分布式缓存算法荣获IEEE时间检验论文奖

某中心应用科学经理Anwar Walid因其2010年发表的关于内容分发网络分布式缓存算法的论文，荣获2022年IEEE INFOCOM时间检验奖。该奖项旨在表彰10至12年前在INFOCOM会议论文集上发表、被广泛引用并对研究界产生重大影响的论文。

“这是莫大的荣誉，“Walid表示，“我看到了大量关于该论文的反馈，其引用次数持续增长，我认为这篇论文启发了许多后续工作。”

Walid与埃因霍温理工大学随机运筹学教授Sem Borst、芝加哥大学运营管理副教授Varun Gupta共同撰写的论文《内容分发网络的分布式缓存算法》，为大型网络中的内容分发优化提供了解决方案。

技术背景与挑战

2010年，随着流媒体视频的爆发式增长，内容分发商和服务提供商正在努力改善用户体验。整体带宽需求呈数量级增长。当时，大型视频对象存储在通常远离用户的中央服务器中，导致视频下载时间过长以及流媒体传输延迟或中断。

分布式缓存解决方案

该论文详细介绍了用于管理视频缓存的分布式算法，这些算法将频繁访问的数据临时存储在网络用户位置附近。由于视频无需穿越整个网络，缓存优化有助于加速内容交付。这些算法能够适应内容流行度和摄取速率的变化动态。

“使用这些分布式缓存旨在实现三个目标，“Walid解释道，“一是减少延迟，使客户在观看视频时获得更好的服务质量；二是提高下载大容量内容的吞吐量；三是提升可靠性。”

技术影响与传承

在过去的十年中，各种在线视频内容交付的缓存解决方案和增强提案都以Walid及其合著者阐述的思想为基础，作为改善观看体验方法的基石。

服务提供商网络拥有多个候选缓存位置。分布式策略根据附加到每个对象的效用函数，决定是否缓存对象或从缓存中驱逐对象。

“解决方案提供了数据驱动的分布式算法来管理这些缓存，“Walid说，“决策包括例如缓存哪些对象以及在何处缓存。”

实际应用延伸

Walid于2021年9月加入某中心，在广告部门工作，其团队构建预测广告点击率的机器学习模型。在这个角色中，他的经验很快证明了价值。

“在这些模型中，处理的数据集非常庞大，缓存可以显著加速机器学习工作流程，“他解释说，“刚开始工作时，出现了哪些数据集应本地保存 versus 远程保存的问题。我的背景有助于设计分布式缓存解决方案来解决这个问题。”

IEEE是全球最大的专业技术组织，致力于推动技术进步以造福人类。IEEE INFOCOM是研究人员在网络及相关领域理论和系统研究中展示和交流思想的重要会议。