2月24日至26日，第24届USENIX文件与存储技术会议（USENIX Conference on File and Storage Technologies, FAST）在美国圣克拉拉举行。清华大学计算机系存储实验室研究论文“GPU检查点保存和恢复的快速和轻量级方案”（GPU Checkpoint/Restore Made Fast and Lightweight）获得杰出技术贡献奖。该论文第一作者为计算机系2021级博士生曾少勋，导师为计算机系副教授陆游游。

杰出技术贡献奖

该论文提出了一种快速且轻量级的GPU检查点保存和恢复方案GCR，通过分离数据路径与控制路径，提出GPU的增量式检查点技术，高效支撑了多种现代GPU负载的关键应用场景，包括弹性GPU任务快速扩展、GPU多任务切换、容错的GPU计算等，对于提升GPU集群整体利用率具有重要意义。GCR支持vLLM、DeepSpeed、Transformers等主流框架和多种型号的GPU，在几乎不影响应用正常执行（性能干扰低于1%）的前提下，该方案可将检查点保存延迟降低至原来的28%，恢复延迟降低至13%。该论文还实现了高质量开源，其在功能完备性、性能可复现性等方面均展现出了高水准。

FAST（File and Storage Technologies）是计算机存储领域的顶级学术会议，是中国计算机学会（CCF）推荐的A类会议。