分布式缓存算法获IEEE时间检验奖

分布式缓存算法荣获2022年IEEE INFOCOM时间检验论文奖

某中心应用科学经理Anwar Walid因其2010年关于内容分发网络分布式缓存算法的论文，荣获2022年IEEE INFOCOM时间检验奖。该奖项旨在表彰10至12年前在INFOCOM会议论文集发表、被广泛引用并对研究界产生重大影响的论文。

"这是极大的荣誉，"Walid表示，"我看到了大量关于该论文的反馈，其引用量持续增长，我认为这篇论文启发了许多研究工作。"

Walid与埃因霍温理工大学随机运筹学教授Sem Borst、芝加哥大学运营管理副教授Varun Gupta合著的论文《内容分发网络的分布式缓存算法》，为大规模网络中的内容分发优化提供了解决方案。

技术背景与挑战

2010年，内容分发商和服务提供商正努力应对流媒体视频爆发式增长带来的用户体验挑战。总体带宽需求呈数量级增长。当时，大型视频对象存储在通常远离用户的中央服务器中，导致视频下载时间过长以及流媒体传输延迟或中断。

通过在网络提供商的不同位置设置缓存，存在优化机会。论文详细介绍了管理视频缓存的分布式算法，这些算法将频繁访问的数据临时存储在网络用户附近。由于视频无需穿越整个网络，缓存优化有助于加速内容交付。这些算法能够适应内容流行度和摄取速率的变化动态。

三大技术目标

"该方案通过分布式缓存实现三个目标，"Walid解释道，"一是减少延迟，提高客户观看视频时的服务质量；二是提高下载大容量内容的吞吐量；三是提升可靠性。"

"缓存策略通过在最接近网络边缘的合适位置复制最受欢迎的内容，而非将其存储在中心站点，提供了缓解这些巨大带宽需求的有效机制，"Walid在论文中写道。

算法原理与应用

在过去十年中，各种缓存解决方案和改进的在线视频内容交付提案，都以Walid和合著者阐述的思想为基础来改善观众体验。

服务提供商网络拥有多个候选缓存位置。分布式策略根据附加到每个对象的效用函数，决定是否缓存对象或将其从缓存中驱逐。

"我们的解决方案提供了数据驱动的分布式算法来管理这些缓存，"Walid说，"决策包括例如缓存哪些对象以及在哪里缓存。"

实际应用价值

自2021年9月加入某中心广告部门以来，Walid的团队构建了预测广告点击率的机器学习模型。在这些模型中处理非常大的数据集时，缓存可以显著加速机器学习工作流程。

"刚开始时，问题在于确定哪些数据集应保持在本地而非远程。我的背景有助于贡献分布式缓存解决方案的设计，帮助解决了这个问题，"他解释道。

IEEE（电气与电子工程师学会）是全球最大的专业技术组织，致力于推动技术发展造福人类。IEEE INFOCOM是研究人员在网络及相关领域理论和系统研究中展示和交流思想的重要会议。