กรุงเทพฯ 19 ก.ย. 2566 — WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” หรือ “บริษัท”) ผู้ให้บริการเทคโนโลยี Hologram Augmented Reality (“AR”) ชั้นนําระดับโลก ได้ประกาศในวันนี้ว่าบริษัทได้พัฒนาอัลกอริทึม IoT-LocalSense ซึ่งช่วยในการปรับปรุงการจัดตารางเวลาข้อมูล IoT เพิ่มอัตราการทํางานในท้องถิ่น ลดการทํางานนอกท้องถิ่นและการกระจายภาระงานที่ไม่สมดุล ปรับปรุงการใช้ทรัพยากรอย่างมีประสิทธิภาพ และเพิ่มประสิทธิภาพของระบบกลุ่ม IoT
ในสภาพแวดล้อมการประมวลผล IoT การจัดตารางเวลาข้อมูลจะเกี่ยวข้องกับการกระจายข้อมูลนําเข้าของงานไปยังโหนดคํานวณและจัดเก็บต่างๆ หากมีความแตกต่างของการจับคู่ข้อมูลมากเกินไป อาจทําให้เกิดการทํางานนอกท้องถิ่นของการจัดตารางเวลาข้อมูล ซึ่งจะเพิ่มเวลาการทํางานของงานและการใช้ทรัพยากร ในขณะเดียวกัน การกระจายภาระงานที่ไม่สมดุลอาจทําให้โหนดบางตัวมีภาระมากเกินไปและโหนดอื่นๆ มีภาระน้อย ซึ่งส่งผลต่อประสิทธิภาพโดยรวมของระบบและประสิทธิภาพการใช้ทรัพยากร หลักการ:
โมดูลการจัดวางข้อมูล: ผ่านการประเมินความสามารถในการประมวลผลของโหนดงาน IoT เพื่อออกแบบอัลกอริทึมการจัดวางข้อมูลในการกระจายข้อมูลนําเข้าของงานไปยังโหนดคํานวณและจัดเก็บอย่างสมเหตุสมผล ในขณะเดียวกันพิจารณาถึงการทํางานในท้องถิ่นของข้อมูล โดยวางข้อมูลที่เกี่ยวข้องไว้ใกล้โหนดคํานวณเพื่อลดค่าใช้จ่ายในการส่งข้อมูลและความล่าช้า
โมดูลการปรับปรุงการจัดตารางเวลาข้อมูล: ปรับปรุงการจัดตารางเวลาข้อมูลโดยใช้ข้อมูลตําแหน่งการจัดเก็บบล็อกข้อมูลเพื่อให้มีโอกาสสูงขึ้นที่งานจะถูกทําในโหนดท้องถิ่นระหว่างการทํางาน ลดความถี่ในการทํางานนอกท้องถิ่น รวมทั้งช่วยกระจายภาระงานของแต่ละโหนดในคลัสเตอร์ให้สม่ําเสมอ เพื่อให้มั่นใจว่างานจะถูกกระจายไปทั่วคลัสเตอร์ และปรับปรุงประสิทธิภาพการใช้ทรัพยากรของระบบ
ข้อดีของอัลกอริทึม IoT-LocalSense:
เพิ่มอัตราการทํางานในท้องถิ่นของงาน: ผ่านอัลกอริทึมการจัดวางข้อมูลและการปรับปรุงการจัดตารางเวลาข้อมูล IoT-LocalSense สามารถเพิ่มอัตราการทํางานในท้องถิ่นบนโหนดคํานวณได้อย่างมีประสิทธิภาพ การเก็บข้อมูลที่เกี่ยวข้องในท้องถิ่นช่วยให้งานเข้าถึงข้อมูลได้อย่างรวดเร็ว ลดความจําเป็นในการถ่ายโอนข้อมูลและทําให้การทํางานของงานเร็วขึ้น
ลดการทํางานนอกท้องถิ่น: อัลกอริทึม IoT-LocalSense นําข้อมูลที่จําเป็นสําหรับการจัดตารางเวลาข้อมูลนอกท้องถิ่นไปเก็บไว้ในที่เก็บข้อมูลท้องถิ่นของโหนดคํานวณล่วงหน้าผ่านวิธีการเรียกข้อมูลล่วงหน้า ซึ่งช่วยลดปริมาณเวลาที่งานรอการถ่ายโอนข้อมูลนอกท้องถิ่น จึงสามารถลดความถี่ในการทํางานนอกท้องถิ่นและปรับปรุงประสิทธิภาพการทํางานโดยรวม
พิจารณาการทํางานในท้องถิ่นของข้อมูล: อัลกอริทึมให้ความสําคัญกับการทํางานในท้องถิ่นของข้อมูลและวางข้อมูลที่เกี่ยวข้องใกล้โหนดคํานวณ ซึ่งช่วยลดการส่งข้อมูลข้ามเครือข่าย ลดค่าใช้จ่ายในการส่งข้อมู