返回首页
您的位置:首页 > 新闻 > CCF新闻 > ADL

ADL97《图计算》开始报名了

阅读量:2519 2018-10-16 收藏本文

The CCF Advanced Disciplines Lectures
中国计算机学会学科前沿讲习班
CCF ADL 第97期
主题《图计算》
2018年11月16-18日 武汉

微信图片_20180930112257

马上报名

    万物皆关联。作为表达和处理关联关系的最佳方式,图和图计算已经成为人们的关注重点和研究热点,广泛应用于金融分析、社交分析、智慧交通等诸多领域。作为大数据处理的一种典型模式,图计算不仅对计算机体系结构提出了严峻的挑战,也对系统软件、数据管理和处理模式提出了重大挑战。当前,图计算还是国家重点研发计划的资助重点。本期CCF学科前沿讲习班邀请了多位学术界和工业界的著名学者,将围绕大图处理的系统结构、数据管理、分布式计算、优化算法等方面进行介绍,探讨相关技术的未来发展趋势。本讲习班旨在帮助学员了解大数据背景下的图计算热点和前沿科学问题,开阔科研视野,增进学术交流和增强实践能力。

学术主任:金海 华中科技大学

主办单位:中国计算机学会


日程安排

2018年11月16日

15:00-17:00 报到

地点:湖北武汉华中科技大学东5楼210

2018年11月17日

8:00-8:15   开班仪式

8:15-10:15   学术专题讲座1

题目:图计算加速器

讲者:金海,华中科技大学

10:30-12:30   学术专题讲座2

题目:Towards Big Graph Processing: Applications, Challenges, and Advances

讲者:Xuemin Lin,The University of New South Wales

12:30-13:30   午餐

13:30-15:30  学术专题讲座3

题目:Graph Computing Technique for AI and Big Data Applications

讲者:Yeh-Ching Chung,香港中文大学深圳分校

16:00-18:00   学术专题讲座4

题目:图数据计算系统中的优化策略---两个案例研究上的思考

讲者:邹磊,北京大学


2018年11月18日

8:00-10:00   学术专题讲座5

题目:Parallel Graph Processing on GPUs

讲者:Bingsheng He,National University of Singapore

10:15-12:15   学术专题讲座6

题目:图计算的体系结构设计启示

讲者:李超,上海交通大学

12:15-13:00   午餐

13:30-15:30   学术专题讲座7

题目:图分析与数据智能技术及在阿里巴巴的应用

讲者:钱正平, 阿里公司

15:45-17:30   学术讨论,合影,结业式

(如有变动,以现场为准)


时间:2018年11月17-18日

地点:湖北省武汉市华中科技大学东5楼210


特邀讲者(按专题讲座的时间顺序)


7fd1b71526b24f2fa219b0557fa77bdd

金海

华中科技大学

Bio:金海,华中科技大学教授、博士生导师,长江学者特聘教授,国家杰出青年基金获得者,中国计算机学会会士,华中科技大学“服务计算技术与系统教育部重点实验室”主任,“集群与网格计算湖北省重点实验室”主任,“大数据技术与系统湖北省工程实验室”主任。国务院特殊津贴专家、国务院学位委员会第六、七届学科评议组成员、第六、七届教育部科学技术委员会信息学部委员、副主任委员。973计划“计算系统虚拟化基础理论与方法研究”、“云计算安全的基础理论和方法研究”首席科学家、十三五云计算与大数据国家重点研发计划专家组副组长、教育部重大专项“中国教育科研网格ChinaGrid”计划的专家组组长、“十二五”国家高技术研究发展计划(863计划)信息技术领域主题专家组专家、“十一五”国家863计划“高效能计算机及网格服务环境”重大项目专家组成员。中国计算机学会常务理事、湖北省计算机学会理事长、中国计算机学会青工委副主任、中国计算机学会高性能计算专委会副主任委员/普适计算专委会委员/服务计算专委会委员/大数据专委会委员、中国电子学会云计算/物联网/信息安全专家委员会委员。教育部“长江学者和创新团队发展计划”创新团队学术带头人、湖北省自然科学基金创新团队学术带头人。获国家科技进步二等奖2项、国家发明二等奖1项、国家自然科学四等奖1项、教育部科技进步/技术发明一等奖3项、湖北省科技进步/技术发明一等奖2项。主要研究领域为计算机体系结构、计算系统虚拟化、集群计算和云计算、网络安全、对等计算、网络存储与并行I/O等。金海教授在IEEE/ACM期刊上发表论文80余篇。获国家发明专利190余项,获国家软件著作版权130余项。主持了一批重大科研项目,包括973项目、教育部重大专项、国家杰出青年基金项目、国家自然科学基金重大/重点项目、863重点项目、CNGI项目、霍英东高等院校青年教师基金项目、国际合作项目等。


讲座题目:图计算加速器


摘要:随着大数据产业的深入发展,表达关联关系的图数据规模正在爆炸式增长,传统通用处理架构在新的需求面前逐渐陷入困境,存在着并行效率低、访存随机性强以及数据冲突频度高等突出问题,因此,开展架构创新驱动的图计算加速器研究有着重要的现实意义。报告系统性地回顾了图计算加速器的演变发展,探讨了我们在图计算加速器架构设计上的一些探索,并对图计算加速器及其软件生态构建中存在的技术挑战和发展机遇进行了总结展望。

49cf6a758d2b48b68d2b69abcf71c1fc

Xuemin Lin

The University of New South Wales

Bio:Xuemin Lin is a UNSW Scientia Professor , the head of database group in the school of computer science and engineering at UNSW, and a current Professor at ECNU (specially appointed by the Chinese National Thousands Distinguished Professors Program). He is a fellow of IEEE. Xuemin's research interests lie in databases, data mining, algorithms, and complexities. Specifically, he is working in the areas of scalable processing and mining of various data, including graph, spatial-temporal, streaming, text and uncertain data.Xuemin has been very frequently serving as a PC member and area chairs (senior PC members) in SIGMOD, VLDB, ICDE, ICDM, KDD, CIKM, and EDBT. He received the honour of outstanding reviewer in KDD2012. He was an associate editor of ACM TODS (2008-2014) and IEEE TKDE (Feb 2013- Jan 2015), and an associate editor-in-Chief of TKDE (2015-2016), respectively. Currently, he is the editor-in-Chief of TKDE (Jan 2017 - now) and an associate editor of WWW Journal (2013 - now).


讲座题目:Towards Big Graph Processing: Applications, Challenges, and Advances


摘要:Graph data are key parts of Big Data and widely used for modelling complex structured data with a broad spectrum of applications. Over the last decade, tremendous research efforts have been devoted to many fundamental problems in managing and analyzing graph data. In this talk, I will cover various applications, challenges, and recent advances covering graph matching, cohesive sub-graphs, similarities, and many other graph problems.


ce7ed8c74749460ba6152651edc554c8

Yeh-Ching Chung

香港中文大学深圳分校

Bio:Yeh-Ching Chung received a B.S. degree in Computer Science from Chung Yuan Christian University in 1983, and the M.S. and Ph.D. degrees in Computer and Information Science from Syracuse University in 1988 and 1992, respectively. From 1992 to 2002, he was with the Department of Information Engineering and Computer Science at Feng Chia University, where he was an associate professor in 1992 and a full professor in 1999. From 1993 to 1997, he served as the director of Computer Network Division of Computer Center. From 1998 to 2001, he was the chairman of the department. From 2002 to 2016, he was with the Department of Computer Science at National Tsing Hua University as a full professor. From 2003 to 2012, he served as the deputy director of Library, where he established the first UHF RFID library system in Taiwan. In 2007, he founded Taiwan Association of Grid Computing (TAGC) that was renamed to Taiwan Association of Cloud Computing (TACC) in 2010. He was the direct general of TAGC/TACC from 2007 to 2011. He has supervised two National Tsing Hua University teams to win the champion of Student Cluster Competition, sponsored by IEEE/ACM SC conference, in 2010 and 2011. He has served as General Chairs, Program Chairs, Keynote Speakers, and Technical Committee Members of many international conferences. He was an awardee of Thousand Talents Plan of China in 2015. In 2016, he joined the Laboratory of Cloud Computing and Disaster Recovery Technology at Research Institute of Tsinghua University in Shenzhen as a deputy director. He is now a professor in School of Science and Engineering of Chinese University of Hong Kong in Shenzhen. His research interests include parallel and distributed processing, cloud computing, big data, and embedded systems. He has published over 200 journal and conference papers and developed many systems in these areas.


讲座题目:Graph Computing Technique for AI and Big Data Applications


摘要:In this talk, we will show how to apply the graph computing technique to two applications, association rule mining and large-scale software system optimization. In association rule mining, the apriori method is the most commonly used approach to find the maximum frequent k-itemset. When the value of k is large, the apriori method is time consuming and it may not be able to get the result sometimes. We have proposed a hybrid method, ANG, by combining the graph computing and apriori methods for the maximum frequent k-itemset calculation. In ANG, when the value of k is small, the apriori method is used to calculate the maximum frequent k-itemset. When k is over a threshold, the graph computing method is used to calculate the maximum frequent k-itemset. The experimental results show that ANG outperforms the apriori method for all test cases.

For the large-scale software system optimization, the main goal is to build up a program execution behavior monitoring and analyzing system. The system is an HPC system that integrates Cloud Computing, Distributed Storage, In-Memory Computing, Graph Computing, Compiler, Profiling Tools, and Data Mining techniques. When a large-scale software system is running, with the profiling tools, the execution behaviors of the software system can be recorded in real-time. With the real-time execution behavior records, different big data analytical methods can be used to optimize different desired parameters statically or dynamically. We have applied this system to optimized an LLVM compiler. The experimental results show that the proposed system has 5-10% performance improvement for the LLVM compiler.


982687feaaf046698e77ec27922472f2

邹磊

北京大学

Bio:邹磊,北京大学计算机科学技术研究所教授,国家自然科学基金优秀青年基金项目获得者,北京大学大数据中心主任助理。邹磊分别于2003年和2009年毕业于华中科技大学计算机科学与技术学院,获得工学学士和工学博士学位;2009年9月加入北京大学计算机科学技术研究所。其博士学位论文获得2009年中国计算机学会优秀博士学位论文提名奖和湖北省优秀博士论文奖。他目前的研究领域包括图数据库,RDF知识图谱,尤其是基于图的RDF数据管理,已经发表了50余篇国内外学术论文,包括CCF-A类的数据库领域国际顶级期刊/会议论文(SIGMOD,VLDB等)近30篇;主持研发了面向知识图谱数据的图数据库系统gStore和知识图谱问答平台gAnswer。2014年所主持的项目“海量图结构数据存储和查询优化理论研究”,获得中国计算机学会自然科学二等奖(邹磊排名第一)。2017年所主持的项目“大规模图结构数据管理”获得教育部自然科学二等奖(邹磊排名第一)。邹磊承担了包括国家自然基金、国家重点研发项目等多项国家科研攻关项目;其研究也得到了包括微软、腾讯、阿里和方正电子等产业界公司的资助。


讲座题目:图数据计算系统中的优化策略---两个案例研究上的思考


摘要:图由于其表达的灵活性,目前被越来越多的应用选作描述实体之间复杂关系的重要数据结构;因此海量图数据上的高效计算问题成为这些应用中亟待解决的关键技术挑战。围绕面向大规模图数据的通用图计算系统,我们认为有两个方面的主要技术问题:其一,优化图数据的表示方法:传统的邻接矩阵和邻接表在例如高速变化的图流系统中其空间代价和搜索计算代价都不能满足图流计算的需要;因此我们提出了一种图流系统上的概率数据结构Graph Stream Sketch(GSS),既具有更好的时空性能,同时具有非常高的理论和实践的图计算准确度(边、点和可达性查询准确度大于99%)。其二,优化图计算中的基础算子:我们试图去寻找图计算中的一些常用的基础算子,通过优化这些算子从而提高整体图计算系统的性能。我们在前期工作中发现“集合交集计算”普遍存在于图计算任务中并且占据了较大的计算代价,包括极大团发现,图上的三角形计数,子图匹配,社区发现等。为此,我们提出在图计算的环境下,提出基于SIMD指令的算法加速这些图计算中的集合求交操作。实验表明我们可以在现有方法(包括不基于SIMD和基于SIMD的图计算系统)的基础上提高3-10倍的图计算性能。

e004af69e8294fb08c62ed96e01c77c1

Bingsheng He

National University of Singapore

Bio:Dr. Bingsheng He is currently an Associate Professor at Department of Computer Science, National University of Singapore. Before that, he was a faculty member in Nanyang Technological University, Singapore (2010-2016), and held a research position in the System Research group of Microsoft Research Asia (2008-2010), where his major research was building high performance cloud computing systems for Microsoft. He got the Bachelor degree in Shanghai Jiao Tong University (1999-2003), and the Ph.D. degree in Hong Kong University of Science & Technology (2003-2008). His current research interests include cloud computing, database systems and high performance computing. His papers are published in prestigious international journals (such as ACM TODS and IEEE TKDE/TPDS/TC) and proceedings (such as ACM SIGMOD, VLDB/PVLDB, ACM/IEEE SuperComputing, ACM HPDC, and ACM SoCC). He has been awarded with the IBM Ph.D. fellowship (2007-2008) and with NVIDIA Academic Partnership (2010-2011). Since 2010, he has (co-)chaired a number of international conferences and workshops, including IEEE CloudCom 2014/2015 and BigData Congress 2018. He has served in editor board of international journals, including IEEE Transactions on Cloud Computing (IEEE TCC), IEEE Transactions on Parallel and Distributed Systems (IEEE TPDS) and Springer Journal of Distributed and Parallel Databases (DAPD).


讲座题目:Parallel Graph Processing on GPUs


摘要:Graphs are de facto data structures for many data processing applications. Many graph processing tasks are computation intensive and/or memory intensive. Therefore, we have witnessed a significant amount of effort in accelerating graph processing tasks with GPUs to take advantage of their massive parallelism and high memory bandwidth. In this talk, we will first review the literatures of parallel graph processing systems on GPUs. Next, we present our research efforts, and demonstrate the significant performance impact of hardware-conscious designs in parallel graph processing systems. Finally, we outline the research agenda of an on-going project named MetalDB towards an “One Size Fits All” design across heterogeneous hardware. More details about our research can be found at http://www.comp.nus.edu.sg/~hebs/.


a9867f5be73244dc96b86c1924b034ef

李超

上海交通大学

Bio:李超,上海交通大学Tenure-Track特别研究员,博士生导师,主要从事面向新应用新需求的计算机体系结构设计研究。在包括TC、TPDS、CSUR、ISCA、HPCA、MICRO等高水平学报和会议上发文40余篇,获得2011年顶级会议HPCA的最佳论文奖和2015年SCI期刊IEEE CAL的最佳论文奖。近五年申请中美专利十余项,已授权5项,相关成果获得Facebook Fellowship,Yahoo! 重点科技挑战奖,国家优秀自费留学生奖。2016年入选CCF Intel青年学者提升计划,2017年入选CCF青年人才发展计划,2018年在MSRA参与“铸星计划”访问研究。CCF体系结构专委会常委,高性能计算专委会委员,CCF YOCSEF上海副主席,2018年担任第十二届中国计算机体系结构学术年会ACA的程序委员会主席。本科毕业于浙江大学,博士毕业于佛罗里达大学。


讲座题目:图计算的体系结构设计启示


摘要:随着图计算应用日益受到关注,计算机底层系统结构也需要不断改进以满足图计算对执行效率的需求。此次报告主要着眼于图数据处理类负载在体系结构设计方面的影响和启示(implications)。我们首先从硬件架构出发,探讨图计算负载特征对实现高效能图计算的重要性,综述近年来的相关研究发现;随后,我们重点介绍目前图计算系统面临的硬件资源管理问题,尤其是对“内存”和“功耗”这两大体系结构瓶颈进行分析。最后,我们结合时下若干代表性设计思想,对图计算机底层设计优化的挑战和机遇做以简要归纳总结。


699a170d451d46a4ac613cbee2dfe39b

钱正平

阿里巴巴

Bio:钱正平博士是阿里巴巴大数据计算平台的工程总监。他带领团队负责围绕阿里巴巴内外诸如图计算、机器学习等新兴应用的系统研发和商业解决方案构建。2015年加入阿里之前,他是微软亚洲研究院的主管研究员。研究兴趣是分布式和数据并行计算。钱博士2009年毕业于华南理工大学,获得博士学位。


讲座题目:图分析与数据智能技术及在阿里巴巴的应用


摘要:作为全球最大的电子商务平台,今天的阿里巴巴深度依赖海量数据的实时分析,由此驱动商业决策。图数据自然的表达了大规模、多样化数据间的复杂关联,易于挖掘隐藏在其中的模式,从而为用户提供更精准、可靠的信息和发现商业机会。本演讲介绍图分析在阿里巴巴的应用,包括图数据管理与分析等的关键技术与系统抽象。同时结合真实场景的生产实践,从算法和系统两个方面,总结重要的研究问题和工程挑战。

报名须知:

1、报名费:CCF会员2500元,非会员3000元。开班现场报名,需缴纳报名费4000元(仅支持公务卡,银行卡,不收取现金)。食宿交通自理。根据交费先后顺序,会员优先的原则录取,额满为止。
给予西部五所高校两个名额,可免费,限CCF会员, 需个人提出书面申请并加盖院系公章,将电子版发至adl@ccf.org.cn, CCF将按照申请顺序进行录取。 (五所高校的名单如下:新疆大学,青海大学,云南大学,贵州大学,宁夏大学。)
2、报名截止及缴费说明:

(1)报名截止日期:2018年11月18日。报名请预留不会拦截外部邮件的邮箱。
(2)CCF会员报名,请务必在报名表中填写在有效期内的CCF会员号。否则按非会员处理;
3、联系:李红梅  
邮箱 : adl@ccf.org.cn  电话:18810669757