。

经答辩委员会讨论，认为张信民、吴浩、张世桀三位同学的论文都达到了博士学位论文水平，一致同意通过张信民、吴浩、张世桀三位同学的博士学位论文答辩，并建议授予工学博士学位。

（通讯员：张信民、吴浩、张世桀）