《IEEE Transactions on Parallel and Distributed Systems(TPDS)》主要关注并行和分布式系统研究领域的重要科学进展刊载，是CCF A类期刊。该期刊覆盖了并行和分布式算法，并行和分布式计算的应用，并行和分布式架构以及并行和分布式软件等方面的最新研究成果，是高性能计算领域中最具影响力的刊物之一。

湖南大学嵌入式与网络计算湖南省重点实验室一篇关于边缘数据缩减的论文“Efficient Edge Data Management Framework for IIoT via Prediction-based Data Reduction”被TPDS接收，针对边缘节点的数据缩减创新技术获得同行认可。

当前，大量的时间序列数据用于支撑端工业互联网（IIoT）体系结构的边缘数据分析。由于边缘节点的存储资源有限，降低存储成本是边缘数据管理中的主要挑战之一。最新的数据缩减技术的开销时间很高，且对于不稳定数据集的缩减效率较差。为了解决该问题，本文提出了结合数据分区和数据压缩技术的时间序列数据管理框架。对于数据分区技术，提出了一种自适应选择策略，以整合应用程序的访问模式和时间序列数据的特征，进而提高分区的准确性。对于数据压缩技术，使用分治的思想提出了基于时序数据分割的压缩方案。本文进一步引入了一种变更点检测技术，以提高不稳定数据集的压缩效率。在开源边缘计算微服务框架EdgeX Foundry下压缩三种真实的工业数据集，结果表明所提框在压缩比和时间开销均优于最新技术。

论文由实验室杨磊老师、廖宇威（2020级硕士生）、程鑫（2021级博士生）、谢国琪老师等共同完成。

论文信息：Lei Yang, Yuwei Liao, Xin Cheng, Mengyuan Xia, Guoqi Xie, “Efficient Edge Data Management Framework for IIoT via Prediction-based Data Reduction,” IEEE Transactions on Parallel and Distributed Systems (TPDS), 2023.