编辑推荐：
在 5G 和 6G 时代，数据处理面临响应时间长、处理速度慢、能源效率低等问题。研究人员开展 X-DINC（跨层近似和分布方法）研究，利用应用的误差弹性进行内核部署和分发。结果显示，相比精确集中式方法，X-DINC 可提升处理速度、降低 ADP。这为多内核应用的网络加速提供新途径。
在如今这个科技飞速发展的时代，5G 网络的普及让人们畅享高速数据传输的便利，而即将到来的 6G 时代，更是让人们对数据处理的速度和效率充满期待。然而，现实却给人们泼了一盆冷水。在数据处理的战场上，云计算这座曾经的 “得力战将”，如今却逐渐显露出疲态。视频会议时的卡顿、语音识别的延迟、电子医疗数据处理的缓慢，这些问题让人们意识到，云计算在面对计算密集型和对延迟敏感的应用时，已经力不从心。
为什么会这样呢？首先，数据传输时间在云计算应用的总执行时间中占比过高，就像一条缓慢蠕动的 “蜗牛”，拖慢了整个处理流程的速度。其次，云计算设施中的通用处理器，其处理速度与可编程交换机相比，简直是 “小巫见大巫”，难以满足快速决策的需求。最后，数据传输所消耗的大量能源，不仅增加了成本，还对环境造成了巨大的压力。在这样的困境下，一种全新的计算模式 —— 网络内计算（INC）应运而生，它就像是黑暗中的一道曙光，为解决数据处理难题带来了希望。
然而，INC 在发展过程中也遇到了重重阻碍。在处理多内核应用时，网络设备的内存和计算资源有限，就像一个容量有限的小盒子，难以装下复杂的 “货物”。同时，可编程网络交换机对浮点（FP）和复杂运算的支持不足，使得许多复杂应用无法在网络设备上顺利运行。这些问题严重限制了 INC 的应用范围，就像给它戴上了沉重的枷锁。
为了突破这些困境，来自国外的研究人员开展了一项极具创新性的研究 ——X-DINC（跨层近似和分布方法）。他们就像一群智慧的工匠，巧妙地利用应用的误差弹性（即应用在一定误差范围内仍能保持较好性能的特性），通过一系列技术手段，对多内核应用进行跨层近似和优化，以实现其在分布式网络中的加速计算。
这项研究成果显著，就像在数据处理的道路上开辟了一条高速公路。研究人员通过实验发现，与精确集中式方法相比，X-DINC 在处理盲源分离（BSS）应用时，分离速度提升了 35%，面积延迟积（ADP）降低了 88%，同时还能将音频质量保持在 15 - 20 dB 的可接受范围内。这一成果为多内核应用在分布式网络中的加速计算提供了新的解决方案，推动了网络计算技术的发展，具有重要的意义。该研究成果发表在《Future Generation Computer Systems》上。
研究人员为开展这项研究，主要运用了以下关键技术方法：一是进行跨层近似分析，在数据采集和计算阶段识别近似和优化机会；二是开展端到端内核级灵敏度分析，评估多种近似技术对应用内核的影响；三是采用贪心启发式算法，调整内核精度以优化性能和质量结果的平衡；四是将近似内核分布在异构网络节点上，以减少传输延迟。
下面来看具体的研究结果：
- X-DINC 误差弹性灵敏度分析：研究人员发现，在数据采集阶段，改变采样周期和频率对 BSS 应用的资源需求和精度影响显著。降低采样频率和周期，可大幅减少资源需求，同时保持可接受的精度。在计算阶段，对乘法、除法、平方根等运算以及函数的近似，在多数内核中对精度影响较小，且近似加法和减法会严重影响精度，因此保持其准确性。此外，不同内核对性能指标的贡献不同，循环穿孔可在保持可接受质量结果的同时减少响应时间。
- X-DINC 跨层近似和分布方法论：通过贪心启发式算法，X-DINC 可生成多个具有不同性能 - 质量结果权衡的近似配置，这些配置比均匀精度配置性能提升更高。同时，X-DINC 将近似内核分布在网络节点上，能有效减少传输延迟，提高整体性能。
- 结果与讨论：实验结果表明，X-DINC 的近似配置可显著提升性能，其贪心启发式算法能快速找到帕累托或近帕累托点，减少设计空间探索时间。在分布式场景中，X-DINC 相比集中式方法，可大幅缩短端到端延迟，且随着网络节点增多，优势更明显。
在研究结论和讨论部分，X-DINC 通过跨层近似和分布，有效实现了多内核应用在分布式网络中的加速计算，降低了资源需求和响应时间。这一成果对于资源有限的网络节点和物联网边缘设备具有重要意义，为未来网络计算的发展提供了新的方向。同时，研究人员也指出，虽然 X-DINC 取得了显著成果，但在与当前网络设置的兼容性以及异构协同设计中的流量管理等方面，仍面临挑战，需要进一步研究解决。
