报告题目：支持批流作业融合的分布式计算系统
报 告 人：李博扬
时 间：2019年7月5日 周五 10:30-11:30
地 点：瀚学楼1009
报告人简介：
李博扬博士就读于东北大学计算机科学与工程学院，主要研究方向包括时空数据管理、分布式计算和机器学习。已在国内外重要会议和期刊发表文章多篇，包括数据挖掘领域顶级会议KDD (CCF A类会议)、机器学习会议ELM，以及期刊Complexity、NCAA、Neurocomputing、Soft Computing。参与国家重点研发计划、国家自然科学基金重点项目等国家级课题。
报告摘要：
该新型大数据计算系统针对批流混合任务具有全周期多尺度优化和统一计算引擎。现有大数据计算系统或依托自身计算引擎模拟另一类框架的行为，或定义一套通用接口屏蔽底层计算引擎的差异，对批流融合支持较弱。同时，其优化大多位于执行的特定时期或特定层级，且针对高复杂性任务的优化能力不足。针对以上问题，创新性地提出基于统一计算引擎和全周期多尺度优化的高性能批流融合大数据计算技术。该技术为批流融合处理提供统一表达逻辑支持，通过统一表达建模融合批流处理的计算模型、数据模型、变换模型和动作模型，实现批、流处理的真正融合。针对作业的多样性、持久性、迭代性等特点，提供面向多作业、多任务、迭代计算、持久计算等优化策略，优化针对性更强。同时，提供执行前和执行中的全周期优化，并细分为作业级、任务级、变换级等多个尺度，以实现极速响应和海量吞吐。
