王威个人主页：Wei Wang (HKUST)
1、Towards Optimal Capacity Segmentation with Hybrid Cloud Pricing (2012)
研究的是云平台如何将自己的资源合理分配给不同实例（按需、预留、竞价）的问题。在本文中，提出了一种基于需求预测窗口的马尔可夫决策过程的最佳容量分割策略。为了降低传统动态规划解决方案的高计算复杂度，开发了一种近乎最优的解决方案，它具有显著的低复杂度，并显示渐近地接近最优收入。
2、Revenue Maximization with Dynamic Auctions in IaaS Cloud Markets (2013)
研究的是关于云平台实例定价策略的问题。现有的定价方案要么不提供服务保证(例如，Amazon EC2中的Spot实例)，要么使用静态按需定价，在这种定价中，价格不能快速响应市场动态。本文设计了动态拍卖机制，即实例定期被拍卖，以满足用户的需求。解决了收入最大化和拍卖真实的两个主要挑战。本文的设计包含了一个容量分配方案，它决定了每个周期中被拍卖的实例数量，以及基础的拍卖机制，这些机制是基于随着时间推移所提议的容量分配的动态支付方案。
3、To Reserve or Not to Reserve: Optimal Online Multi-Instance Acquisition in IaaS Clouds (2013)
4、Optimal Online Multi-Instance Acquisition in IaaS Clouds (2015)
这两篇文章研究的是公共云平台中实例购买算法，基础设施即服务(IaaS)云提供了不同的实例购买选项，包括按需实例和预留实例，本文给出了两个在线实例购买算法：确定性在线算法和随机在线算法，通过竞争比分析在线算法的优劣，两个算法都取得了较好的竞争比。文章还试验性地将预测窗口加入了在线算法中，取得了相同的竞争比，在实验部分，分别比较了各种算法的表现。
5、Dynamic Cloud Instance Acquisition via IaaS Cloud Brokerage (2015)
和文章3、4类似，研究的是公共云平台中实例购买算法。创新之处：一方面，使用的实例收费标准是基于实际情况中云平台的收费机制，主要是指预留实例的收费后续费用与预留周期有关，不与使用时间有关，即在实例预留开始就确定了该预留实例的总花费。另一方面，提出了中间商的思想，在云平台和用户之间建立了一个中间商，可以平滑用户的峰值和零星需求，减少实例部分使用的浪费以及享受大量购买实例的折扣等等。但是没有理解到中间商怎么实现，缺少中间商如何二次定价等具体细节的讨论，感觉中间商和一个用户在这篇文章中等价，但是中间商这个概念很有吸引力。
6、Multi-Resource Fair Allocation in Heterogeneous Cloud Computing Systems (2015)
研究的是云计算系统中多资源分配问题，资源池中包括大量的异构服务器，代表着处理、内存和存储等不同的资源。该文章设计了一个多资源分配机制，即DRFH，将占主导地位的资源公平性的概念（DRF Dominant Resource Fairness）从单个服务器扩展到多个异构服务器。
7、QoE-Aware Resource Allocation for Adaptive Device-to-Device Video Streaming (2015)
研究的是视频流资源分配问题，在自适应D2D视频流中，用户体验受到视频质量和流畅性的极大影响，受到D2D链接质量的影响。此外，D2D链接的质量依赖于D2D对的资源分配方案。为了提高D2D视频流的质量，本文提出了一种基于qos的自适应D2D视频流资源分配方案。QoE-aware资源分配方案考虑到D2D通信中频率复用的共信道干扰，能够满足自适应视频的用户体验。具体来说，制定并解决了动态网络调度问题，目标是实现视频质量的最大化，同时保证视频回放时流畅性的长期稳定性能。大量的数值结果表明，提出的QoE-aware资源分配方案优于QoE-oblivious资源分配方案。
8、Outsourcing High-dimensional Healthcare Data to Cloud with Personalized Privacy Preservation (2015)
研究的是外包医疗数据的隐私保护问题。以往的解决方案侧重于加密技术，在使用高维敏感属性的医疗数据时引入了大量的成本。为了应对这些挑战，本文提出了一个保护隐私的框架，将不敏感的数据传输到商业公共云，其余的用于可信的私有云。在该框架下，本文设计了两种协议，提供个性化的隐私保护，并防范公共云服务提供商和数据用户之间的潜在合谋。
9、Toward long-term quality of protection in mobile networks: a context-aware perspective (2015)
研究的是移动数据的隐私保护问题，移动数据的来源包括配备传感器的智能手机和可穿戴设备。环境意识是为个人隐私提供长期保护质量的关键支柱。特别是，用户在不同的上下文之间传输，包括移动模式和社交活动，这些上下文是暂时的或逻辑上相关的，这可以被对手利用来损害用户的隐私。此外，用户可能在不同的上下文中有不同的QoP首选项。结合这些突出的特点，本文研究了移动网络中个性化服务的上下文感知QoP机制设计。讨论可能的攻击，并提出相应的对策。开发了一个QoP框架，它利用上下文感知来在服务质量和长期服务的隐私保护之间实现更好的权衡。通过对智能手机跟踪的案例研究，为未来的环境感知QoP机制设计提供了一些启示。
10、Designing Truthful Spectrum Double Auctions with Local Markets (2014)
研究的是频谱拍卖中怎样提高频谱利用率的问题。（频谱拍卖是指政府利用拍卖系统出售权利(许可证)，将信号传递给特定波段的电磁频谱出售。频谱拍卖是向基于市场的频谱管理和公共广播的私有化迈出的一步，也是政府分配稀缺资源的一种方式）
市场驱动的频谱拍卖提供了一种有效的方式来提高频谱利用率，将未使用或未充分使用的频谱从其主要许可证持有人转移到频谱不足的二级用户。这样的频谱市场在两个方面表现出很强的局部性: 1) 该频谱是一种本地资源，只能在许可区域内交易给用户; 2) 持有者可以分割整个许可区域并在市场上销售任何产品。本文设计了一个频谱双重拍卖，在频谱市场中合并了这样的地点，同时保持拍卖的经济活力和计算效率。本文的设计是针对不同的情况而设计的，并且不具备投标分配的知识。互补模拟研究表明，当分布信息可用时，频谱利用率可以显著提高。
11、Multi-Resource Fair Sharing for Datacenter Jobs with Placement Constraints (2017)
研究的是多个资源公平共享的问题。在数据中心，由于机器配置的异质性，常常指定作业放置约束，限制它们在特定的计算机上运行，以满足特定的硬件/软件需求。然而，作业在多个资源类型中具有不同的需求，并且可能会使任何CPU、内存或存储资源饱和。本文提出了一种新的共享策略——任务共享公平性(TSF)。有了TSF，工作人员可以更好地共享数据中心，并且更准确地报告需求和约束。
12、Speculative Slot Reservation: Enforcing Service Isolation for Dependent Data-Parallel Computations (2017)
研究的是优先级调度问题。理想情况下，高优先级工作的性能不应该被另一个低优先级的工作拖垮。一个较高优先级的作业，可能会因为某些原因无法再继续进行下游计算，例如在所有上游任务完成之前，下游计算无法启动。这样的执行中断不可避免地会导致明显的延迟。在本文中，为下游的计算预留适当的预留位置，以便为高优先级的工作保留服务隔离。为了减少由于槽位保留导致的使用损失，我们分析了使用和保留隔离之间的权衡，并公开一个可调的因子来调整。本文还提出了一个互补的straggler缓解策略，该策略使用预留槽来运行额外的慢任务副本。基于集群部署和跟踪驱动的模拟的评估显示，本文的方法为高优先级的工作提供了严格的服务隔离，而不降低其他低优先级的工作。
13、LRC: Dependency-Aware Cache Management for Data Analytics Clusters (2017)
研究的是并行系统中内存页面调度问题。当今流行的系统采用了相当简单的缓存管理策略——特别是最近最少使用策略(LRU)——它忽略了数据依赖的应用程序语义，表示为一个有向的无环图(DAG)。通常会导致低效、错误的高速缓存和较长的响应时间。在本文中，我们提出了一种新的缓存替换策略，最小引用计数(LRC)，它利用特定于应用程序的DAG信息来优化缓存管理。LRC将缓存的引用计数是最小的数据块逐出。为每个数据块定义了引用计数，作为尚未计算的依赖子块的数量。通过经验分析和集群部署来演示LRC对流行的基准测试工作负载的有效性。Spark实现表明，与LRU相比，LRC加速了典型应用程序的60%。
14、Cluster Fair Queueing: Speeding up Data-Parallel Jobs with Delay Guarantees (2017)
研究的是数据中心中数据并行系统中集群调度器相关问题。理想情况下，调度器应该提供可预测的性能，并保证延迟最大的作业能够完成，同时确保最小平均响应时间。然而，实际上性能可预测性和最佳性常常相互冲突。结果往往是过多的调度策略，它们要么以牺牲长响应时间(例如，max-min公平性)为代价实现可预测的性能，要么运行一些工作以获得最小的平均响应时间(例如，最短的剩余处理时间)。为了解决这些问题，本文开发了一个新的调度器，集群公平排队(CFQ)，它优先为在公平共享策略下完成最早的工作提供资源。文章证明了CFQ能够将平均响应时间最小化，同时确保工作在公平共享完成后的一个固定时间内完成。通过在一个100节点的EC2集群上的Spark部署表明，与内置的公平调度程序相比，CFQ可以将平均响应时间减少40%，这将使超过40%的作业平均速度超过75%。
15、Towards multi-resource fair allocation with placement constraints (2016)
研究的是受限的作业的调度问题。在计算集群中广泛实现了多资源公平调度程序，以提供服务隔离保证。现有的多资源共享策略，特别是占主导地位的资源公平(DRF)及其变体，都是为能够在集群中的所有机器上运行的无约束作业设计的。然而，越来越多的数据中心作业指定了放置限制，并且只能在特定的计算机上运行特定的硬件/软件需求 (例如，gpu或一个特定的内核版本)。我们表明，直接将现有的策略扩展到受限的作业，要么会破坏隔离保证，要么允许用户通过欺骗调度程序获得更多的资源。目前还不清楚在安置限制条件下如何定义和实现多资源公平分配。我们通过一种新的共享策略来解决这个问题，称为任务共享公平性 (task share公平性，TSF)，它提供了可证明的隔离保证，并且证明是 strategy-proof against gaming the allocation policy。
16、Friends or Foes: Revisiting Strategy-Proofness in Cloud Network Sharing (2016)
研究的是网络共享策略。云网络由大量的链接组成，在这些链接中，租户有相关的和弹性的带宽需求。理想情况下，云网络共享策略应该为租户提供隔离保证，保证最少的同向流动的进程，同时尽可能提高利用率。之前的工作表明，为了达到最佳的隔离保障，需要有策略的证明，在这种情况下，租户不能为了获得更高的进展而撒谎。然而，这个需求是在一个简化的假设下得出的，即租户只关心最大化同向流动的进程。我们在这篇文章中指出，一个理性的租户在实现了最大的进程后，应该将更多的带宽分配作为次要目标。在这种新模式下，强制执行策略必然会损害隔离保障。本文提出了一种新的网络共享政策，以实现最优的隔离保证，同时在战略上、不真实的租户的情况下达到最高的利用率。跟踪驱动的评估表明，本文策略优于现有的替代方案，具有更好的隔离保证、更高的利用率和更短的共流完成时间(CCT)。