联系方式

固定电话：

电子邮箱：zhangwl@ict.ac.cn

招生信息

招生专业：电子信息

招生方向：数据中心网络、高性能计算机体系结构和操作系统、云计算等

个人简介

张文力，国科大南京学院行业导师，现任中国科学院计算技术研究所高级工程师（一级），先进计算机系统研究中心数据中心网络组组长，中国计算机学会高级会员、高性能计算专业委员会执行委员，主要研究方向为网络栈系统结构和优化、大数据分析等。

在中科院计算所取得计算机系统结构专业硕士和博士学位，曾先后负责过中科院计算所智能中心性能分析组、体系结构国家重点实验室性能分析组、先进计算机系统研究中心海云服务器团队、数据中心网络组等多个团队，并赴普林斯顿大学计算机系访学一年，合作导师李凯教授。长期从事面向可扩展应用的系统优化等方向研究工作，作为科研骨干参与国家863/973等项目资助的曙光4000、5000、6000高性能计算机研制、中科院先导A类海云专项等。当前重点研究面向物联网、移动互联网服务等新兴高并发低延迟的应用场景，研发高效高吞吐的数据中心网络关键技术以及原型验证系统。已研发了可定制的数据中心协议栈、高吞吐低延迟服务器等原型，在数据通路的各个关键环节，包括网关、网卡、驱动、协议栈、服务软件、数据库等，都进行基于数据内容的智能识别和优先调度。面向云服务系统的软硬件结合的系统设计，解决性能和QoS问题。

近期带领网络组（http://acs.ict.ac.cn/network/）承担和参与了国家重点研发计划、国家自然科学基金重点、中国科学院战略性先导专项课题、华为联合实验室项目等。已发表译著1本，论文30余篇，授权专利3项。已协助指导博士和硕士研究生二十余名。

目前承担课题情况

[1]中科院战略性先导专项“RISC-V敏捷设计与跨层优化”，骨干参与人

[2]国家重点研发计划“新一代云计算服务器技术与系统”，课题联系人

[3] 国家重点研发计划 “软件定义的云计算基础理论与方法”，子课题负责人

[4]计算所创新课题“高通量服务器”，负责网络部分核心指标

[5]国家信息安全计划课题“网络信息分析系统”，子课题负责人

[6] 中国科学院战略性先导A类专项课题“海云计算系统研究”，核心骨干，落实执行海云服务器研发

[7]大中型企业委托（华为）“DC 3.0研究项目”，骨干参与人

学术成果

Wenli Zhang*, Ke Liu, Yifan Shen et al, Labeled network stack: A high-concurrency and low-tail latency cloud server framework for massive iot devices. JCST (SCI/EI, CCF B), 2020

Hui Song,Wenli Zhang*, et al, HCMonitor: An accurate measurement system for high concurrent network services. CPE (SCI/EI, CCF C). 2021

Wenqing Wu, Xiao Feng,Wenli Zhang* and Mingyu Chen, MCC: a Predictable and Scalable Massive Client Load Generator, Bench’19 (EI), 2020

Hongrui Guo,Wenli Zhang*, Zishu Yu, Mingyu Chen, Queueing-Theoretic Performance Analysis of a Low-Entropy Labeled Network Stack, Intelligent Computing, vol. 2022, Article ID 9863054, 16 pages, 2022. https://doi.org/10.34133/2022/9863054

Hui Song,Wenli Zhang*, Mingyu Chen. MCCBench: A C10M Benchmark Oriented to Interactive Network Services, Bench’22 (EI), 2023

“支持优先级乱序的TCP协议实现”，沈逸凡，张文力，陈明宇. 专利号：202211297057.3， 2022.10

“一种基于白名单的内容锁防火墙方法及系统”，张文力，万文凯，陈明宇，专利号：202010606191.1, 2021.3.31

“一种基于包级别数据分流的网络通信方法及系统”，张钊，张文力，陈明宇，专利号：201911298535.0, 2019.12

“一种支持优先级的标签化网络栈方法和系统”，张文力，刘珂，常轶松，于蓝，陈明宇，专利号：201811426135.9, 2018.11

获奖情况

近年均获评优秀员工