南京大学计算机软件新技术国家重点实验室

摘 要：

随着大数据与云计算等技术的迅猛发展，人们愈加依赖于使用各种分布式系统来处理海量数据及完成复杂计算。除去效率方面的优势，分布式系统相较单机系统更高的鲁棒性及可靠性也是其备受青睐的重要原因之一。然而，分布式系统本身并不天然提供高鲁棒性或高可靠性，这些性质的实现往往依赖于系统中运行的分布式算法。因此，容错性（fault tolerance）在分布式计算理论研究中是一个极为重要并持续受到关注的主题。在分布式系统容错性的相关研究中，大部分已有工作都采用了经典的“最坏情况分析”方法，然而该方法自身存在一定局限性。有鉴于此，资源竞效（resource competitiveness）这一实现分布式系统容错性的全新视角被提出。资源竞效思想不拘泥于最坏情况，而是意图保证正常节点的资源开销始终小于坏节点或恶意用户的资源开销。该框架贴合实际要求，有助于提升分布式系统的性能。本次报告将简单介绍资源竞效的基本思想，以及该思想在解决广播（broadcast）、共识（consensus）、竞争解决（contention resolution）等经典分布式计算问题中的应用。

报告人简介：

郑朝栋，南京大学计算机科学与技术系助理研究员。2015年博士毕业于新加坡国立大学，2016年在德国弗莱堡大学从事博士后研究工作。主要研究领域为分布式算法与分布式计算理论，目前主要关注如何为动态（dynamic）、易错（failure-prone）的分布式系统设计高效、鲁棒的算法。在分布式计算理论顶级会议及期刊PODC、SPAA、DISC、Distributed Computing等上发表论文多篇，曾担任SPAA 2020、OPODIS 2019、SSS 2018等会议的程序委员。

地点：计算机科学技术楼233室

腾讯会议平台ID:425 844 472