郑腾飞 周桐庆 蔡志平 吴虹佳

(国防科技大学计算机学院 长沙 410073)

随着机器学习和大数据分析应用的涌现，相关数据集规模不断增长，分布式地执行应用的计算任务可有效整合资源、缓解计算压力.然而，分布式计算所需的频繁数据洗牌常导致较高的通信负载，等待计算速度缓慢或发生故障节点的响应还会引入计算延迟，而节点的可信问题进一步制约着分布式计算范式的应用和发展.

近年来，研究人员将编码理论应用到分布式计算领域，提出了一种新的计算框架——编码计算(code computing, CC)，旨在借助灵活多样的编码技术，降低通信负载，缓解计算延迟，并抵抗系统中的拜占庭攻击，保护数据隐私.例如，文献[1]通过对分布式计算任务的中间结果进行异或编码，减少工作节点之间需要传输的信息数量和大小，以此显著减少通信负载.在另一个例子中，文献[2]利用纠删码对工作节点的任务进行编码，使得主节点能够从部分完成任务的节点中恢复最终结果，从而减少计算延迟.

鉴于其在通信、存储和计算复杂度等方面的优势，编码计算一经提出便引起研究人员的广泛关注，逐渐成为支撑有效分布式计算的热门研究方向.当前编码计算方案种类繁多、编码形式多样，有必要对当前方案进行总结和分析，以此为分布式计算、高性能计算、安全计算以及分布式机器学习、联邦学习的研究人员提供启发和思考.我们将本文和当前相关综述文献……