2019年2月25日至28日，第十七届USENIX文件与存储技术会议（17th USENIX Conference on File and Storage Technologies, 简称FAST 2019）在美国波士顿召开（会议网址：），我校计算机学院教师张宇成博士等人完成的论文被该会议录用并受邀作会议宣讲。FAST会议创办于2002年，是由美国高等计算系统协会(USENIX)和美国计算机学会操作系统专业组织（ACM SIGOPS）联合组织的聚焦存储领域的顶级国际会议，同时也是中国计算机学会（简称CCF）推荐的A类国际学术会议。我校计算机学院张宇成博士与华中科技大学、美国德克萨斯大学阿灵顿分校，以及哈工大深圳研究院等单位合作完成的《Finesse: Fine-Grained Feature Locality based Fast Resemblance Detection for Post-Deduplication Delta Compression》被该顶级国际学术会议录用，并在该会议上宣讲。
目前计算机存储系统中最常用的相似数据检测方法是超级特征值法，该方法的缺点是计算开销大，会成为系统的性能瓶颈，且精度不够高。作者发现相似数据块间对应子区域内的内容也相同或相似，因此大部分对应子区域中提取出来的特征值是相同的。利用这个原理，提出了基于细粒度特征值局部性的相似数据检测方法Finesse。该论文研究设计了一种高效的相似数据块检测方法，给出了依据的数据特性、设计过程和实验结果。实验表明，Finesse可以获得比传统的相似数据检测方法更高的相似数据检测精度，且运行速度是传统方法的3.2-3.5倍，能使整个系统的吞吐量提高41%-85%。
此次会议程序委员会主席由美国谷歌公司Arif Merchant博士和美国康奈尔大学Hakim Weatherspoon教授担任，会议吸引了众多知名公司和高校的参与，包括Google、 Amazon、 NetApp、Facebook、加州大学圣地亚哥分校、明尼苏达大学、芝加哥大学等。各参会者在会议期间进行了深入交流，极大促进了计算机存储领域的研究成果分享、发展与进步。
FAST2019共收到投稿145篇，录用26篇，录用率为18%，其中中国大陆科研机构作为第一作者单位共录用4篇（其余3篇单位分别为清华大学、上海交通大学、华中科技大学）。本论文被国际顶级学术会议录用并在国际顶级会议上发表并宣讲研究成果，标志着我校计算机学院在相关基础研究领域取得国际领先的研究成果。
