プラットフォームの特色

  • 低遅延データ解析

    自己開発の計算リソーススケジューリングアルゴリズムを用いて，ストリーミングデータ解析をミリ秒レベルの遅延にすることができる。

  • スループットが大きい

    毎秒100万レベルのデータリアルタイム計算分析に対応しており、一台のサーバーは毎秒10万以上のセンサデータスループットをサポートしています。

  • リアルタイムディープラーニング

    データはリアルタイムで深さ学習サーバーに入力でき、リアルタイムで人工知能学習が可能です。通常の深さ学習フレームワークをサポートし、リアルタイム移行学習、増分学習などのアルゴリズムを実現します。

  • 革新的なデータと計算リソースのスケジューリングアルゴリズム

    低遅延のリアルタイムストリーム計算及びリアルタイム深さ学習（移行学習、増分学習）をサポートするために、私達は自ら研究開発し、効率的なデータと計算リソーススケジューリングアルゴリズムを実現しました。

  • 大容量分散型データ記憶装置

    オープンソースC++リアルタイムデータシステム（将来はウィ英自己研の分散型NewSQLデータベースに移行します）に基づいて、低遅延データの読み取り/保存を備え、物理的な位置（GPS座標など）の照会インデックスを開発しました。

  • 5 G、工業4.0、モノのインターネットなどの応用シーンをサポート

    いくつかのアプリケーションシーンが実装されています。必要なシーンをカスタマイズできます。システムのセットを自分のサーバーにインストールすることをサポートします。

分散型データ保存と計算

システム遅延を低減するために、分散型NOSQLデータベースとメモリデータベースを結合し、分散型計算タスクスケジュールを実現し、Masterはタスク状態を監視し、タスクの割り当てを担当する。

リソース二重スケジューリングを計算

システム遅延を効果的に低減するために、計算リソース二重スケジューリングアルゴリズムを採用する。まず、遅延ニーズ（優先度）に従って、タスクを低遅延分析システムまたは通常のストリーム解析システムに調整し、タスクの期限とシステムリソースの占有率に基づく動的スケジュールを実現する。

リアルタイムディープラーニング

複数の深さ学習フレームワークをサポートし、統一的な深さ学習APIを実現します。移転学習、増分学習などのリアルタイム学習アルゴリズムを実現した。