阅读分布式元数据论文，整理其目标、挑战、创新点、局限性

针对并行文件系统的可靠性的研究，主要针对故障恢复和日志记录机制。（1）本文提出PFault，故障注入工具，对PFS透明，易于部署。构建了基于iSCSI的PFault原型，涵盖了三个具有代表性的故障模型（即整个设备故障、全局不一致性和网络分区）。为了解决将iSCSI添加到PFS软件堆栈中的潜在问题，开发了非iSCSI版本，用于验证iSCSI对所研究的目标PFS行为的潜在影响。

针对客户端和服务端分离的分布式键值存储系统，传统方法利用传统索引结构或缓存，但受限于服务端CPU争用。本文提出AStore，采用客户端-服务端框架，利用RDMA、本地缓存索引、自适应学习索引模型。包括以下技术：（1）在客户端和服务端分别采用自适应学习索引模型，用于处理静态（读取）和动态工作负载（插入、更新、删除）。（2）对叶子节点的模型使用细粒度的版本控制，降低客户端和服务端的同步频率。（3）利用

大模型训练过程中对存储需求大，具有独特的计算模式、访存模式、数据特征，需要根据特征设计合适的存储策略。大模型训练存储加速技术：（1）显存管理：数据并行、流水线并行、张量并行。（2）异构存储技术：利用DRAM、SSD，卸载模型参数、优化器数据、中间结果，并进行预取。（3）数据缩减：增加计算量（激活量重算）或牺牲模型精度（半精度训练）。大模型训练容错技术：（1）参数检查点：将检查点过程拆分，与模型训练

针对SSD的预取，如何设计独立于操作系统和应用程序的数据预取机制。本文提出了支持自适应缓存管理的基于模式的预取 Cacher-SSD，在SSD的闪存转换层运行。主要包括两个技术：（1）从读请求的历史中挖掘I/O请求间的相关性，以得到经常一起读取的地址集合，在当前时间窗口中进行模式匹配以指导数据预取。（2）综合考虑读/写比率、历史预取精度，构建了一个数学模型，以支持自适应缓存管理。根据实际情况调整预

针对提升大型语言模型（LLM）训练和推理所需内容容量和带宽的问题，模型并行等方法受限于低互联带宽，近内存处理（PNM）受限于扩展性和性能不足。本文提出CXL-PNM，基于CXL的PNM平台，优化GPU的容量和带宽，主要包括3个技术：（1）基于LPDDR5X的CXL内存架构，比DDR5和GDDR6有更高容量和带宽。（2）与推理集成的控制器，提供更高容量（硬件堆叠），可扩展性（多设备并行），并发（硬件

针对大规模场景中的资源分配的优化问题，可以采用混合整数规划（MIP）解决，但受限于可用性差、可扩展性差。本文提出资源分配框架Rebalancer。为了可扩展性，将模型表示为有向无环图（DAG），将模型大小从O（|O|×|B|）减小到O（|O|+|B|），同时优化局部搜索更有效地求解。为了可用性，利用直观的API支持声明性模型规范，自动将高级规范转换为图形表示，以实现高效处理。

针对实时多模型ML（RTMM）工作负载设计调度器，需要同时考虑多种挑战：异构的ML模型；动态性；数据和控制依赖性；设备计算和能量受限；实时要求。本文提出调度器DREAM，可以有效地处理RTMM系统中实时性、并发性、多模型、多任务的挑战。（1）对于实时性和并发性，提出了MapScore评分指标，同时考虑了紧迫性和公平性。（2）对于级联模型的复杂依赖，跟踪输入帧内和多个帧之间的模型依赖性。（3）对于动

针对使用CXL内存扩展GPU内存时，为了实现安全产生的相关流量。本文提出了一种新的安全模型，包括三个技术：（1）统一存储器的安全元数据，将安全元数据与数据的物理位置解耦，消除了在数据重新定位过程中的重新加密。（2）重组加密计数器块，在次要计数器之间共享主要计数器，从而减少流量，同时压缩访问频率较低的的计数器块。（3）在CXL到GPU映射中以位掩码格式跟踪脏信息，显著减少元数据访问和写回相关的流量。

针对分离式内存系统中，KV存储性能不高的问题，由于内存节点资源有限，现有方法难以直接修改B树或学习索引的模型。作者提出提出了ROLEX，一种可扩展的面向RDMA的有序键值存储，使用分解存储系统的学习索引。包括几个优化点：插入和再训练操作解耦，使计算节点能够直接通过单边RDMA动词修改远程数据，而无需再训练模型，提高可扩展性；其他计算节点通过具有一致性保证的旧模型来识别新修改的数据；异步使用专用计算