近日，大连理工大学-立命馆大学国际信息与软件学院教师夏秋粉的文章，“Efficient Data Placement and Replication for QoS-Aware Approximate Query Evaluation of Big Data Analytics”，被期刊IEEE Transactions on Parallel and Distributed Systems接收（简称TPDS，计算机学会推荐A类期刊，影响因子：3.971）。

该工作解决了数据样本及副本在分布式数据中心网络中的放置问题，通过提出并应用近似查询的思想，在满足查询请求的严格时间约束下，有效地平衡查询验证的成本与查询结果的精度，最大程度上降低了查询验证的成本，并提高了用户体验。针对此问题，本文提出了一种良好的近似算法，证明了算法的近似比，不仅在理论层面具有最坏性能的保障，而且在实验层面也采用了真实的网络拓扑和请求数据，并在实验室现有服务器的基础上搭建真实的实验床进行算法性能的验证，具有很强的指导意义和实际应用效果。审稿人对本工作给出了高度评价，认为本工作开辟了一个在分布式云中近似查询的研究方向，提出了新的思路。软件学院大四本科生白路遥同学参与了本文的部分实验工作。

TPDS是计算机系统结构/并行与分布计算领域顶级学术期刊，是中国计算机协会评选出的为数不多的并行与分布计算领域A类期刊之一。TPDS对所刊登论文的原始创新性、理论深度和系统性能有很高的要求，评审周期较长，对投稿论文的评审非常严格。

夏秋粉老师的研究小组主要在智能网络、边缘计算、智能大数据分析和管理、服务缓存、数据放置等前沿研究方向中开展研究。具体研究方向包括：边缘计算下的任务迁移和资源分配、移动云计算和边缘网络中的资源优化、分布式多数据中心网络中的资源调度、大数据在多数据中心网络中的分析和管理、服务资源在多层边缘云网络中的缓存等。近五年研究小组在这些方向中已发表多篇计算机学会推荐A类和B类期刊及会议论文，承担一项国家自然科学基金青年项目，承担一项教育部-微软产学合作协同育人教学内容和课程体系改革项目，承担一项大连理工大学教学改革基金项目，参与多项国家自然科学基金项目、横向项目和产学合作协同育人项目。