這周不要臉的和老板一起去了 ChinaSys，可以說整個中國搞系統最nb的一批人的學術交流了。一圈報告聽下來， 有幾點心得，不多，可能也沒有那么深刻。
系統領域的開源框架並不多
搞系統和搞AI，搞算法不同，搞系統不僅需要一個好的 Idea，更看重能否實現出來。之前在接觸 AI 時，常常說別人的數據同樣的開源代碼 train 不出來相同的結果，但是現在搞系統的時候，更多的是並沒有現成的框架搞，如果在做系統級的實驗，可能需要自己從源碼開始實現，對代碼能力的要求極高。之前 AI 是可能無法復現相同的結果，現在甚至是無法跑出實驗。可能具體到某個具體的領域，各個組之間的側重點也不同，就不會出現一套可復用的，滿足大部分需求的整體框架出現。
搞系統的也有和 AI 結合的趨勢
今年有好幾個 talk 都是和 AI 相結合，聽下來都是和強化學習結合，利用強化學習來對后續的行為作出一定的預測。還有用強化學習對 DB 做 best config，最終的效果也是驚人的好，甚至超過了經驗很深的 DBA。但對於 DL 這個領域而言，現在火的側重點都在 GAN 上，聽說 ICLR 都快成了 iGAN 了（233333）。同時感覺 DL 在系統上可能會在某些決策上作出一定的提升，然后帶來系統性能的進一步提升。但是搞系統的可能更多的還是在做 trade off 或者是在新的領域上做探索，這些方面 AI 的提升性可能並不是很強。同時如果用 DL 那一套傳統的海量數據集去暴力 train ，如何解決數據集的問題也是需要考慮的方向。所以如果使用 AI 的話，可能更多的是使用 RL 的方法。
做研究的時候不要錯失小點
會下聽到有個老師在說他們這篇論文的來源竟然是在做組里傳統研究的時候，發現的一個小的技術點。從而發掘到了一個新的小坑，迅速研究了下，然后就出了一篇頂會。這個文章是關於 ARM Barrier的，具體細節不是很懂，但如果放在我的話，可能只是避開平時工程上的坑就好了，沒想到他們會繼續深挖下去，令人敬佩。可能這也需要一定的敏感度吧hhhh
優化敢於放在最底層去看
有一篇研究 Block Chain 系統的論文，講的是如何發現並優化區塊鏈系統的性能的。具體的數學沒太聽懂，但最后竟然放在了指令 level 上進行分析，然后得到了不同類型指令的影響大小，並且發現關於並行這部分的指令並不是主要的影響因素，從指令集層面上去看如此龐大的系統，然后得到一個 impressive 的結論，也是令人敬佩。
總的而言，能夠分享的論文都是在相關領域做到了一定較大程度的推進的，雖然隔行如隔山，系統研究的方向那么多，但是能從別人的研究分享中看到他人的閃光點，也是對自己日后的水平有大大的長進的。
另外做系統代碼能力真的要求好高啊 5555555