須成忠
須成忠IEEE Fellow,現任澳門大學科技學院院長、協同創新研究院代院長、計算機及信息科學系講座教授,國家科技部重點研發計劃首席科學家。曾任美國韋恩州立大學電子與計算器工程系主任、以及中國科學院深圳先進技術研究院數字所所長兼雲計算技術研究中心主任。
生平
1986年獲得南京大學學士學位,1989年獲得南京大學碩士學位,1992年獲得香港大學博士學位。1995年擔任美國韋恩州立大學助理教授,2001年升任副教授,2007年升任正教授,電子與計算機工程系系主任。2011年5月起擔任中國科學院深圳先進技術研究院數字所所長兼雲計算中心主任。2015年被選為美國電氣電子工程師學會會士。[1]
研究方向
須教授的主要研究方向包括並行與分布式系統、雲計算和大數據、智能交通和智能城市,及無人駕駛技術。2019年開始承擔國家科技部智慧城市重點研發專項,廣東省雲數據中心重點專項,澳門FDCT無人駕駛重點研發專項,和深圳市數據智能與城市計算重點專項,迄今在相關領域發表兩本專著《LoadBalancing:PracticeandExperience》(Springer,1996)《ScalableandSecureInternetServicesandArchitecture》(Chapman Hall/CRC2005)並在國際知名學術期刊及會議上發表學術論文三百餘篇,引用過萬次,H-index=60,並多次獲計算機領域HPCA、HPDC、Cluster,ICPP等著名會議最佳論文或提名獎,擁有一百多項PCT及國家發明專利。 獲2014年中國電子學會科技進步一等獎和2019年建設部華夏建設科技進步一等獎等多個國家和地方獎項,2015年當選IEEEFellow,2016年入選科學中國人年度人物。研發的雲數據中心資源管理和分布式系統中的位置服務等技術轉移給華為、中興、阿里巴巴等企業,並成功孵化深圳北斗應用技術研究院,獲滴滴出行投資。
研究成果
在並行計算方面,提出了一組深具影響的「維度交換」擴散性負載平衡算法。該方法很好地解決了系統資源管理中一個長期未決的負載均衡兼顧數據局域性的問題,並提供了一個靈活的全局優化與開銷之間折衷的手段。在分布式計算方面,率先提出了一種基於自適應反饋控制的伺服器資源管方法來確保系統在負載異常情況下的在線服務可靠性和穩定性。同時,也最早提出了一種便於多屬性檢索和易於維護的結構化點對點網絡系統架構,和一種基於語義的網絡服務緩存及預取方法等一系列可擴展性技術。對大規模系統的可靠性和能耗進行了深入的研究,並提出了一種對系統已往故障事件在不同時空域內相關性的定量分析模型。以此為基礎開發了一組基於機器學習的前攝性(proactive)系統故障應對策略來提高大規模系統的可用性。在系統能耗方面,提出了一組動態電壓調整算法來優化系統整體能耗。針對網絡和雲計算服務請求一類的軟實時任務,首次量化了能耗與實時響應請求之間的關係,並以此來實現系統性能與能耗的折中。在雲計算方向,用強化學習的辦法來配置虛擬機與應用程式的參數,以全面優化多用戶雲計算系統性能。首先提出一種在NUMA伺服器上挖掘數據局部性的虛擬機調度算法,該算法比經典的CreditScheduler性能提高30%以上。提出一種數據局部性感知的MapReduce任務調度算法,在虛擬集群環境上將性能提高1.5倍以上。在大數據應用方面,首先提出一組用戶移動行為的分析模型,通過融合計程車數據,地鐵數據和手機數據,精準刻畫市民的出行行為模式。在基於機器學習的智能調度方面也有較多的積累。是較早嘗試用強化學習及基於神經元網絡的強化學習方法對雲數據中心的虛擬機及虛擬機網絡進行自適應配置管理,對虛擬機網絡與Web應用配置參數聯合調優,和對虛擬集群環境下HadoopMapReduce應用進行自適應配置管理的研究,相關結果得到學術界廣泛關注,也獲HPDC2013最佳論文獎提名。對強化學習算法,特別是Q-learning算法進行理論上探索,證明了異步並行Q-learning的收斂性條件並給出收斂速度。此外,還嘗試用RandomForest,EnsembleLearning等其他機器學習方面對Hbase,Spark等應用框架等進行參數調優。
須教授帶領團隊開發了具有自主智慧財產權的先進雲/先進數據一體化服務平台xCloud/xData,系統集成了性能優化、故障主動檢測與恢復、動態負載均衡、綠色節能等算法成果,實現安全可靠、高效節能、互聯互通的目標,並成功應用於智能交通和智能醫療。系統獲2011年計算器大會「優秀創新成果獎」。基於先進雲平台的低成本全生命周期企業管理軟體獲2011年獲「優秀產品獎」。「先進雲」平台技術成功轉移轉化給中興通訊公司,並獲2014中國電子學會「科學技術一等獎」。團隊以智慧交通方面的工作為基礎,2014年成功孵化「北斗應用技術研究院」有限公司,並獲滴滴出行公司(滴滴公交)和深圳公交公司投資。