EN

TurboNet高性能网络研究小组

Welcome to TurboNet Team--TNT, PCNL👏🏻

﹀

About 关于我们

TurboNet高性能网络研究小组--TurboNet Team,简称TNT小组💥,成立于2026年1月1日,联合鹏城实验室、北京大学、清华大学、哈尔滨工业大学、南方科技大学、华为、新华三等科研及产业力量,聚焦网络算法与硬件加速、可编程网络数据平面、可编程网络遥测系统、网络设备与系统研发等高性能网络研究及研发任务,聚力打通“算法-架构-硬件-系统-应用”全链路闭环!期待与学术界和工业界同仁们开展技术交流与合作,携手打造高性能网络的“引擎”--Turbo🚀

我们坚信,真正具有行业影响力的网络研究,既要在基础理论与核心技术上站得稳、钻得深,也要在工程落地与产业应用中跑得通、用得好。基础研究筑牢创新根基,工程落地彰显技术价值。这,正是TurboNet高性能网络研究小组的团队信念,也是TurboNet Team--TNT团队每一位成员始终坚守并为之不懈追求的方向🔥

欢迎对高性能网络研究充满热情的青年才俊联系加入TNT,加入PCNL新型网络研究部,成为下一名引爆网络性能跃迁的“爆破手”--TNTer🧨

Research 研究方向

聚焦“高性能、低时延、智能化”这一核心目标,TNT小组坚持网络基础研究与工程落地双轮驱动,深耕软硬件协同的网络系统设计与实现,研究方向覆盖从算法架构到工程落地的完整技术栈,主要包括但不限于以下研究方向:

netverify

网络算法与硬件加速

聚焦高效网络数据包处理技术,研究报文解析、报文分类、流量感知、流表缓存、拥塞控制、负载均衡等核心算法,探索以FPGA为核心、异构资源深度融合的一体化加速架构,实现关键网络功能的高效加速与灵活扩展。

netfun

可编程网络数据平面

面向全栈可编程网络设备,研究协议无关转发架构与编程模型,探索P4、可编程交换芯片与可重构硬件在高速转发与在线处理中的应用路径,实现网络功能在数据平面的灵活部署与快速演进,提升网络系统的可编程性与可扩展性。

netperf

可编程网络遥测系统

针对网络系统可观测性需求,研究高性能、低开销的全栈可编程网络遥测与在线实时监测机制,支持对流量行为、性能指标与异常事件的精细化感知与实时分析,为网络运维、性能优化与安全防护等提供高精度、可解释的数据支撑。

xai

网络设备与系统研发

围绕中国算力网、工业互联网等新型网络建设需求,联合国家实验室及龙头企业,开展高性能网络核心设备关键技术研究及研发工作,推动技术方案在真实网络系统与主流开源平台中的规模化落地,助力新一代网络基础设施的建设。

Publications 近3年论文发表 (*: 通讯作者&论文指导老师)

  • Zhongxian Liang, Sheng Lan, Ying Li, Zihan Li, Wenjun Li*, Yao Xin, Han Wang, Tong Yang, Yu Zhang, Gaogang Xie, Bin Liu, and Weizhe Zhang, “FlowTurbo: From Best-Effort to Hit-Driven MegaFlow Hardware Offloading in Open vSwitch,” In ACM annual conference of the Special Interest Group on Data Communication (SIGCOMM), 2026. [Paper.pdf, Link]
  • Han Wang, Sheng Lan, Jiayao Wang, Qilong Shi, Wenjun Li*, Laizhong Cui, Tong Yang, Shuhui Chen, and Weizhe Zhang, “HeavyMatcher: Finding Top-k Items with Compact Linear Space,” In IEEE International Conference on Network Protocols (ICNP), 2026. [Paper.pdf, Link]
  • Zhongxian Liang, Ying Li, Zimo Dong, Han Wang, Wenjun Li*, Qun Huang, Zhuo Li and Weizhe Zhang, “CelestialEye: A Synergistic CPU-FPGA Engine for Accurate Frequency Measurement in High-speed Data Streams,” In ACM/IEEE Design Automation Conference (DAC), 2026. [Paper.pdf, Link]
  • Sheng Lan, Ying Li, Zhongxian Liang, Wenjun Li*, Yao Xin, Ying Wan, Hui Li, and Weizhe Zhang, “MegaTurbo: A Scalable FPGA-based Engine for MegaFlow Classifier in Open vSwitch,” In ACM/SIGDA International Symposium on Field-Programmable Gate Arrays (FPGA), 2026. [Paper.pdf, Link]
  • Zhongxian Liang, Qilong Shi, Xiyan Liang, Zihan Li, Wenjun Li*, Tong Yang, Yangyang Wang, Mingwei Xu, and Weizhe Zhang, “JitterSketch: Finding Jittery Flows in Network Streams,” In ACM Web Conference  (WWW), 2026. [Paper.pdf, Link]
  • Zhuochen Fan, Zhongxian Liang, Zirui Liu, Dayu Wang, Dong Wen, Wenjun Li*, Tong Yang, Yuzhou Liu, and Weizhe Zhang, “PBSketch: Finding Periodic Burst Items in Data Streams,” In ACM SIGKDD Conference on Knowledge Discovery and Data Mining (SIGKDD), 2026. [Paper.pdf, Link]
  • Qilong Shi, Lu Cao, Weiqiang Xiao, Nianfu Wang, Wenjun Li*, Tong Yang, Zhijun Li, Weizhe Zhang, and Mingwei Xu, “Filtering and Accelerating: A Unified Framework for High-Performance Persistence Estimation,” In IEEE Transactions on Knowledge and Data Engineering (TKDE), 2026. [Paper.pdf, Link]
  • Jiayao Wang, Qilong Shi, Xiyan Liang, Han Wang, Wenjun Li*, Ziling Wei, Weizhe Zhang, and Shuhui Chen, “PSSketch: Finding Persistent and Sparse Flow with High Accuracy and Efficiency,” In ACM SIGKDD Conference on Knowledge Discovery and Data Mining (SIGKDD), 2025. [Paper.pdf, Link]
  • Lu Cao, Qilong Shi, Weiqiang Xiao, Nianfu Wang, Wenjun Li*, Zhijun Li, Weizhe Zhang, and Mingwei Xu, “Hypersistent Sketch: Enhanced Persistence Estimation via Fast Item Separation,” In IEEE International Conference on Data Engineering (ICDE), 2025. [Paper.pdf, Link]
  • Yao Xin, Chengjun Jia, Wenjun Li*, Ori Rottenstreich, Yang Xu, Gaogang Xie, Zhihong Tian, and Jun Li, “A Heterogeneous and Adaptive Architecture for Decision-tree-based ACL Engine on FPGA,” In IEEE Transactions on Computers (TC), 2025. [Paper.pdf, Link]
  • Qilong Shi, Chengjun Jia, Wenjun Li*, Zaoxing Liu, Tong Yang, Jianan Ji, Gaogang Xie, Weizhe Zhang, and Minlan Yu, “BitMatcher: Bit-level Counter Adjustment for Sketches,” In IEEE International Conference on Data Engineering (ICDE), 2024. [Paper.pdf, Link]
  • Yao Xin, Wenjun Li*, Chengjun Jia, Xianfeng Li, Yang Xu, Bin Liu, Zhihong Tian, and Weizhe Zhang, “Recursive Multi-Tree Construction with Efficient Rule Sifting for Packet Classification on FPGA,” In IEEE/ACM Transactions on Networking (TON), 2024. [Paper.pdf, Link]
  • Lu Cao, Qilong Shi, Yuxi Liu, Hanyue Zheng, Yao Xin, Wenjun Li*, Tong Yang, Yangyang Wang, Yang Xu, Weizhe Zhang, and Mingwei Xu, “Bubble Sketch: A High-performance and Memory-efficient Sketch for Finding Top-k Items in Data Streams,” In ACM International Conference on Information and Knowledge Management (CIKM), 2024. [Paper.pdf]
  • Qilong Shi, Yuchen Xu, Jiuhua Qi, Wenjun Li*, Tong Yang, Yang Xu, and Yi Wang, "Cuckoo Counter: Adaptive Structure of Counters for Accurate Frequency and Top-k Estimation," In IEEE/ACM Transactions on Networking (TON), 2023. [Paper.pdf, Link]
  • Yao Xin, Wenjun Li*, Gaogang Xie, Yang Xu, and Yi Wang, “A Parallel and Updatable Architecture for FPGA-based Packet Classification with Large-Scale Rule Sets,” In IEEE Micro (MICRO), 2023. [Paper.pdf, Link]
  • TNT小组内部会议列表:https://turbonet.team/CFP

    Join Us 加入我们

    📢博士招生通知:2027级计划招收国家实验室联培博士生2-4名,具体招生信息详见:https://turbonet.team/newstudent

    📢博后招聘通知:常年招收博士后,年薪56万起,重点从事智能网卡、可编程网络转发技术、网络遥测系统等相关研究工作。

    TNT团队长期招聘博士后等优秀科研人才,年薪56万起,并常年招收计算机/电子信息专业博士研究生,科研津贴12万/年起。此外,长年接收优秀本/硕/博在校生的线上科研实习申请,深度参与团队科研及论文合作工作,表现优异者将有机会牵头发表CCF A类论文,并将作为团队优秀科研人才/博士后/博士研究生等优先录用对象,欢迎对高性能网络研究充满热情的青年才俊联系加入TNT团队。

    联系方式: wenjunli@pku.org.cn(李老师);TNT公众号: 二维码👇🏻;TNT网站: https://turbonet.team (网站建设中)。

    欢迎关注“高性能网络研究小组”微信公众号,了解团队更多研究进展