
<html><head><style type='text/css'>p { margin: 0; }</style></head><body><div style='font-family: arial,helvetica,sans-serif; font-size: 12pt; color: #000000'><div style="color:#000;font-weight:normal;font-style:normal;text-decoration:none;font-family:Helvetica,Arial,sans-serif;font-size:12pt;"><style>p { margin: 0; }</style><div style="font-family: arial,helvetica,sans-serif; font-size: 12pt; color: #000000"><b>Practical Elegance: Designing programming models for large-scale systems</b>

<br>

<b><a href="http://research.microsoft.com/en-us/people/misard/" target="_blank">Michael Isard</a></b>, <a href="http://research.microsoft.com/en-us/default.aspx" target="_blank">Microsoft Research</a>

<br>Monday, November 11, 4:30pm<br>Computer Science 105<br>

<br>

The growing need for systems that operate on large datasets is well

known, but most programming models for such systems are either too low

level to appeal to non-expert programmers, or are specialized to tightly

restricted problem domains. I will describe the evolution of a

programming model, and its associated systems, that I have worked on at

Microsoft Research. The model encourages programmers to describe an

algorithm as a series of data-parallel steps, embedded within a familiar

language and programming environment (C#/.NET). In order to write code

this way programmers must think indirectly about data-dependencies, but

can leave out the messy details of concurrency. We believe this

elegantly balances our desire to insulate programmers from

implementation details with the need for the system to automatically

infer safe parallel and distributed execution strategies. We have been

able to design systems that take programs written in this model and

execute them efficiently on large datasets and clusters of hundreds of

computers. As the model has evolved we have made it more expressive, so

that it now encompasses both incremental and iterative computation,

while keeping the ability to execute these richer programs efficiently,

at scale. Our ultimate goal is to integrate data-parallelism seamlessly

into all aspects of a general-purpose programming language.<br><br><p>

Michael Isard started out as a computer vision researcher, but for the

last few years has mostly been building distributed execution engines

and thinking about how to program them. He received his D.Phil in

computer vision from the Oxford University Engineering Science

Department in 1998, and worked at the Compaq Systems Research Center in

Palo Alto for three years before joining Microsoft Research in Silicon

Valley in 2002.

</p><br></div></div><br></div></body></html>