国家重点研发计划,“新一代云计算服务器技术与系统”课题

本项目主要研究能满足云计算的高并发、资源按需分配等需求的专用云计算服务器，提出一种多维异构融合和弹性共享的新一代云计算服务器体系结构，在云计算服务器节点技术、跨节点技术、基础软件技术、评价与优化技术等方面突破一批关键技术，形成自研的新一代云计算服务器技术与系统解决方案、技术体系和标准规范。本课题关注的服务器异构计算与跨节点共享是目前高效数据中心云计算服务器领域的主流研究方向。

国家重点研发计划，“软件定义的云计算基础理论与方法”子课题

在多租户数据中心内，租户之间的干扰会导致其性能波动，以及应用性能和系统资源利用率之间的矛盾。为了解决这个问题，本课题从数据中心网络的维度出发，研究支持标签化冯诺依曼体系结构的数据中心网络核心技术。重点研究标签化的数据中心网络协议栈，实现网络协议栈内核心资源在多租户/多应用之间的有序共享；重点研究高效的虚拟网络向物理网络的映射算法，从而有效提升网络资源利用率。

国家自然科学基金重点项目,面向云服务数据中心的OpenStale全光交换网络

国家自然科学基金青年项目,移动数据网络中获得高吞吐率和低延迟的拥塞控制算法研究

国家重点研发计划，“基于数据流的大数据分析系统”子课题

华为联合实验室项目

着眼于数据中心网络(DCN)的巨大潜力和快速发展，而开源模拟器对于DCN的数据平面模拟的空白，该项目在Booksim的基础上扩展了一款数据平面的DCN模拟库Cloudlib。该库包涵了Ethernet协议和共享缓存路由结构，可以为DCN中的高速交换技术、拥塞控制、故障检测和性能测试提供较为便利和准确的数据参考。进一步，在Cloudlib模拟库的支持下提出了一种基于机器学习的拥塞自定位算法，即周期性收集网络状态来训练机器学习算法，生成网络拥塞预测模型，并对当前的网络状态进行拥塞预测。实验结果表明利用该拥塞预测方案，相对传统方法的拥塞预测准确率可提升58%，覆盖率提升61%。