在大数据时代,发展现代计算系统和系统软件,可以扩展到海量数据成为一个关键的挑战研究者和实践者。分布式系统的可扩展性通常意味着系统的性能应该增加比例的增加资源。然而,这是不够的在大数据时代。系统应该设计在某种程度上这五对大数据可以解决。

由这一观点,这个特殊的问题旨在展示当前最先进的研究和未来趋势的各个方面大数据编程和系统软件大数据处理的技术。我们寻找论文讨论如何构建高度自适应大数据系统能够自动调整其行为可用资源的数量,包括方法、建模、分析和新引进的应用程序。除了最新的研究成果,这个特殊的问题还包括创新的商业数据管理系统,创新的大数据技术的商业应用,和最近的研究进展应用到实际问题的经验。论文将同行评审和选择他们的质量和相关性的基础上,这种特殊的主题问题。

潜在的主题包括但不限于以下:

• 大数据编程模型
• 大数据运行时系统
• 编译器大数据的技术
• 大数据的数据库技术和系统
• 新的内存技术
• 大数据工具和可视化
• 并行编译器技术和向量
• 编译器优化超标量体系结构/ VLIW架构
• 中间表示和流分析
• 为高性能计算语言和库
• 运行时优化
• 并行编程环境
• 集群和网格计算和应用程序
• 数据密集型应用程序和并行I / O
• 普遍的和无处不在的计算
• 编译器/操作系统/低功耗架构
• 高可用性架构
• 可伸缩和可重构系统
• 科学应用