近日，我院王鹏伟老师课题组研究成果《SpatialVec-DWP: A Dynamic Weighted Data Placement Strategy with Spatial Correlation Awareness for Edge-Cloud Latency and Cost Co-Optimization》被国际权威期刊IEEE Transactions on Parallel and Distributed Systems（TPDS）正式接收录用。该成果面向云边协同环境中的数据放置优化问题，围绕访问时延与系统成本协同优化提出了新的解决思路，体现了课题组在云边协同计算、分布式系统优化与数据管理方向的持续积累。目前为止，课题组已经在相关领域连续发表了多篇CCF A类会议及期刊论文。
随着云计算持续向边缘侧延伸，越来越多的数据密集型与时延敏感型应用运行在云边协同环境中。边缘节点由于更接近用户，能够在降低访问时延的同时缓解云侧带宽压力，为数据放置优化带来了新的空间。然而，现有研究大多从全局热度或局部节点负载出发进行副本放置，往往难以刻画不同区域用户请求偏好的空间差异，也难以同时兼顾数据体量变化对传输成本的影响，从而限制了边缘资源利用效率与整体服务性能。
图1 云边协同数据放置场景示意图
针对上述问题，课题组提出了动态加权数据放置策略SpatialVec-DWP。该方法结合用户请求分布与服务器空间位置，构建请求的空间分布向量，以感知不同数据在不同区域中的需求差异，并据此开展更具针对性的副本放置；同时，将数据体量纳入权重建模过程，动态调整不同数据在不同节点上的放置优先级；进一步通过分析不同数据请求空间分布之间的相关性，对具有高相似性的内容进行协同放置，从而在降低访问时延的同时压缩网络传输成本。
在实验评估方面，课题组基于真实基站分布信息与Foursquare数据集构建评测环境，并与多种代表性方法进行了系统对比。结果表明，SpatialVec-DWP相比现有方法可将平均访问时延降低17.98%-38.72%，并在总成本指标上取得明显优化效果。同时，在不同数据规模条件下，该方法在系统成本、访问时延和边缘响应率等多个维度上均表现出较好的综合优化效果，体现出较强的云边协同数据放置能力。
图2 不同数据规模下系统成本、访问时延与边缘响应率综合对比
该成果为云边协同环境下的数据放置与资源优化提供了新的研究思路，也为面向低时延、低成本目标的数据服务系统设计提供了可行的技术路径。相关研究进一步丰富了课题组在云边协同计算与分布式系统优化方向的研究成果。
IEEE Transactions on Parallel and Distributed Systems（TPDS）在中国计算机学会（CCF）推荐的国际学术刊物目录中被列为A类期刊（CCF-A），是计算机系统领域最权威的国际学术期刊之一，专注于并行和分布式系统领域的研究。