|
在本文中，我们提出了一种自动化技术，可在嵌入式系统中执行应用程序和超低功耗处理器的硬件 - 软件协同分析，以确定针对应用的峰值功率和能量要求。与传统技术相比，我们的技术提供比传统技术更准确，更紧密的界限（bounds），用于确定峰值功率和能量需求，相比传统的基于分析和保护带（profiling and guardbanding）的方法，平均报告峰值功率降低15％，峰值能量降低17％。与一种基于激进压力标记（ aggressive stressmark-based）的方法相比，我们的技术报告的功率和能量平均分别下降了26％和26％。此外，与传统方法不同，我们的技术报告了与应用程序输入集无关的峰值功率和能量的保证范围。可以利用峰值功率和能量的更紧密的界限来减小系统的体积，重量和成本。 本届大会的最有影响力论文，归属于发表于2002年的《Automatically characterizing large scale program behavior》。
下载地址：https://cseweb.ucsd.edu/~calder/papers/ASPLOS-02-SimPoint.pdf
另外，SIGMOBILE的 Test of time Award 一般只颁给 SIGMOBILE 旗下的会议论文，今年颁给了 ASPLOS 2002 发表的《Energy-Efficient Computing for Wildlife Tracking：Designing Tradeoffs and Early Experiences with ZabraNet》。
中科院计算所研究员包云岗在微信朋友圈介绍说，经过10年以上时间考验的“Test-of-Time Award”颁给了 2002 年发表的 SimPoint；普林斯顿大学在 2002 年的 ASPLOS 文章神奇地获得了 ACM SIGMOBILE 的 2017 年度“Test-of-Time Award”，这篇文章开创了使用无线传感网跟踪野生动物的新应用模式，迄今引用已超过 3000 次。
~mrm/asplos-x_annot.pdf 阿里周靖人主旨演讲：大数据分析与阿里云智能 大会主旨演讲部分，阿里巴巴副总裁、阿里云首席科学家周靖人用英语发表演讲，分享了阿里云的技术细节。以下是新智元根据速记的整理。
作为中国最大的云服务提供商，阿里巴巴云已经成为世界上增长最快的云计算平台之一。在这次演讲中，周靖人介绍了阿里巴巴云的大数据和 AI 计算平台，以及其中广泛的产品和服务，这些都让阿里能够实现快速高效的大数据开发和智能分析技术。还有底层计算基础设施，它们支持各种计算方案，包括批量，交互式，流计算和图计算，以及异构云规模数据中心的大规模机器学习。周靖人还介绍了几个大数据产品，如基于规则的引擎，推荐系统，BI工具等。阿里云平台不仅支持阿里巴巴的内部业务，还为企业客户提供的服务。
周靖人在演讲中首先介绍了阿里云规模的计算基础架构，在底层，阿里云拥有数万台机器以及大量的数据中心，分布在全国乃至世界各地。这一架构的顶层是各种资源管理系统，它们对资源进行管理和调度，支持广泛的计算环境。 各大公司的计算架构都很类似，但是阿里云的特色在于架构间各种资源是共享的，并且，由于是自建系统（home built system），系统在调度和部署时也会便利很多。
阿里云的数据质量监测系统 周靖人介绍说，当数据进入时，通常很“脏”，必须对数据集进行把控，所以阿里云有一个非常复杂的数据质量监控工具来监控数据生命周期，以及这一周期数据的质量。 “当你改变数据和数据属性，研究它的变化并进行规模化时，会引入一些异常，所以这一工具允许人们定义什么是正确的数据属性。”周靖人说。 阿里还有一个系统在后台连续监控数据集，这样就可以保证数据集是正常分配的。当后台通知数据时具有一定的规模，在系统中可能有一种学习类型的阈值，会把消息通知到数据所有者。这样就会得到一个非常紧密的封闭式监控系统，可以尽快捕获任何种类的异常行为。
计算模型图
阿里云机器学习平台 PAI (责任编辑：本港台直播) |
