On the Distributed Computation of Fractional Connected Dominating Set Packings
无线网络中最基本的问题之一是实现高吞吐量。分数连通支配集（FCDS）封装可以为具有节点连通性$k$的网络实现$Θ(k/\log n)$消息的吞吐量，这对于基于路由的消息传输是最优的。FCDS由Censor-Hillel \emph{et al.} [SODA'14，PODC'14]提出，是对连通支配集（CDS）的自然推广，允许每个节点以其权重的一小部分参与多个FCDS。因此，建立了$Ω(k)$共存的传输骨干网，充分利用了网络连接性。我们提出了一种改进的分布式算法，改进了以前的算法$kΔ\in o(\min\{\frac{n \log n}{k} ,D,\sqrt{n \log n} \log^* n\}\log n)$，其中$Δ$是最大节点度，$D$的直径和$n$的网络中的节点数。我们通过显式计算试探支配集之间的连接来实现这一点。
2015-08-18 cs.DC cs.DS
Self-stabilizing Algorithm for Minimal $α$-Dominating Set
本文提出了一种求最小$α$ -支配集的自稳定算法。$α$ -支配参数在自稳定范式中还没有使用过。在分布式守护进程下，对一个具有$n$节点和$m$边的任意图，该算法收敛于$O(nm)$步.仿真试验和数学证明表明了算法的有效性。
2020-06-01 cs.DC
Near-Optimal Distributed Approximation of Minimum-Weight Connected Dominating Set
针对最小权连通支配集（MCDS）问题，提出了一种近优分布式近似算法。该算法在$\tilde{O}(D+\sqrt{n})$轮中找到一个$O(\log n)$近似，其中$D$是网络直径，$n$是节点数。MCDS是一个经典的NP难问题，并且已知所实现的近似因子$O(\log n)$直到常数因子为止是最优的，除非P=NP。此外，已知$\tilde{O}(D+\sqrt{n})$轮复杂度是最佳模对数因子（对于任何近似），遵循[Das Sarma等人，STOC'11]。
2014-04-30 cs.DC cs.DS
A tight local algorithm for the minimum dominating set problem in outerplanar graphs
我们发现，有一个确定性的本地算法（常数时间分布图算法），找到一个5-近似的最小支配集的outerplanar图。我们没有这样的算法，发现一个$(5-\varepsilon)$ -近似，任何$\varepsilon>0$。我们的算法只需要一个顶点和它的邻居的程度的知识，所以不需要大的消息和唯一标识符。
2022-11-20 cs.DC
Distributed Dominating Set Approximations beyond Planar Graphs
最小支配集（MDS）问题是分布式计算中最基本、最具挑战性的问题之一。虽然众所周知，最小控制集不能在一般图上局部近似，但在过去几年中，在稀疏图，特别是平面图上计算局部近似已经取得了很大进展。在本文中，我们研究了分布式和确定性的MDS近似算法的图形类平面图以外。特别地，我们证明了平面图的现有逼近界可以提升到有界亏格图，并给出了（1）一个局部常数时间，常数因子MDS近似算法和（2）一个局部$\mathcal{O}(\log^*{n})$ -时间逼近方案。我们的主要技术贡献是一个新的分析略有修改的现有算法的Lenzen等人。有趣的是，与现有的平面图的证明，我们的分析不依赖于直接的拓扑参数。
2019-04-16 cs.DC cs.DM cs.DS
Distributed Distance-$r$ Dominating Set on Sparse High-Girth Graphs
支配集问题及其推广，距离- $r$支配集问题，是序列环境中研究得很好的问题。在分布式计算模型中，与支配不同，对距离-r支配知之甚少。这实际上是其他重要的密切相关的覆盖问题，即距离- $r$独立集问题的情况。根据Kuhn等人的结果，我们知道分布控制问题在高围长图上是困难的，我们研究了这类图的一个稍微受限制的子类：具有高围长的有界扩张图，即它们的围长至少为$4r + 3$。我们表明，在这样的图中，对于每个常数$r$，一个简单的贪婪CONGEST算法提供了一个常数因子近似的最小距离- $r$支配集的问题，在一个恒定的轮数。更准确地说，我们的常数依赖于$r$，而不是图的大小。这是第一个算法，表明有非平凡的常数因子近似在常数轮数的任何距离$r$覆盖问题在分布式设置。为了证明对r的依赖是不可避免的，我们提供了一个无条件的下界，表明同样的问题在环上已经很难了。我们还表明，我们的算法分析是相对紧密的，这是任何显着的改进，近似因子需要新的算法思想。
2019-10-07 cs.DC cs.DM math.CO
Local Constant Approximation for Dominating Set on Graphs Excluding Large Minors
针对排除 $K_{2,t}$ minor 的图，提出最小支配集的 $f(t)$ 轮 50-近似确定性分布式算法，并扩展至最小顶点覆盖，利用渐近维数实现与禁子图大小无关的常数近似。
2025-05-13 cs.DC cs.DM
Near-Optimal Distributed Dominating Set in Bounded Arboricity Graphs
本文描述了一个简单的确定性$O( \varepsilon^{-1} \log Δ)$轮分布式算法，用于树荫度至多为$α$的图的最小权支配集的$(2α+1)(1 + \varepsilon)$逼近。这里$Δ$表示最大程度。我们还展示了一个下界，证明即使在未加权的情况下，此轮复杂度也几乎是最优的，通过从分布式顶点覆盖近似的著名KMW下界[Kuhn，Moscibroda和Wattenhofer JACM'16]减少。我们的算法改进了以前的所有结果（仅适用于未加权图），包括$O(\log n)$轮中的随机$O(α^2)$近似[Lenzen和Wattenhofer DISC'10]，$O(\log Δ)$轮中的确定性$O(α\log Δ)$近似[Lenzen和Wattenhofer DISC'10]，$O(\log^2 Δ)$轮中的确定性$O(α)$近似[隐含在Bansal和Umboh IPL'17和Kuhn，Moscibroda和Wattenhofer SODA'06中]，以及$O(α\log n)$轮中的随机$O(α)$近似[Morgan，Solomon和Wein DISC'21]。我们还提供了一个随机的$O(α\logΔ)$轮分布式算法，锐化逼近因子$α(1+o(1))$。如果每个节点被限制为进行多项式时间计算，则我们的近似因子在一阶中是紧的，因为实现$α- 1 - \varepsil…
2022-06-10 cs.DC cs.DS
Distributed Domination on Graph Classes of Bounded Expansion
对于有界扩张图类上的（连通）距离- $r$控制集问题，给出了一个新的常数因子逼近算法。有界扩展类包括许多常见的稀疏图类，如平面图和排除（拓扑）子图，值得注意的是，这些类形成最一般的子图封闭类的图形，其中距离- $r$支配集问题的顺序常数因子近似算法是目前已知的。我们的算法可以在分布式计算的\congestbc模型中实现，并使用$\mathcal{O}(r^2 \log n)$通信轮。我们的技术，这可能是独立的利益，是基于一个分布式计算的稀疏邻域覆盖的小半径有界扩展类。本文给出了如何计算某个函数$f$在$\mathcal{O}(r^2 \log n)$通信轮中的每类有界展开式上的半径$r$ -邻域覆盖和重叠$f(r)$.在$\mathcal{CONGEST}_{\mathrm{BC}}$模型中。最后，我们展示了如何使用更大的权力的$\mathcal{LOCAL}$模型，把任何距离$r$控制集到一个不断更大的连接距离$r$控制集在$3r+1$轮上的任何类的有界扩展。结合该算法，例如，利用Lenzen等人关于平面图控制集的常数因子近似算法给出了$\mathcal{LOCAL}$模型中平面图的连通控制集的常圈数因子近似算法，其近似比仅为Lenzen等人的近似比的$6$倍.的算法。
2018-06-06 cs.DC cs.DS
Local Approximability of Minimum Dominating Set on Planar Graphs
我们发现，没有确定性的本地算法（恒定时间分布图算法），发现一个$(7-ε)$ -近似的最小支配集的平面图，任何正常数$ε$。在以前的工作中，近似比的最佳下限是$5-ε$ ;也有一个上限$52$。
2014-02-11 cs.DC cs.DS
Distributed Approximation Algorithms for Minimum Dominating Set in Locally Nice Graphs
本文针对可嵌入有界欧拉亏格曲面的图，提出确定性的 LOCAL 分布式近似算法，将最小支配集近似比改进到 34+ε，并推广到有界渐近维数图类。
2025-07-07 cs.DC cs.DS
Distributed distance domination in graphs with no $K_{2,t}$-minor
我们证明了一个简单的分布式算法发现一个最佳的距离$k$支配集的图没有$K_{2,t}$ -小的常数近似。该算法以恒定的轮数运行。我们进一步展示了如何使用这个过程可以给出一个分布式算法，给定$ε>0$和$k,t\in \mathbb{Z}^+$发现在一个图形$G=(V,E)$没有$K_{2,t}$ -小距离- $k$支配集的大小最多$(1+ε)$的最佳。该算法在局部模型中以$O(\log^*{|V|})$轮运行。特别是，这两个算法的工作外平面图。
2022-03-07 cs.DC cs.DS
A local constant factor approximation for the minimum dominating set problem on bounded genus graphs
最小支配集问题是分布式计算中最基本的问题之一，也是最具挑战性的问题之一。虽然众所周知，最小控制集不能在一般图上局部近似，但在过去几年中，在稀疏图上计算局部近似已经取得了一些突破。本文给出了有界亏格图（一类非常大的稀疏图）上最小控制集的确定性和局部常数因子逼近。我们的主要技术贡献是一个新的分析略有修改，一阶可定义的现有算法的Lenzen等人。有趣的是，与现有的平面图的证明，我们的分析不依赖于任何拓扑参数。我们相信，我们的技术可以是有用的稀疏图的局部问题的研究超出了本文的范围。
2016-02-12 cs.DC cs.DS
Distributed domination on sparse graph classes
我们证明了在有界扩张的图类上的分布式计算模型中，支配集问题在常数轮数内允许常数因子近似。这推广了Czygrinow等人的结果。排除拓扑子图的非常一般的类的均匀稀疏图。我们演示了如何修改和微调我们的一般算法来计算（$11+ε$）-近似（对于平面图上的最小支配集的任何$ε>0)$）。这改善了以前最好的已知的近似因子52平面图，这是通过一个优雅而简单的算法Lenzen等人。
2022-07-06 cs.DC cs.DM cs.DS
Distributed Reconfiguration of Maximal Independent Sets
研究了一个分布式最大独立集（MIS）重构问题，其中存在两个最大独立集，每个节点都被赋予其成员身份，并且节点需要与它们的邻居进行通信以找到从第一个MIS切换到第二个MIS的重构调度.这样的调度是一个独立集的列表，通过禁止两个邻居在同一步骤中改变它们的成员状态来限制。此外，这些独立的集合应该提供一些覆盖担保。我们表明，获得一个实际的MIS（甚至3-支配集）在每个中间步骤是不可能的。然而，我们提供了有效的解决方案时，中间集只需要是独立的和4-支配，这几乎总是可能的，因为我们充分表征。因此，我们的目标是确定时间表的可能长度和通信轮数之间的权衡。我们证明了在$O(\texttt{MIS}+\texttt{R32})$轮中可以找到一个恒定长度的时间表，其中$\texttt{MIS}$是在最坏情况图中找到MIS的复杂度，$\texttt{R32}$是找到$(3,2)$ -规则集的复杂度。对于有界度图，这是$O(\log^*n)$轮，我们证明了这是必要的。在另一个极端，我们表明，与一个常数轮数，我们可以找到一个线性长度的时间表。
2019-02-20 cs.DC
Constant round distributed domination on graph classes with bounded expansion
我们证明了在有界扩张的图类上的分布式计算模型中，支配集问题在常数轮数内允许常数因子近似。这推广了Czygrinow等人的一个结果。排除拓扑子图。
2021-06-28 cs.DC cs.DM cs.DS
The Message Complexity of Distributed Graph Optimization
本文研究了最大匹配、最小顶点覆盖、最小支配集和最大独立集等基础图优化问题的分布式算法消息复杂度，并量化了其与近似质量的关系。
2023-11-24 cs.DC
Distributed Symmetry Breaking in Hypergraphs
基本的局部对称破缺问题，如极大独立集（MIS）和着色问题，已经被公认为是重要的社区，并在（标准）图中得到广泛的研究。特别地，快速（即，对数运行时间）的随机算法对于MIS和$Δ+1$ -着色来说是很好地建立的，这两个模型都是分布式和CONGEST分布式计算模型。另一方面，对{ \em超图}的分布对称破缺的复杂性知之甚少。特别是，一个关键问题是是否存在一个快速（随机）算法MIS超图。本文在超图的自然分布式计算模型下，通过对超图中各种基本问题的分布式随机算法，研究超图对称破缺的分布式复杂性.我们首先证明了MIS在超图（任意维）可以解决在$O(\log^2 n)$轮（$n$是超图的节点数）在ESTA模型。然后我们给出了本文的一个关键结果--在CONGEST模型下的一个$O(Δ^ε\text{polylog}(n))$ -轮超图MIS算法，其中$Δ$是超图的最大节点度，$ε> 0$是任意小的常数.为了证明超图MIS的有用性，我们提出了我们的超图算法解决问题的应用（标准）图。特别地，超图MIS产生用于{ \em平衡最小支配集}问题（在Harris等人[ICALP 2013]中未解决）和{ \em最小连通支配集问题}的快速分布式算法。我们还提出了超图着色，最大匹配，最大团的分布式算法。
2014-09-30 cs.DC cs.DS
Distributed Connectivity Decomposition
我们提出了时间有效的分布式算法分解图与大边或顶点连接到多个生成或支配树，分别。作为它们的主要应用，这些分解使我们能够实现信息流的大小接近的连接，通过并行化它沿着树。更具体地说，我们的分布式分解算法如下：（I）分解的每个无向图的顶点连通$k$到（分数）顶点不相交的加权支配树的总重量$Ω(\frac{k}{\log n})$，在$\widetilde{O}(D+\sqrt{n})$轮。(II)在$\widetilde{O}(D+\sqrt{nλ})$轮中，将每个具有边连通性$λ$的无向图分解为具有总权重$\lceil\frac{λ-1}{2}\rceil(1-\varepsilon)$的（分数）边不相交的加权生成树。我们还使用[Das Sarma等人，STOC'11]。此外，我们的顶点连通性分解扩展到集中式算法，并提高了[Censor-Hillel et al.，SODA'14]从$O(n^3)$到接近最佳的$\tilde{O}(m)$。作为推论，我们也得到了分布式不经意路由广播$O(1)$ -竞争的边缘拥塞和$O(\log n)$ -竞争的顶点拥塞。此外，顶点连通性分解导致接近时间最优的$O(\log n)$ -近似顶点连通性：集中式$\widetilde{O}(m)$和分布式$\tilde{O}(D+\sqrt{n})$。前者走向1974年的猜想Aho，Hopcroft和Ullma…
2013-11-21 cs.DC cs.DS
Local algorithms in (weakly) coloured graphs
本地算法是一种分布式算法，在恒定数量的同步通信轮之后完成。我们提出了2色图和弱2色图中最小支配集问题和最大匹配问题的局部近似算法。在弱2色图中，这两个问题都可以用近似因子$(Δ+1)/2$局部求解，其中$Δ$是图的最大度.我们还给出了一个匹配的下界证明，有没有一个更好的逼近因子，这些问题的局部算法。此外，我们表明，较强的假设2-着色没有帮助的情况下，支配集的问题，但有一个本地的近似计划的最大匹配问题的2-着色图。
2010-01-31 cs.DC
Enabling Lock-Free Concurrent Fine-Grain Access to Massive Distributed Data: Application to Supernovae Detection
我们认为，在一个大规模的分布式环境中有效地管理大量数据的问题。我们认为数据串的大小在TB的顺序，共享和并发客户端访问。每次访问时，都会读取或修改一个字节级的字符串段。我们的目标是为客户端提供高效的细粒度访问数据字符串，尽可能并发，而不锁定字符串本身。这个问题对于天文学、数据库、数据采掘和多媒体领域的应用至关重要。我们说明了这些要求与搜索超新星的应用程序的情况下。我们的解决方案依赖于分布式、基于RAM的数据存储，同时利用基于DHT的并行元数据管理方案。所提出的架构和算法已通过软件原型验证，并在集群环境中进行评估。
2008-10-13 cs.DC
The R(1)W(1) Communication Model for Self-Stabilizing Distributed Algorithms
本文提出R(1)W(1)通信执行模型，在该模型下设计了三类图问题的自稳定分布式算法，并给出可在同步消息传递模型中模拟该模型算法的转换器。
2025-10-06 cs.DC
Near-Optimal Distributed Domination in Planar Graphs
Adam Mickiewicz University（亚当·密茨凯维奇大学）
本文提出平面图上最小支配集的确定性$(8+\varepsilon)$-近似算法，在LOCAL模型常数轮内完成，通过新的结构界将近似比从$11+\varepsilon$降至接近最优下界$7$。
2026-09-29 cs.DC cs.DS
Exact Distributed Sampling
输出约束满足问题（如极大独立集）可行解的快速分布式算法已得到大量研究。对分布式采样问题的研究要少得多，其中人们希望从所有可行解的分布中采样（例如，对可行解进行均匀采样）。最近的工作（Feng，Sun，Yin PODC 2017; Fischer和Ghaffari DISC 2018; Feng，Hayes和Yin arXiv 2018）表明，对于一些约束满足问题，在分布式计算的经典模型中，存在混合在$O(\log n)$轮中的分布式马尔可夫链。然而，这些方法从接近所需分布的分布返回样本，但具有一些少量的误差。本文主要研究精确分布抽样问题。我们的主要贡献是表明，这些分布式马尔可夫链串联技术从顺序设置，即耦合从过去和边界链，可以用来设计$O(\log n)$轮模型精确抽样算法的一类加权局部约束满足问题。该一般结果导致$O(\log n)$ -使用小消息（即，在CONGEST模型中运行）和多项式时间局部计算的一些重要的特殊情况下，如采样加权独立集（又名硬核模型）和加权支配集。
2023-03-05 cs.DC
COSMIC: Enabling Full-Stack Co-Design and Optimization of Distributed Machine Learning Systems
针对分布式机器学习系统现有研究孤立优化单一方面的局限，该研究提出支持端到端仿真与智能体设计空间探索的全栈环境COSMIC，通过参数集架构抽象降低配置复杂度，实现了远优于单栈优化的性能提升。
2025-05-21 cs.DC
FanStore: Enabling Efficient and Scalable I/O for Distributed Deep Learning
新兴的深度学习（DL）应用在计算机集群上引入了繁重的I/O工作负载。固有的持久、重复和随机的文件访问模式很容易使元数据和数据服务饱和，并对其他用户产生负面影响。在本文中，我们提出了FanStore，一个短暂的运行时文件系统，优化现有的硬件/软件堆栈上的DL I/O。FanStore将数据集分发到计算节点的本地存储，并维护全局命名空间。通过系统调用拦截、分布式元数据管理和通用数据压缩等技术，FanStore以高效、可扩展的方式提供了一个符合POSIX标准的接口和本地硬件吞吐量。用户不必进行侵入性的代码更改即可使用FanStore并利用优化的I/O。我们的基准测试和实际应用的实验表明，FanStore可以扩展DL训练到512个计算节点，扩展效率超过90%。
2018-09-27 cs.DC
CCNCheck: Enabling Checkpointed Distributed Applications in Content Centric Networks
我们认为，在内容为中心的网络中，分布式应用程序的检查点有效地，使它能够承受瞬时故障的问题。我们提出了CCNCheck，一个系统，使发送方优化的方式检查点分布式应用程序在CCN的，并提供了一个有效的机制，在这样的应用程序的故障恢复。CCNCheck的检查点机制是DMTCP存储库的一个分支，CCNCheck能够运行任何用C/C++语言编写的分布式应用程序。
2015-06-01 cs.DC cs.NI
Lower Bounds for Local Approximation
在确定性分布式算法的研究中，通常假设每个节点具有唯一的$O(\log n)$位标识符。我们证明，对于一般类的图问题，本地算法（恒定时间分布式算法）不需要这样的标识符：端口编号和方向是足够的。我们的结果适用于所谓的简单PO-可检查图优化问题，这包括许多经典的包装和覆盖问题，如顶点覆盖，边缘覆盖，匹配，独立集，控制集，和边缘控制集。我们专注于有界度图的情况下，并表明，如果一个本地算法发现一个简单的PO-可检查图的问题的帮助下，唯一标识符的常数因子近似，然后可以实现匿名网络上相同的近似比。作为我们结果的推论，并通过以前的工作，我们得到了一个紧的下限的局部逼近的最小边支配集问题。我们的主要技术工具是一个代数结构的均匀有序图：我们说，一个图是$(α,r)$ -齐，如果它的节点是线性有序的，使一个$α$分数的节点有成对同构半径- $r$邻域。证明了对任意$α< 1$和任意$r$、$k$和$g$，存在围长至少为$g$的有限$(α,r)$ -齐次$2k$ -正则图.
2012-01-31 cs.DC cs.DM
Self-Stabilizing Distributed Cooperative Reset
自稳定是一种通用的容错方法，其特征在于系统在任何有限数量的瞬时故障之后最终恢复正确行为的能力。在本文中，我们提出了一个自稳定的重置算法工作在匿名网络。该算法以分布式非集中式方式重置网络，即，它是多启动器，因为每个检测到不一致的进程都可以启动重置。它也是协作的，因为它协调并发的重置执行以获得效率。我们的方法是通用的，因为我们的重置算法允许为各种问题和设置构建自稳定的解决方案。作为一个事实，我们表明，它适用于静态和动态规范，因为我们提出了有效的自稳定复位为基础的算法（1-最小）$f，g）-联盟（一般化的支配集问题）在确定的网络和匿名网络的一致性问题。请注意，后两个实例增强了现有技术。事实上，在前一种情况下，我们的解决方案比以前的解决方案更一般;而在后一种情况下，所提出的一致性算法的复杂性优于文献中以前的解决方案。
2019-04-19 cs.DC
Flex-MIG: Enabling Distributed Execution on MIG
针对MIG硬件刚性和一对一分配模型导致的集群碎片化与利用率不足问题，提出纯软件框架Flex-MIG，以一对多分配模型替代一对一模型，实现MIG实例间主机共享内存集合通信，减少碎片化并将完工时间最多缩短17%。
2025-11-13 cs.DC
CEDD-optimizer: Enabling Cost-Efficient Dataset Distillation on Geographically Distributed Edge Systems
Technical University of Munich（慕尼黑工业大学）
针对分布式边缘环境数据集蒸馏成本高的问题，提出CEDD-optimizer超参数调优框架，在质量约束下最小化总成本，实验实现20.8倍改进。
2026-09-10 cs.DC
Enabling Multi-Dimensional Distributed Trace Comparison with Contrast
Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）；Microsoft Azure Research（微软Azure研究）；Microsoft Research（微软研究院）
研究分布式跟踪诊断中的比较难题，提出Contrast系统，通过跟踪投影对象分离跟踪表示与比较语义，利用SpectroViz和Parallax接口展示能力，经实验验证其有效性和效率。
2026-07-22 cs.DC
Local planar domination revisited
在分布式计算的RMM模型中，我们给出了如何在固定轮数下计算平面图的最小支配集的20-近似。这改善了以前最好的已知的近似因子52，这是由一个优雅而简单的算法Lenzen等人。我们的算法结合了思想，从Lenzen等人的算法。最近的工作Czygrinow等人。和Kublenz等人。减少到有界度图的情况下，我们可以模拟一个分布式版本的经典贪心算法。
2021-11-29 cs.DC cs.DM
Partisan: Enabling Cloud-Scale Erlang Applications
在这项工作中，我们为Erlang提供了一个替代的分发层，名为Partisan。Partisan是一个与拓扑无关的分布式编程模型和分发层，支持用于不同应用场景的多种网络拓扑：全网状，对等，客户端-服务器和网络订阅。Partisan允许应用程序开发人员在运行时指定网络拓扑，而不是将特定于拓扑的关注点编码到应用程序代码中。Partisan还增加了对更多通道的支持，使用户能够在多个通道上分发消息，有时是并行的。我们在Erlang程序设计语言中实现和评估Partisan，并在三个场景的评估中使用它。第一个场景比较了Distributed Erlang和Partisan之间的原始性能，并显示Partisan的性能与Distributed Erlang相当或更好。第二个场景演示了通过多个连接分发流量使Partisan在正常情况下的性能提高了18倍，在网络拥塞和高并发的情况下提高了30倍。第三个场景使用现有的应用程序演示，在运行时配置拓扑可以使应用程序的性能提高13.5倍，或者扩展到通用运行时分发层上的数千个节点的集群。
2018-02-07 cs.DC
Serverless End Game: Disaggregation enabling Transparency
多年来，分布式系统社区一直在努力实现从本地到远程计算的平稳过渡。透明性意味着隐藏分布式编程的复杂性，如远程位置，故障或扩展。对我们来说，完全透明意味着我们可以在有效的无限计算、存储和内存资源上编译、调试和运行未经修改的单个机器码。我们在本文中详细阐述了为什么无服务器计算中的资源分解是实现云中完全透明的决定性催化剂。我们通过两个实验证明，我们今天可以在分散的无服务器资源上实现透明性，并获得与本地执行相当的性能。我们还表明，局部性不能被忽视的许多问题，我们提出了五个开放的研究挑战：粒度中间件和局部性，内存解聚，虚拟化，弹性编程模型，优化部署。如果完全透明是可能的，如果可以将远程实体视为本地实体，谁还需要显式使用中间件呢？我们能为大多数用户关闭分布式系统复杂性的窗帘吗？
2020-06-01 cs.DC
Meta-Theorems for Cuttable Distributed Problems
LaBRI, University of Bordeaux, CNRS（波尔多大学，法国国家科学研究中心）；Aalto University（阿尔托大学）
本文提出了一种元定理，用于将任何α-近似局部算法转换为具有更优近似比的局部算法，从而改进了对可嵌入给定欧拉 genus-g 表面的图的最小支配集问题的近似算法。
2026-05-18 cs.DC cs.DS
FogMQ: A Message Broker System for Enabling Distributed, Internet-Scale IoT Applications over Heterogeneous Cloud Platforms
由于大量地理上分布的设备通过消息代理进行通信，传统消息代理会出现过度的尾端到端延迟。另一方面，无代理消息传送系统虽然确保低延迟，但高度依赖于直接设备到设备（D2D）通信技术的限制，并且不能很好地扩展，因为大量资源有限的设备交换消息。在本文中，我们提出了FogMQ，一个基于云的消息代理系统，克服了传统系统的局限性，使自主发现，自我部署，并在异构云平台上的消息代理的在线迁移。对于每个设备，FogMQ都提供了一个高容量的设备克隆服务，可以订阅设备消息。克隆有助于在资源丰富的云计算节点中进行近边缘数据分析。FogMQ中的克隆应用了Flock，这是一种模拟群集行为的算法，允许克隆以分布式方式动态选择并自主迁移到不同的异构云平台。
2016-10-03 cs.DC cs.NI
Enabling Interactive Mobile Simulations Through Distributed Reduced Models
目前，各种硬件和软件公司都在开发增强现实设备，最突出的是微软的Hololens。除了游戏之外，这些设备还可以用于严肃的普及应用，比如交互式移动模拟，以支持现场的工程师。交互式仿真对资源有很高的要求，单靠移动终端是无法满足的。因此，我们提出了一个框架来支持移动仿真之间的移动终端和一个远程服务器的基础上减少的基础方法分布的计算。评估表明，我们可以加快超过131倍的数值计算，而使用的能量少73倍。
2018-02-14 cs.DC cs.ET
Distributed Stochastic Graph Algorithms
Technion（以色列理工学院）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））；Inria（法国国家信息与自动化研究所）
本文研究了在新型分布式环境下随机图优化问题，提出了一种高效的分布式随机算法，用于求解最大匹配、最小顶点覆盖和最小支配集问题，并克服了已知的下限。
2026-05-20 cs.DC cs.DS
Improved Linear-Time Construction of Minimal Dominating Set via Mobile Agents
Indian Statistical Institute（印度统计研究院）
本文提出通过移动代理在同步环境下以线性时间构造最小支配集，并在此过程中构建生成树和选举领导者。
2025-11-25 cs.DC cs.DS cs.MA
Enabling Distributed Optimization in Large-Scale Power Systems
电力系统非凸最优潮流问题的分布式优化在过去的十年里引起了人们的极大关注。大多数研究是基于IEEE测试系统的地理分解，以验证所提出的方法的可行性。然而，目前尚不清楚是否可以从这些研究中推断出这些方法可以应用于非常大规模的现实世界系统。在本文中，我们表明，第一次，分布式优化可以有效地应用到一个大规模的实际传输网络，即波兰2383总线系统，其中没有预定义的分区存在，通过使用最近开发的分区技术。更具体地说，所解决的问题是AC OPF问题与地理分解的网络使用交替方向乘法（ADMM）方法结合分区技术。通过大量的实验结果和分析研究，我们表明，所提出的分区技术的ADMM的收敛性能可以大大提高，这使得分布式方法的应用非常大规模的系统。
2016-05-31 cs.DC math.OC
Distributed Bare-Bones Communication in Wireless Networks
我们考虑在干扰的SINR模型下操作的无线网络。节点具有有限的个体知识和能力：它们不知道它们在平面中的坐标系中的位置，此外它们不知道它们的邻域，它们也不知道网络$n$的大小，并且最后它们不能感测由至少两个邻居的同时传输引起的冲突。每个节点配备有唯一的整数名称，其中$N$作为名称范围的上限。我们把由节点的直径保持支配集导出的子网络称为主干。令$Δ$表示当没有其他节点并发地发送时能够成功接收由节点发送的消息的节点的最大数量。我们研究分布式算法的通信问题在三个设置。在单节点启动的情况下，当一个节点开始执行和其他节点被唤醒，从已经唤醒的节点接收消息，我们提出了一个随机广播算法，唤醒所有节点在$O(n \log^2 N)$轮的概率很高。对于同步启动的情况下，当所有的节点同时开始一个执行，我们给出了一个随机算法计算骨干$O(Δ\log^{7} N)$轮的高概率。在部分协调启动的情况下，当一些节点开始一起执行和其他节点被唤醒，从已经唤醒的节点接收消息，我们开发了一个算法，创建一个骨干的时间$O(n\log^2 N +Δ\log^{7} N)$具有很高的概率。
2021-06-13 cs.DC
Distributed-Memory Breadth-First Search on Massive Graphs
本章研究在分布式内存超级计算机上使用广度优先搜索顺序遍历大型图的问题。我们既考虑了传统的层次同步自顶向下算法，也考虑了最近发现的方向优化算法。我们分析了使用不同的本地数据结构，如CSR和DCSC，使节点内多线程，和图形分解，如1D和2D分解的性能和可扩展性的权衡。
2017-05-10 cs.DC
Distributed SLIDE: Enabling Training Large Neural Networks on Low Bandwidth and Simple CPU-Clusters via Model Parallelism and Sparsity
Rice University（莱斯大学）；ThirdAI Corp.（ThirdAI公司）
超过70%的云计算是付费的，但处于闲置状态。这些空闲计算中的很大一部分是廉价的CPU，其核心很少，在不太繁忙的时间内不会被利用。本文旨在使这些CPU周期能够训练重量级AI模型。我们的目标是反对主流框架，这些框架专注于利用昂贵的专用超高带宽互连来解决分布式神经网络训练中的通信瓶颈。本文提出了一种分布式模型并行训练框架，使训练大型神经网络上的小CPU集群与低互联网带宽。我们建立在SLIDE算法引入的自适应稀疏训练框架之上。通过在分布式节点上仔细部署稀疏性，我们展示了比Horovod（大多数商业软件背后的主引擎）快几个数量级的模型并行训练。我们表明，减少通信，由于稀疏性，我们可以训练接近十亿参数模型上简单的4-16核心CPU节点连接的基本低带宽互连。此外，训练时间与一些最好的硬件加速器相当。
2022-01-29 cs.DC cs.LG
FleXR: A System Enabling Flexibly Distributed Extended Reality
本文提出分布式流处理系统FleXR，通过灵活分布XR功能管道解决商用设备卸载问题，在四种场景评估中实现端到端延迟降低50%、吞吐量提升3.9倍。
2023-07-28 cs.DC cs.MM
Strategies for Development of a Distributed Framework for Computational Sciences
本文讨论了一些通用的方法来开发基于网格的框架，使工作流程的建立，包括现有的软件在计算科学领域。我们强调的主要要求，解决了发展这样的框架。在网格环境中，方便的计算软件之间的互操作性的一些策略已经显示。提出了基于UML的工作流图形化描述工具。
2011-06-18 cs.DC physics.comp-ph
LIBRA: Enabling Workload-aware Multi-dimensional Network Topology Optimization for Distributed Training of Large AI Models
Georgia Institute of Technology（佐治亚理工学院）；Intel（英特尔公司）
针对大型AI模型分布式训练的通信开销瓶颈，提出工作负载感知的多维网络拓扑优化框架LIBRA，通过最优带宽分配提升网络带宽与资源利用率，经案例验证其在约束下构建优化网络及创造协同优化机会的价值。
2024-05-05 cs.DC cs.LG
A Framework for Enabling Distributed Applications on the Internet
在过去的五年里，我们看到了互联网分布式应用程序（IDA）的迅速普及。这些是许多用户同时交互的互联网应用程序。IDA的范围从P2P文件共享应用程序到协作分布式计算项目，再到大型多人在线游戏（MMOG）。目前，还没有一个框架将国际开发协会集中在一个单一的范围内。我们在此为这样一个框架提供了基础。在集体考虑IDA时，我们发现没有将其作为一个群体应用的通用描述。因此，我们在此提出这样的描述。在我们的描述中，IDA是分为三个逻辑层的功能，它们是单独设计和构建的。每一层都由运行在每台参与计算机上的软件客户端上的功能表示，这些功能共同组成了整个IDA。这项工作的核心贡献是一个框架，称为Internet分布式应用程序框架（IDAF），它概述了如何设计，构建和运行IDA。IDAF概述了每个实现软件系统必须遵守的一组约束。为了验证IDAF，我们已经建立了一个系统原型实现称为互联网分布式应用系统（IDAS）。IDAS包括IDAF层模型的实现，其指定构建的IDAS。IDAS还包括能够同时运行和管理任意IDA的通用软件客户端。我们提供了示例IDAs和演示，以验证IDAF是可实现的，IDAS是一个可行的可用系统。
2011-06-14 cs.DC cs.NI
DualMap: Enabling Both Cache Affinity and Load Balancing for Distributed LLM Serving
Huazhong University of Science and Technology（华中科技大学）；Huawei（华为）
DualMap通过双映射策略实现分布式大语言模型服务中的缓存亲和与负载均衡，提升请求容量2.25倍。
2026-02-06 cs.DC
Designing Local Distributed Mechanisms
Helsinki Institute for Information Technology HIIT（赫尔辛基信息技术研究所）；Aalto University（阿尔托大学）
提出局部机制概念，通过单调分布式优化算法和Myerson引理实现真实机制，应用于最大独立集等图问题，在LOCAL模型中保持相同时间复杂度。
2026-06-29 cs.DC cs.GT
Enabling Portability and Reusability of Open Science Infrastructures
本文提出了一种设计容器化和分布式开放科学基础设施的方法，以简化其在不同环境中的可重用性，可复制性和可移植性。该方法以基于四个主要阶段的逐步模式描述：（1）分析，（2）设计，（3）定义，以及（4）管理和配置。我们伴随着现有的技术和具体的应用实例的每一个步骤的描述。
2022-07-28 cs.DC
Enabling Cross-Camera Collaboration for Video Analytics on Distributed Smart Cameras
Nokia Bell Labs（诺基亚贝尔实验室）
针对现有多摄像头视频分析系统存在的冗余计算、架构局限问题，提出分布式系统Argus，通过时空关联、动态调度与负载分配实现跨摄像头协作，显著降低识别次数与延迟且跟踪质量相当。
2024-01-27 cs.CV cs.DC
A Fast Network-Decomposition Algorithm and its Applications to Constant-Time Distributed Computation
将$G = (V,E)$的划分$(C_1,C_2,...,C_q)$划分为强（分别为弱）直径$d$的簇，使得通过收缩每个$C_i$获得的超图是$\ell$可着色的，称为强（分别为弱）直径$d$的簇，弱）$(d, \ell)$ -网络分解。网络分解是由Awerbuch、Goldberg、Luby和Plotkin在1989年的一篇开创性论文中介绍的。Awerbuch等人证明了强$(exp\{O(\sqrt{ \log n \log \log n})\}, exp\{O(\sqrt{ \log n \log \log n})\})$ -网络分解可以在分布式确定性时间$exp\{O(\sqrt{ \log n \log \log n})\}$中计算。1992年，Panconesi和Srinivasan改进了Awerbuch等人的结果：后者的结果为$d = \ell = exp\{O(\sqrt{\log n})\}$，运行时间也为$exp\{O(\sqrt{\log n})\}$。最近，Barenboim（2012）设计了一个分布式随机常数时间算法，用于计算$d = O(1)$的强网络分解。然而，他的结果中的参数$\ell$是$O(n^{1/2 + ε})$。本文改进了Barenboim的结果，设计了一个计算强$(O(1), O(n^ε))$ -网络分解的分布式随机常数时间算法.作为一个推…
2017-03-25 cs.DC cs.DS
MAD Max Beyond Single-Node: Enabling Large Machine Learning Model Acceleration on Distributed Systems
FAIR at Meta（Meta FAIR研究院）；Harvard University（哈佛大学）
针对大规模机器学习训练与部署中通信开销大、GPU 利用率低的问题，本文提出性能建模框架 MAD-Max，通过优化并行化策略和软硬件协同设计，在真实 GPU 集群上实现预训练最高 2.24 倍、推理最高 5.2 倍的吞吐量提升。
2024-06-10 cs.AR cs.DC cs.LG
