重点专项2018年项目申报指引

“云计算和大数据”重点专家2018年度项目申报指南为落实国务院国家中长期科学和技术发展规划纲要(2006-2020年)、国务院关于促进云计算创新发展，培育信息产业新业态的意见和关于印发促进大数据发展行动纲要的通知等提出的任务，国家重点研究开发计划开始了“云计算和大数据”重点专业。 根据本重点专业实施方案的配置，提出2018年度项目申报指南。本重点专家的总体目标是形成可自主控制的云计算和大型数据系统解决方案、技术系统和标准规范云计算和大数据的关键设备、核心软件、 突破支持平台等关键技术的自主云计算和以大型数据中型企业为主体的产业生态系统和全球竞争优势云计算和大型数据产业集群基本形成的资源聚合、数据收集、存储管理、分析挖掘、集群本重点专家基于云计算和大数据基础设施、基于云模型和数据驱动的新软件、大数据分析应用程序和人智能、云融合的知觉认知和人际关系等4个创新链(技术方向)，开展了20项重点研究任务。 单发实施周期为5年(20162020 )。1 .云计算和大型数据基础设施1.1数据科学的若干基础理论(基础研究类)研究内容：研究大数据的数据建模理论。 研究大数据的新计算复杂性理论，包括大数据的统一表示和有效测量等。 研究高吞吐量计算理论和算法(包括多项式可计算问题的细分)、高效并行计算算法、分布式计算算法、近似计算算法等的大规模可分布式可扩展数据存储和组织、针对能效优化的分布式存储和处理系统体系结构， 研究大型数据的数据管理理论和方法，研究数据拷贝完整性、数据压缩、数据分割和迁移等问题。 包括数据质量管理、数据权利、数据隐私保护等。评价指标：形成具有国际影响的数据科学理论体系，发表系列高水平学术论文和一些专题。 以关键技术申请系列专利，形成专利群。基于1.2nvm的TB级持久性存储系统和应用(通用关键技术)研究内容：研究持久性内存I/O堆栈和存储管理分布式持久性文件系统基于RDMA的分布式持久性共享内存新编程模型构建分布式持久性存储系统基于TB级内存系统的典型大型数据应用系统和评估指标：开发8节点以上的内存存储系统，每个节点包含TB级非易失性可持续内存。 在分布式存储器系统中，节点间通信延迟为1us以下，高负载通信延迟为10us以下，可扩展带宽，8节点带宽为40GB/s以上。 一种支持持久性内存完整性并支持分布式持久性共享内存的新编程模型接口。 支持典型的大型数据应用程序，如持久键值存储系统、高性能大型数据处理，读操作ops为5000万/s以上，写操作ops为1000万/s以上。1.3面向异构体系结构的高性能分布式数据分析系统(通用关键技术级)研究内容：面向分布式异构体系结构，研究基于数据流的编程模型、性能建模技术、同步通信技术和运行时系统，实现高吞吐量视频、机器学习典型等应用模型。 具体内容：支持异构数据流编程模型和软件工具链的异构运行时系统支持CPU和加速器之间的高效混合运行。 支持加速器上细粒度流水线并行的性能建模和优化调度技术，优化CPU和加速器操作资源分布式异构系统数据处理技术(高效的数据和计算分割技术，负载平衡，高性能同步)评估指标：支持CPU-GPU异构体系结构，支持单多加速器和多加速器。 性能建模技术自动选择优化的运行模式。 例如，您可以指定仅在CPU上运行、仅在加速器上运行、在CPU和加速器上运行以及在CPU和GPU上运行的百分比。 支持在单个GPU SM中部署多个kernel的细粒度任务调度以及基于此的管线并行模式。 单独CPU/GPU细粒度混合执行的应用性能是通用CPU的5倍以上，是仅实现粗粒度并行性的GPU的2倍以上。 在8台服务器使用16台GPU的环境中，应用程序性能是8台CPU服务器的5倍以上，是仅实现粗粒度并行性的16台GPU性能的2倍以上。1.4面向图计算的通用计算机技术和系统(共通的重要技术类)研究内容：面向支持图计算核心处理器和异构图计算机架构的系统软件异构图计算机系统的分布式处理技术基于异构图计算机的数据管理和分析系统基于异构图计算机的通用计算机系统，开展了应用演示。评价指标：开发面向图计算的核心处理器芯片原型开发基于现有加速器的低功耗异构图计算系统，单节点图计算机整体性能达到g级TEPS， 性能功耗比提高了10倍，整个8节点分布式异构图计算系统的性能可达到10GTEPS，静态图计算能够得到2-3倍速比的单节点支持存储和查询50亿边的图表数据，平均查询响应时间为秒级，支持每秒10万边的图表数据分析1.5基于国产处理器的下一代虚拟化和虚拟执行环境优化技术(共同的重要技术类)研究内容：基于国产单核、多核、核处理器的新虚拟化体系结构，研究虚拟计算环境下应用驱动的软件堆栈结构/设计理论和方法；基于国产单核、多核、核处理器等计算系统的核物理资源的虚拟化和容器技术； 研究虚拟资源池的构建、组织、调度等技术的异构硬件状态互操作方法，应用驱动的虚拟资源动态映射和配置方法。 研究基于实现应用统一编程接口的重复反馈机制的轻量级虚拟机镜像自定义、自定义虚拟机优化等方法和技术，为特定应用程序构建轻量级虚拟机虚拟化和虚拟机性能评估指标：国产处理器虚拟化后的性能指标等同于X86处理器，在主要行业云计算系统中开展了示范性应用，在典型的云计算应用负载下，总体资源利用率提高了50%，总体性能高于现有产品总体服务能力以关键技术申请系列专利，形成专利群。1.6数据驱动的云数据中心智能管理技术和平台(通用关键技术)研究内容：研究基于计算智能的云计算运营能效评估和预测技术，以数据为导向的云平台运营准确评估和预测为导向的大规模云资源智能调度和管理技术，能够显着提高能效。 大规模云计算网络资源的智能虚拟化技术提高了计算资源的利用率，为突破云网络资源利用效率瓶颈的大规模数据应用程序提供了智能云工作流管理和调度技术。 基于云计算的分布式计算智能方法和技术集成，提供高能效和高服务质量的大型数据流应用程序服务，从而实现大型数据管理和智能处理，并基于超前的技术创新开发云计算智能部署、运营管理和服务能力保障技术，构建云智能管理平台，开展演示应用。评估指标：智能云计算操作的能效评估、行为预测、资源调度、网络虚拟、 提出工作流管理和系统运用的关键技术体系研究开发的关键技术标准测试指标与国际主流技术和产品相比领先的云工作流和云服务要求的接受率提高了20%以上， 为满足用户时间和成本等多方面智能选择需求的大规模数据智能处理需求，基于云平台综合开发了10种以上的分布式计算智能方法的云数据中心智能管理系统， 在50多万台服务器规模的云数据中心开展系统模型应用，总体水平申请国际领先的系列专利，形成专利集团，制定一些国家标准(审查)。2 .基于云模式和数据驱动的新软件2.1群智能生态化软件的开发方法和环境(基础研究类)研究内容：集体智慧的形成机制、软件生态系统的集体合作规律、社区组织模式、社会化特性和最佳实践的软件生态系统的多维度量和评价方法、 研究软件生态系统的形成和进化的微过程模型等的大型群体合作的在线需求获取和建模、软件设计和建模、 基于开源软件和SaaS服务的可靠软件资源管理框架和方法，研究软件实现和测试等组智能软件开发模式和方法，搜索组导向的软件产品， 开发了基于推荐和合成技术研究小组智慧和合作的软件开发、管理和维护支持工具集和平台，形成支持智能小组合作的软件开发环境，在开源社区中进行示范应用。审查指标：构建基于群智合作的软件开发理论模型，形成霸盖软件生命周期群智软件开发方法、工具、环境和最佳实践，与支持单个项目达到数十至数千个开发人员规模的国际主流兼容， 形成符合中国特色的群智化软件开发生态系统建设方案，在两个云计算和大数据开源社区进行实践和推广，形成实际应用于10个以上项目总计1000多名开发人员的领先论文成果，申请相关领域的知识产权2.2基于编程现场大数据的软件智能开发方法和环境(共同的重要技术类)研究内容：研究跨地区软件开发现场数据的实时收集、清洗、组织、管理技术，基于机器学习的程序语义学习和自动生成方法和技术，面向代码质量的实时动态检测和质量提高的智能编程技术， 面向代码样式和编程规范实时检测和改进的智能人机交互方法和技术、语境感知编程接口和代码推荐方法跨区域构建软件开发现场数据库和规范源示例库， 开发了基于智能人机相互协作的软件敏捷开发云平台，在不同规模的软件企业中进行示范应用。审查指标：开发的平台支持1000多人的软件开发现场，人机相互协作系统的响应时间在2秒以下的源代码样本库， 复盖100个项目1000万行代码。在3个以上不同规模的软件企业中进行模范应用，最大开发人员规模超过1000人，支持10个软件开发项目，每个项目的代码量在10万行以上， 智能人机相互合作复盖70%以上代码，形成界面和代码推荐平均精度超过70%的领先论文成果，申请相关领域的知识产权。2.3面向智能制造的过程管理软件平台(应用示范类)研究内容：面向智能制造中企业的研发设计、生产制造、经营管理、销售服务、供应商管理和顾客服务等多个过程的企业内外部系统的基础数据获取和加密传输和存储技术，面向重要制造过程的知识建模技术，制造过程的大数据实时分析技术， 研究深度网络挖掘和决策技术、实时工业系统闭环控制技术、大型企业过程并行技术等基于云模型和大数据的新软件应用关键技术，开发智能制造过程管理软件平台，并进行实证应用。审查指标：提供实证的PB级制造数据存储， 重要企业数据的加密效果是具有安全评价资格的第三方认证，企业业务流程并行规模为10000多个，支持10种常见国产和进口工业软件系统的90%基础数据获取的10种常见国产和进口生产设备系统的秒级调用和支持按需闭环控制的管制软件平台国产化率达到80%，引进和应用于10家大型制造企业。2.4在私有云环境下服务的智能办公系统平台(应用型号类)研究内容：针对私有云在办公环境中的广泛应用和多样性需求，研究适合私有云建设的基础架构、虚拟应用程序、网络安全性、数据存储和数据分析等关键技术。 着重研究计算节点非一致性内存访问动态绑定、虚拟化内存过度分配、网络分组零拷贝、虚拟磁盘预读、存储缓存加速等关键技术。 研究私有云环境中网络安全的基础理论和应用，重点研究与平台无关的云安全系统，利用虚拟化技术实现东西南北流量的统一防护。 研究分布式存储负载平衡、数据减少和分层、可靠性、异地灾难等关键技术和解决方案。 研究了基于办公数据的行为感知技术，重点研究了基于互联网行为的数据挖掘技术、用户行为分析技术以及自动化异常检测技术。评估指标：开发在私人云环境下服务的智能办公系统，实现智能办公室行为感，支持10多种行为感应应用程序，支持新应用程序的快速开发和部署，在3-5个关键部门进行示范性应用程序完成系列国家或行业标准方案，其中一些经国家或行业标准主管部门立案或批准。2.5云计算和大型数据开源社区生态系统(包括前期成果整合展示)(应用示范类)研究内容：研究开源社区运营模式和业务模式，开发可安全控制的开源项目支持系统，建立国内外开源项目和社区按需同步机制， 研究了以企业为导向的开源硬件和软件项目，以及支持相应生态系统建设的一般包装为基础的软件在线开发方法。 研究云计算资源的虚拟化、分布式管理和调度、存储和计算、监控和运输、云应用程序开发和部署等开源软件开发，以构建软件开发知识库和软件工程云研发与传输、分析、计算和应用相关的开源软件，建设具有一定影响力的云计算和大数据开源社区，促进大数据技术的完善和各领域的大规模应用，吸引云计算和大数据技术人员的参与和交流审查指标：建设中国主导的云计算和大数据开源社区，培养100多个开源项目的维护和贡献技术团队，吸引100家云计算和大数据关联企业，注册用户10000人月活动用户超过1000人的云计算和大数据相关开源软件(中国主导的开源软件10件以上)发布100件，合计每月更新1万次，下载10万次。3 .大数据分析应用和人类智能3.1大数据分析的基础理论和技术方法(基础研究共性关键技术类)研究内容：研究基于多源异构化、先验知识不足、不确定条件下大数据显示、记忆、测量、语义理解和认知的分析方法，研究知识自动提取、知识发现的理论和方法，在构建面向领域知识图的大数据环境下研究机器学习的创新理论、方法和平台， 研究了针对流数据和复杂高维数据提出新的分析挖掘技术的大数据知识推理、问题分析和求解等关键技术，研究了提出有效检索大数据的理论方法的大数据可视化技术， 研究开发领域和大众可视化工具库在特定约束条件下(如安全性、隐私性、真实性、实时性)的大数据分析理论和技术，开发开放共享的大数据分析平台，提供大数据分析、挖掘、可视化的标准测试。评价指标：建立比较系统的大数据分析基础理论和技术方法，使机器学习理论和方法取得创新突破，形成国际影响。 开发了大数据分析、挖掘、可视化算法和工具库，开发了20多个独立的系统和工具，在中国开源社区开放。 发表系列高水平学术论文，写专业干部。 以关键技术申请系列专利，形成专利群。3.2高效、可扩展计算模型和优化技术