近日，实验室博士后罗瑞坤的论文“EdgeDup: Popularity-aware Communication-efficient Decentralized Edge Data Deduplication”被IEEE Transactions on Parallel and Distributed Systems (TPDS) 期刊录用。

随着边缘计算的规模不断扩大，不同边缘服务器间存储大量重复的热门数据，而现有去重方案要么依赖中心化全局信息，造成巨大的通信与调度负担，要么在去中心化环境下频繁交换状态数据，难以兼顾低延迟访问与高效去重。此外，边缘节点数据具有明显的流行度差异与动态特征，但已有方法缺乏对热门数据访问模式与可用性约束的精细分析，导致副本冗余与检索延迟居高不下。为此，论文提出了EdgeDup，一种通信高效、流行度感知的去中心化边缘数据去重框架，通过设计轻量的依赖索引结构并将去重过程拆分为决策与执行两个阶段，使得各节点在缺乏全局信息的情况下仍能在严格延迟约束内做出可靠的副本删除决策。EdgeDup的核心包含两个机制：（1）数据依赖索引——通过本地维护需求端与供给端集合，使节点能够在不广播状态的情况下快速判断自身副本对邻近节点的必要性，从而显著减少查询范围和消息数量；（2）两阶段去重协议——根据数据的流行度与访问延迟约束选择候选保留节点后，再通过预删除机制限制交互于真正相关的依赖关系，避免错误删除并保证数据可用性。借助这两项机制，在大规模边缘存储系统中EdgeDup 能够在保持检索延迟低于 12.65ms 的同时实现 64.94% 的高去重率，并在与多个最新基线方法的比较中将平均检索延迟降低 47.78%、单次删除通信开销减少超过 80%。

IEEE Transactions on Parallel and Distributed Systems (TPDS) 是并行与分布式计算领域的权威国际学术期刊，也是中国计算机学会CCF A类期刊。每季度出版一期，每期录用论文20篇左右，主要关注并行计算、分布式系统、高性能计算等领域的前沿研究。

（通讯员：罗瑞坤）