Transformative effects of IoT, Blockchain and Artificial Intelligence on cloud computing: Evolution, vision, trends and open challenges
云计算在现代社会中发挥着至关重要的作用，并支持从基础设施到社交媒体的一系列应用。此类系统必须应对变化的负载和不断变化的使用，反映社会对自动计算系统的交互和依赖，同时满足服务质量（QoS）保证。使这些系统成为可能的是一组概念性技术，它们被综合起来以满足不断发展的计算应用的需求。为了了解这种系统当前和未来的挑战，有必要确定实现未来应用的关键技术。在这项研究中，我们的目标是探索三个新兴的范式（区块链，物联网和人工智能）将如何影响未来的云计算系统。此外，我们确定了几种驱动这些模式的技术，并邀请国际专家讨论云计算的现状和未来方向。最后，我们提出了一个云未来学的概念模型，以探讨新兴的范式和技术对云计算的演变的影响。
2019-10-21 cs.DC
A Comprehensive Vision on Cloud Computing Environment: Emerging Challenges and Future Research Directions
云计算已成为计算行业的支柱，并提供基于订阅的按需服务。通过虚拟化，产生在抽象硬件层中运行的计算机系统的虚拟实例，它使我们能够在许多用户之间共享资源。与早期的分布式计算模型相反，它通过其庞大的云计算中心保证了无限的计算资源，并且由于其不断扩展的基础设施，用户群和托管数据量，近年来它非常受欢迎。这些庞大而复杂的工作负载带来了许多问题，包括资源使用、功耗、可扩展性、运营费用、安全性等问题。在此背景下，本文全面概述了各种规模的组织中最普遍的共享和通信问题。讨论了安全分类、负载均衡以及在保护敏感数据时遇到的主要困难。需要对当前最先进的贡献、资源管理分析方法、负载均衡解决方案、授权物流和基于多目标学习的方法进行全面检查。在最后一节中，本文检查，审查，并建议未来的研究方向，在该地区的安全虚拟机安置。
2022-07-16 cs.DC
Energy-Efficient Management of Data Center Resources for Cloud Computing: A Vision, Architectural Elements, and Open Challenges
云计算为全球用户提供面向实用程序的IT服务。基于按需付费模型，它可以托管来自消费者、科学和商业领域的普遍应用程序。然而，托管云应用程序的数据中心消耗大量能源，导致高运营成本和对环境的碳足迹。因此，我们需要绿色云计算解决方案，不仅可以为环境节省能源，还可以降低运营成本。本文介绍了云计算环境节能管理的愿景、挑战和架构元素。我们专注于动态资源供应和分配算法的开发，这些算法考虑了各种数据中心基础设施之间的协同作用（即，硬件、电源单元、冷却和软件），并全面提高数据中心的能效和性能。特别是，本文提出了（a）架构的云节能管理原则;（b）节能资源分配政策和调度算法，考虑服务质量的期望，和设备的功率使用特性;和（c）一种新的软件技术，云节能管理。我们已经验证了我们的方法进行了一系列严格的性能评估研究，使用CloudSim工具包。结果表明，云计算模型具有巨大的潜力，因为它提供了显着的性能增益方面的响应时间和成本节约动态工作负载的情况下。
2010-06-02 cs.DC
Fog Computing and Large Language Models: A vision for mutual beneficiaries
School of Computer and Information Sciences, University of Hyderabad（海德拉巴大学计算机与信息科学学院）
本文探讨雾计算与大型语言模型（LLMs）如何相互受益，通过优化LLMs以适应雾基础设施，并利用LLMs的代码生成能力动态部署雾应用，综述了当前研究现状与未来方向。
2026-07-09 cs.DC
Software-Defined Multi-Cloud Computing: A Vision, Architectural Elements, and Future Directions
云计算在过去十年中已经出现，以实现基于实用程序的计算资源管理，而无需购买硬件设备。云提供商在不同的位置运行多个数据中心，以管理和为客户提供云资源。最近，软件定义网络（SDN）和网络功能虚拟化（NFV）的引入在云中打开了更多的机会，这使得能够在云数据中心中动态和自主地配置和供应资源。本文提出了可编程网络云的架构框架和原则，托管SDN和NFV的地理分布的多云计算环境。成本和SLA感知的资源配置和调度，最大限度地减少运营成本，而不违反协商的SLA的调查和讨论的技术自主和及时的VNF组成，部署和管理跨多个云。我们还讨论了使用分析和监控技术创建用于VNF性能优化的自动扩展解决方案的开放挑战和方向，用于可扩展流量和部署管理的SDN控制器算法。仿真平台和概念验证原型的初步评估结果。
2018-05-28 cs.DC
Layout-Agnostic MPI Abstraction for Distributed Computing in Modern C++
针对 MPI 纯 C 接口缺乏现代 C++ 类型与泛型支持的问题，本文基于 Noarr 提出布局无关抽象，并通过分布式 GEMM 验证其灵活性及与现有 MPI C++ 绑定相当的性能。
2025-10-19 cs.DC
Modernizing the HPC System Software Stack
整个20世纪90年代，国家实验室、大学和其他大型站点的HPC中心设计了分布式系统架构和软件堆栈，实现了极端规模的计算。到2010年代，这些中心被网络规模和云计算架构的规模所掩盖，今天即使是即将到来的亿级HPC系统，规模也比大型网络公司雇用的数据中心小。与此同时，HPC社区允许系统软件设计停滞不前，依赖于对经过验证的设计进行增量更改，以便在几代系统之间移动。我们认为，注重可扩展性、可扩展性、安全性和现代方法的现代系统软件堆栈将使整个HPC社区受益。在本文中，我们分解了一个典型的HPC系统软件堆栈的逻辑部分，看看更现代的方法来满足他们的需求，并提出建议，未来的工作，将有助于社区朝着这个方向前进。
2020-07-20 cs.DC
Towards Offloadable and Migratable Microservices on Disaggregated Architectures: Vision, Challenges, and Research Roadmap
微服务和无服务器计算系统为分布式和企业级计算提供了巨大的多功能性和机会。与此同时，现代数据中心资源的部署正在转向分散式架构。随着双方的蓬勃发展，我们认为现在是时候撰写这份愿景文件，提出一个潜在的研究议程，以在新兴的分散数据中心架构之上实现下一代微服务的高效部署、管理和执行。特别是，我们设想了一个关键的系统研究方向，即在分散的架构上设计和开发可迁移和可迁移的微服务。在此基础上，我们回顾了近年来的相关研究，说明了研究的重要性和必要性，并指出了分布式系统和企业级计算研究可能遇到的基本挑战。我们进一步提出了一个研究路线图，以实现我们设想的目标，在一个有前途的方式。在路线图中，我们确定了可以利用的潜在技术和方法。
2021-04-22 cs.DC
Massivizing Computer Systems: a Vision to Understand, Design, and Engineer Computer Ecosystems through and beyond Modern Distributed Systems
我们的社会是数字化的：工业、科学、管理和个人通常透明地依赖于大量分布式计算机系统的互操作。虽然社会认为它们几乎是理所当然的，但这些计算机生态系统并不适用于所有人，可能无法长期负担，并提出了许多其他研究挑战。受这些挑战和我们的经验与分布式计算机系统的启发，我们设想大规模计算机系统，计算机科学的领域集中在理解，控制和成功地发展这样的生态系统。除了建立和发展有关计算机生态系统及其组成系统的知识体系外，该领域的社区还应该致力于教育许多人了解该领域的设计和工程，以及所有人了解其原则。这是对整个社区的一个呼吁：有很多东西需要发现和实现。
2018-02-22 cs.DC cs.SE
Energy-Efficiency and Sustainability in New Generation Cloud Computing: A Vision and Directions for Integrated Management of Data Centre Resources and Workloads
针对云计算能耗激增带来的环境与运营问题，本文提出以学习为核心的新一代云环境集成管理愿景，明确相关维度与关键问题，给出概念架构及初步结果，验证其在保服务质量的同时降能耗减碳排的潜力。
2023-07-20 cs.DC
Intelligent networking with Mobile Edge Computing: Vision and Challenges for Dynamic Network Scheduling
移动边缘计算（MEC）被认为是物联网（IoT）的一种有前途的技术。通过在设备附近部署边缘服务器，期望通过智能联网以相对低的延迟提供服务和处理数据。但是，庞大的边缘服务器在协作和资源分配方面可能面临很大的挑战。此外，智能联网要求以分布式模式在线实施。在这类系统中，由于复杂的应用环境，网络调度不能遵循任何已知的规则。然后，统计学习上升为一个很有前途的技术，网络调度，边动态学习环境元素的合作。期望这种基于学习的方法可以缓解模型局限性的不足，从而增强其在动态网络调度中的实际应用。在本文中，我们研究了具有移动边缘计算的智能物联网网络的愿景和挑战。从系统的观点，一些主要的研究机会列举了关于统计学习。
2020-04-29 cs.DC cs.NI
Internet ware cloud computing :Challenges
经过几十年的工程开发和基础设施投资，互联网连接在许多国家已经成为商品，互联网规模的“云计算“已经开始通过其技术优势和规模经济与传统软件业务竞争。云计算是一种很有前途的互联网软件使能技术，云计算被称为现代企业界的下一件大事。除了当今的软件和技术，云计算将对许多大型组织的企业IT和业务活动产生越来越大的影响。本文提供了一个洞察云计算，它的影响，并讨论了各种问题，企业组织面临的同时，实施云计算。此外，它还建议了组织在迁移到云计算时需要采用的各种策略。本文的目的是了解现代世界中的云计算及其对组织和企业的影响。本文首先简要介绍了云计算模型的介绍及其目的。此外，它还讨论了需要克服的各种技术和非技术问题，以便在公司业务和组织中实现云计算的好处。然后，它提供了各种建议和战略，企业需要在进入新技术之前工作。
2010-04-10 cs.DC
Big Memory Servers and Modern Approaches to Disk-Based Computation
大内存解决方案是一种新的计算模式，由当今可用的商品服务器平台提供便利。它向操作系统提供了一个大的RAM子系统，因此为应用程序员提供了许多以前不可用的数据管理选项。此外，某些特定于供应商的解决方案提供了额外的存储管理选项，这将带来更好的数据可靠性和访问速度。
2022-07-23 cs.DC
Cloud Computing framework for Computer Vision Research:An Introduction
Beijing Jiaotong University（北京交通大学）
云计算提供了帮助科学家处理机器学习应用（例如计算机视觉问题）中经常需要的大量计算资源的潜力。该提案旨在说明可以从云计算中获得哪些好处，以帮助医学图像分析用户（包括科学家，临床医生和研究机构）。由于算法的安全性和隐私对于大多数算法发明者来说都很重要，因此这些算法可以隐藏在云中，以允许用户将算法作为一个包使用，而无需查看/更改其内部。换句话说，在用户部分，用户将他们的图像发送到云端，并通过接口配置算法。在云部分，算法被应用于该图像，结果被返回给用户。我的建议有两部分：（1）调查云计算解决计算机视觉问题的潜力，（2）研究拟议的基于云的医学图像分析应用框架的组件并开发它们（取决于实习时间的长短）。调查部分将涉及对问题的几个方面的研究，包括安全性，可用性（服务的医疗最终用户），视觉问题的适当编程抽象，可扩展性和资源需求。在本提案的第二部分，我将深入研究拟议的框架组成部分及其关系，并将其发展。所提出的基于云的框架包括一个集成环境，使科学家和临床医生能够使用少数用户界面访问以前和当前的医学图像分析算法，而无需访问算法代码和程序。
2013-02-06 cs.CV cs.DC
A Periodic Space of Distributed Computing: Vision & Framework
University of North Texas（北德克萨斯大学）；The University of Melbourne（墨尔本大学）；Argonne National Laboratory（阿贡国家实验室）；Cardiff University（卡迪夫大学）；University at Buffalo（布法罗大学）；Tor Vergata University of Rome（罗马第二大学）
本文提出周期框架以系统描述分布式计算特性，探讨未来智能系统需求下的演进方向，总结关键系统属性模式及未来趋势预测。
2026-04-14 cs.DC cs.OS
Sustainability in HPC: Vision and Opportunities
本文面向百亿亿次时代 HPC 系统碳排放问题，分析设计与运行中的挑战，并提出降低碳足迹的多种机遇。
2023-09-23 cs.AR cs.DC
FPGA-Based Near-Memory Acceleration of Modern Data-Intensive Applications
现代数据密集型应用需要高计算能力和严格的功耗限制。不幸的是，由于计算单元和存储器单元之间的昂贵的数据移动，这样的应用遭受当前计算系统中的执行周期和能量的显著浪费。基因组分析和天气预报是这类应用的两个例子。最近的FPGA将可重配置结构与高带宽存储器（HBM）相结合，以实现更高效的数据移动，并提高整体性能和能效。这种趋势是向近内存计算的范式转变的一个例子。我们利用这样一个FPGA与高带宽存储器（HBM），以改善基因组分析和代表性的内核从天气预测模型的预对齐过滤步骤。我们的评估表明，在高端IBM POWER9系统和传统的FPGA板与DDR4内存的大加速和节能。我们的结论是，基于FPGA的近内存计算有可能减轻现代数据密集型应用程序的数据移动瓶颈。
2021-07-03 cs.AR cs.DC
Artificial Intelligence (AI)-Centric Management of Resources in Modern Distributed Computing Systems
The University of Melbourne（墨尔本大学）；Amazon Web Services (AWS)（亚马逊云科技（AWS））
诸如云数据中心的当代分布式计算系统（DCS）是大规模的、复杂的、异构的，并且分布在多个网络和地理边界上。另一方面，物联网（IoT）驱动的应用程序正在产生大量数据，需要实时处理和快速响应。有效地管理这些资源以向最终用户或应用程序提供可靠的服务是一项具有挑战性的任务。现有的资源管理系统（RMS）依赖于静态或启发式的解决方案不适合这样的复合和动态系统。由于数据可用性和处理能力，人工智能（AI）的出现表现为在RMS任务中探索数据驱动的解决方案的可能性，这些解决方案是自适应的，准确的，高效的。在这方面，本文的目的是得出在资源管理中的数据驱动的解决方案的动机和必要性。它确定了与之相关的挑战，并概述了未来潜在的研究方向，详细说明了在不同的RMS任务中如何应用数据驱动技术。最后，它为DCS提供了一个概念性的数据驱动RMS模型，并展示了两个实时用例（GPU频率扩展和来自Google Cloud和Microsoft Azure的数据中心资源管理），展示了以AI为中心的方法的可行性。
2020-11-07 cs.DC cs.LG
Universal Workers: A Vision for Eliminating Cold Starts in Serverless Computing
针对无服务器计算的冷启动问题，提出基于请求偏态分布的通用工作器方案，通过局部性组与三级缓存近似实现，旨在构建更高效可扩展的FaaS平台。
2025-09-11 cs.DC cs.PF
Service Orchestration in the Computing Continuum: Structural Challenges and Vision
Universitat Pompeu Fabra（庞培法布拉大学）；Stockholm University（斯德哥尔摩大学）；University of Melbourne（墨尔本大学）；ICREA（加泰罗尼亚高级研究所）；TU Wien（维也纳工业大学）
本文探讨了计算连续体中服务编排的结构性挑战，并提出通过主动推断概念实现自主编排的愿景，同时指出现有解决方案的不足及未来研究方向。
2026-02-17 cs.DC cs.ET cs.SY
Quantum Computing: Vision and Challenges
本文综述量子计算的基础、愿景与最新进展，涵盖硬件、量子密码学、量子软件及高可扩展性方向，并指出未来研发中的关键挑战与新趋势。
2025-04-07 cs.DC cs.ET quant-ph
Optimisation of ATLAS computing resource usage through a modern HEP Benchmark Suite via HammerCloud and Big PanDA
本文利用HammerCloud和PanDA在136个站点部署增强型HEP Benchmark Suite，系统评估HEPScore23基准下ATLAS计算资源的实际性能与声明能力差异，识别配置问题并优化资源使用效率。
2025-02-07 cs.DC hep-ex
The Vision of Autonomic Computing: Can LLMs Make It a Reality?
State Key Laboratory for Novel Software Technology, Nanjing University（南京大学现代软件技术国家重点实验室）；Microsoft（微软）
本文探索利用 LLM 多智能体框架实现微服务管理的自治计算愿景，提出五级分类法并基于 Sock Shop 基准评估，结果显示达到三级自主性，验证了 LLM 在问题检测与解决中的有效性。
2024-07-19 cs.AI cs.CL cs.DC
Architectural Vision for Quantum Computing in the Edge-Cloud Continuum
TU Vienna（维也纳工业大学）；University of Stuttgart（斯图加特大学）
本工作提出边缘-云连续体中的量子计算架构，通过热启动工作流和混合经典-量子神经网络推理引擎，利用分布式异构资源，并验证了扩展经典方法集成量子电路以提高解决方案质量的可行性。
2023-05-09 cs.DC cs.LG quant-ph
From the NYU Ultracomputer to Modern Exascale: A Historical and Architectural Survey of In-Network Computing and Scalable Synchronization
Catskills Research Company（卡茨基尔研究公司）
本文综述了四十年间大规模并行系统的硬件架构、互连网络和同步原语，重点分析了NYU Ultracomputer和IBM RP3中的Fetch-and-Add硬件实现，并与现代分布式内存架构及网络内计算模型（如NVIDIA SHARP和HPE Slingshot）进行对比。
2026-06-16 cs.AR cs.DC cs.GL
The Distributed Computing Model Based on The Capabilities of The Internet
论文从理论和实践两个方面介绍了所提出的利用分布式计算进行全球网络互联网通信的模型。分布式计算被广泛应用于现代解决方案中，如研究，其中要求非常高的处理能力，这不能放在一个集中的点。提出的解决方案是基于开放的技术和计算机来执行主要由互联网用户谁是志愿者提供的计算。
2012-10-04 cs.DC cs.NI
Boosting performance of computer vision applications through embedded GPUs on the edge
Federal Institute of Education, Science, and Technology Farroupilha (IFFar)（法鲁皮利亚联邦教育、科学与技术学院）
针对移动设备上计算机视觉应用资源需求高且边缘设备容量有限的问题，本研究提出利用带GPU的嵌入式设备进行计算卸载，实验证明相比仅用CPU能显著提升性能并改善用户体验。
2025-11-03 cs.CV cs.DC
Bringing Fault-Tolerant GigaHertz-Computing to Space: A Multi-Stage Software-Side Fault-Tolerance Approach for Miniaturized Spacecraft
现代嵌入式技术是卫星小型化的一个驱动因素，有助于卫星发射的大规模繁荣和迅速发展的新航天工业。然而，小型化卫星的可靠性低，因为传统的基于硬件的容错（FT）概念对于利用现代片上系统（SoC）的单板计算机（OBC）是无效的。因此，较大的卫星继续依赖于具有大特征尺寸的成熟处理器。基于软件的概念在很大程度上被航天工业所忽视，因为它们只在理论上进行研究，尚未达到实施所需的成熟程度。我们提出了第一个完整的，现实世界的解决方案，使容错通用计算与现代多处理器SoC（MPSoC）的航天，从而使其在未来的高优先级的空间任务的使用。所提出的多阶段方法由三个FT阶段组成，结合粗粒度线程级分布式自验证，FPGA重新配置和混合关键性，以确保资源受限和关键的高优先级空间任务的长期FT和良好的可扩展性。早期的基准测试结果表明，与最先进的抗辐射OBC设计相比，性能大幅提高，软件和硬件开发成本显著降低。这种方法是为欧洲航天局（ESA）的一个为期4年的项目开发的，我们正在与两个工业合作伙伴联合实施一个平铺式MPSoC原型。
2017-08-23 cs.DC cs.OS
Resource-Aware Programming for Robotic Vision
Technical University of Munich（慕尼黑工业大学）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
人形机器人被设计为在以人为中心的环境中操作。他们面临着不断变化的动态环境，需要完成大量具有挑战性的任务。这些任务在复杂性、资源需求和执行时间方面有所不同。人形机器人的最新计算机体系结构由几个包含单核或双核处理器的工业PC组成。根据SIA的半导体路线图，数百到数千个核心的众核芯片预计将在未来十年内上市。利用具有大量资源的芯片的全部功率需要新的计算范例和方法。在本文中，我们分析了一个资源感知计算方法命名为入侵计算，以解决这些挑战。新的编程模型的优点和局限性进行了分析，使用两个广泛使用的计算机视觉算法，哈里斯角点检测器和SIFT（尺度不变特征变换）特征匹配。结果表明，新的编程模型加上应用层内的扩展，使它们具有很强的适应性，从而获得更好的质量的结果。
2014-05-12 cs.CV cs.DC cs.RO
SOAR: Minimizing Network Utilization with Bounded In-network Computing
经由智能联网设备的网内计算是现代数据中心网络的最近趋势。具有近线速计算和聚合能力的最先进的交换机被开发以实现，例如，加速和更好地利用现代应用程序，如大数据分析，以及大规模分布式和联合机器学习。我们制定和研究的问题，激活有限数量的网络内的计算设备在一个网络内，旨在减少一个给定的工作负载的整体网络利用率。对每个工作负载的网络内计算元件的数量的这种限制出现，例如，网络基础设施的增量升级，也是由于需要专门的中间盒或FPGA，应该支持异构工作负载和多个租户。我们提出了一个最佳和有效的算法，将这些设备在树网络中的任意链路速率，并进一步评估我们提出的解决方案在各种情况下，并为各种任务。我们的研究结果表明，只有一小部分网络设备支持网络内聚合可以导致网络利用率显着降低。此外，我们表明，各种直观的策略执行这样的布局表现出显着较差的性能相比，我们的解决方案，不同的工作负载，任务和链路速率。
2021-10-27 cs.DC cs.DS cs.NI
Heterogeneous Data-Centric Architectures for Modern Data-Intensive Applications: Case Studies in Machine Learning and Databases
ETH Zürich（苏黎世联邦理工学院）；Google（谷歌）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
当今的计算系统需要在计算资源之间来回移动数据（例如，CPU、GPU、加速器）和片外主存储器，以便可以对数据进行计算。不幸的是，这种数据移动是系统性能和能耗的主要瓶颈。在现代和新兴的应用程序中，一个有前途的执行范例是内存中处理（PIM），其中通过将计算能力放置在内存附近来降低数据移动到主内存/从主内存移动的成本。简单地采用PIM来加速数据密集型工作负载可能会导致次优性能，因为PIM基板施加了许多设计约束。因此，许多最近的作品共同设计专门的PIM加速器和算法，以提高性能并降低（i）来自各种应用领域的应用程序的能耗;以及（ii）各种计算环境，包括云系统，移动系统和边缘设备。我们展示了共同设计算法和硬件的好处，这种方式有效地利用了PIM范式用于两个现代数据密集型应用：（1）边缘设备的机器学习推理模型和（2）云系统的混合事务/分析处理数据库。我们在系统设计中遵循两步走的方法。在第一步中，我们广泛分析每个应用程序的计算和内存访问模式，以深入了解其硬件/软件要求以及以处理器为中心的系统中的性能和能源瓶颈的主要来源。在第二步中，我们利用第一步的见解来共同设计算法和硬件加速器，为每个应用程序实现高性能和高能效的以数据为中心的架构。
2022-05-29 cs.AI cs.AR cs.DB
