喜 報

近日，必贏3003no1線路檢測中心陳壯彬助理教授、蘇玉鑫副教授及鄭子彬教授于IEEE Cloud 2024發(fā)表的論文獲最佳論文獎，該論文題目為“TraceMesh: Scalable and Streaming Sampling for Distributed Traces”。該會議今年投稿總數(shù)為191篇，僅頒發(fā)1個最佳論文獎。

IEEE Cloud 會議介紹

IEEE Cloud（IEEE International Conference on Cloud Computing）是IEEE舉辦的專注于云計算領(lǐng)域的旗艦會議，為CCF C類推薦會議。它為研究人員、學(xué)者、企業(yè)、行業(yè)和標(biāo)準(zhǔn)機(jī)構(gòu)提供了一個重要的國際論壇，以交流云計算技術(shù)和實踐的最新基本進(jìn)展，共同探索新興研究主題，并推動云計算領(lǐng)域的未來發(fā)展 。

獲獎?wù)撐慕榻B

在云服務(wù)系統(tǒng)中，分布式追蹤（distributed tracing）是監(jiān)控的基石，它提供了服務(wù)請求整個生命周期的可見性，有助于理解系統(tǒng)的依賴性和性能瓶頸。然而，大多數(shù)追蹤數(shù)據(jù)包含重復(fù)且無用的信息，對計算和存儲帶來了極大的開銷。

現(xiàn)有的追蹤采樣（trace sampling）方法無法應(yīng)對由于系統(tǒng)復(fù)雜性帶來的維數(shù)災(zāi)難（curse of dimensionality）和動態(tài)特征（dynamic feature）問題，導(dǎo)致采樣效果不佳，無法有效地從海量數(shù)據(jù)中提取有價值的信息。

▲TraceMesh算法架構(gòu)圖

獲獎?wù)撐奶岢?/span>TraceMesh算法，采用了局部敏感性哈希（Locality-Sensitivity Hashing, LSH）技術(shù)，通過將追蹤數(shù)據(jù)投影到低維空間來提高采樣效率，同時保留它們的相似性。這種方法能夠無縫地適應(yīng)流數(shù)據(jù)中新出現(xiàn)的特征。TraceMesh通過動態(tài)調(diào)整采樣決策，避免對重復(fù)出現(xiàn)的追蹤進(jìn)行過度采樣。實驗表明TraceMesh能夠高效且準(zhǔn)確地采樣關(guān)鍵追蹤樣本。