聚焦产品：4200万+个VR快速、稳定处理的背后逻辑是什么？

超大体量生产规模、行业顶尖生产技术和工艺、高度自动化生产线，以及数智化控制模式——这是现代化超级工厂的基础配置。

如视VR，就可以看做是“超级工厂”打造的产品。

例如，在三维重建中，如视通过激光VR扫描仪伽罗华仅需15分钟，即可完成100平米空间的自动化采集，并将海量数据上传至服务器，进入数据处理流程，最终生产为1:1复刻、可步进式漫游的真实数字空间。

这个快速、准确的过程，需要经过大量复杂算法处理。比如深度信息生成点云数据、全景图自动拼接等。

为了便于管理算法，提升算法可维护性，我们通常会将这一复杂处理过程拆分，形成独立的算法模块，每个模块负责过程中的某一段独立逻辑。

因此，整个VR生产流程就类似一个“超级工厂流水线”，最终VR生产效率，也就是数据处理速度，取决于“工厂”对整个生产（算法执行）过程的管理能力。

本期聚焦产品栏目，如视就和您一起走入VR数据处理的世界，了解在VR高效生成背后，如视如何通过改造算法调度系统，利用资源动态扩缩容，完成数据处理过程从“作坊式生产”到“超级工厂”的转变，让资源分配更合理、加载速度更迅捷、VR浏览体验更顺畅。

如何提升VR处理速度：

打造最佳算法管理方式

单节点下的串行执行

计算节点是计算机集群的核心部件，负责接收和执行计算任务、返回结果等工作。我们可以把节点类比为工厂的设备/人工，设备越先进、工人素质越高，生产质量自然越好。

各算法模块则是“生产工序”，比如生产一台新能源汽车需要制作电池包、车架、电机等工序；同理，VR生产过程中也需要多个算法模块。

在初期阶段，为了项目能够快速落地推进，我们通常会选取一个简单易维护的算法管理模式，比如：单节点下串行执行算法模块。

该模式是指，在单台计算节点上，系统严格按照顺序依次执行各算法模块，不涉及并行计算。当前模块完成后，才可将数据传递至下一模块执行，比如生产底盘后才能制造车架。

这就类似于家庭手工作坊，虽然存在前后工序划分，但仍由单人（单节点）完成所有工序（算法执行）。

其优势在于，VR生产过程简单易实现，稳定性高，且管理简单。但同时存在以下缺点：

• 资源浪费

由于各算法模块所需资源不同，因此无法在所有数据处理阶段都充分利用节点资源，极易造成资源浪费。

例如，某工人精通发动机组装，却要同时执行造底盘和车辆外观检测工作，极大浪费了该工人的能力。

• 耗时长

当算法处理流程较长时，严格的顺序执行会极大增加单任务耗时。

• 低扩展性

在单节点模式下，VR处理速度局限于单计算资源总量。当面对大规模任务时，系统难以进行横向拆解，最终影响全局生产速度。

多节点下的串行流水线

为了优化单节点模式缺陷，我们需要将“家庭作坊式”算法管理升级为“工厂”模式——多节点下的串行流水线。

该模式是指，在严格依序执行各算法模块的同时，将各模块分布到不同计算节点上，也就是将一个任务拆分为完整的子任务流。

每个节点只负责处理单一模块的子任务，通过统一调度系统，串联起整个生产任务。

这就形成了如现代流水线般的生产处理流程。每个工位（计算节点）仅处理一道工序（算法模块），每个工序所需的工人数量（计算资源）也不同。

理想状态下，整个产线资源供给-生产处理能够达到完美平衡，此时其吞吐量也能达到最大值。

当然，该效果基于多节点处理模式的几点优势：

• 资源可控

在调动计算资源时，由于能够提前预判单一算法模块的资源占用情况，因此我们可以严格控制单节点资源供给，做到既满足资源保障需求，又避免了资源浪费。比如生产一套轮胎需要5名工人，工厂就无需派10人来工作。

• 可横向扩展/并行计算

当处理较大规模任务时，系统可以将其横向拆分为独立的分块，交付给不同节点处理。通过并行计算，既能够提高处理速度，又可减少对单节点资源的依赖。

• 提高全局资源利用率

由于各算法模块的资源占用需求、处理时长等不尽相同，因此，通过按比例分配不同模块对应的计算节点数量，能够在整体系统资源有限前提下，保障所有计算节点都存在运行任务，避免某节点因等待任务而造成计算资源浪费。

但因为该模式仍为串行执行，故存在以下弊端：

• 耗时长

同单节点模式类似，该处理模式并未解决在数据处理流程较长情况下的耗时问题。

• 额外的数据传输成本

在单节点模式下，数据传输路径短、速度快；而多节点模式则增加了各模块间交换数据的传输成本。

还是以生产流水线为例，原来由单个工人完成所有工作时，各工序零部件都在自己手中，无需交由他人进行下一步处理；而当每个工人都负责一部分零件处理时，就需要将零部件处理完毕后，再交由其他工人处理，增加了传递成本。

• 协调复杂

串行执行，加上多节点模式下数据传输成本增加等因素，就导致保持依序执行算法模块，以及传递正确数据等步骤，需要额外的协调工作，极大增加了系统的管理复杂性。

多节点下的动态并行流水线

随着在数字空间领域软硬件技术的日益进步，如视数字空间采集能力也在不断升级。

以一个采集了10个点位的VR为例，采集仅需要10分钟，将该点位大量数据上传至服务器需2分钟，而全部处理完毕，达到可对外展示的状态仅需15分钟。

如果仅凭上述“作坊”和“普通工厂”式生产模式，这一成就显然无法实现。此时，我们就需更进一步，创造出更快的单任务处理速度，让系统适应更复杂的任务场景。

要实现该目标，就需要改造资源调度系统，打造数据处理的“超级工厂”。

首先，什么是调度系统？

调度是运筹学的一个应用领域，涉及到资源分配、路径规划等方向。调度解决的是如何将有限资源合理分配，并按照最优顺序执行的问题。

生活中存在很多调度相关案例，比如发生火情时消防单位派出消防车救灾，网约车系统给司机和乘客派单等。一个先进的生产体系，必定存在优秀的调度系统。

再来看算法模块，在实际应用中，很多算法模块并不是严格的前后逻辑依赖关系。

打个比方，“制造螺丝”和“制造螺母”是两个工序，在生产中可以同时执行；而“组装螺丝螺母”，则严格依赖“制造螺丝”和“制造螺母”两个工序。

在此基础上，我们可以将流水线中的所有算法模块抽象为一个有向图（在数学中，图是指一种用于描述对象之间关系的结构，通常由顶点和边组成，图的边存在方向则为有向图），这个有向图存在单一起点与终点，其作用是可以用来表示任务之间的依赖关系，帮助优化项目计划和资源分配。

生成有向图后，我们从起点开始，对整个有向图进行并行的广度优先搜索（又称宽度优先搜索算法，是最简便的图搜索算法之一，也是很多重要的图算法原型），自然是时间维度上的最优解。

比如通过搜索有向图得知，“包饺子”依赖于“剁馅”和“擀皮”，那么“剁馅”和“擀皮”可同时进行，但“包饺子”必须等前者完成后方可处理。

对于节点当前运行的算法模块来说，由于算法模块变成了依据逻辑依赖的动态并行执行，当前系统内对每个算法模块的数量需求，也成为一组动态变化的数值。

因此，只有动态分配算法模块的数量，才能确保充分利用系统资源，避免部分模块空等。

利用上述模式，我们生成了一个更为理想的调度系统：

第一，通过容器化实现计算节点快速切换模块；

第二，通过动态调度系统，配合容器编排以及流量预测实现模块数量平衡；

最后，通过任务调度系统自动解析模块间的逻辑依赖，进行并行流水线的子任务分发。

简单来说，就是“按需自动分配资源”。

该模式解决了串行执行下耗时长、难以适配复杂场景问题。

一方面，因为任务内算法模块并行度大幅提高，在资源充足前提下，单一任务处理时长大幅缩短；

另一方面，通过模块间动态平衡，能够在不同流水线、任务混杂场景下，达到最高资源利用率。

当然，同相对静态的系统相比，整个动态系统更加复杂，且状态持续变化，因此对核心组件的稳定性及功能性要求更高。

而作为数字空间综合解决方案引领者，如视已经在工业园区、商业零售、文博会展、家居家电等九大行业实现VR技术的大规模落地。截至2024年9月，如视数字空间采集量已突破4200万，总采集面积达35.4亿平方米。

面对如此海量的数据，如视依旧可以平稳处理，可以说，如视的系统稳定性能够经受住各行业复杂环境下的长时间检验。

至此，我们得到了一个较为理想的“超级工厂流水线”模型，既能保证单一任务处理速度足够快，又能保证系统吞吐量够高，不会浪费计算资源。

数据处理降本增效：

资源的动态扩缩容

无论是单节点串行，还是多节点动态并行，其执行的前提，都基于计算资源总量恒定的场景。

然而在实际业务中，需求存在高峰和低峰。高峰时可能计算资源不足，任务之间存在竞争，影响处理速度；低峰时又会有大量资源闲置。比如工厂在旺季会有大量订单涌入，导致生产进度大幅落后于需求。

因此，在不浪费资源前提下，为响应高峰期用户的VR处理请求，如视引入了资源自动扩缩容。

这里就离不开一个关键概念：弹性计算。

弹性计算是云计算的基础服务之一，用户可以根据实际需要灵活、动态地调整需要的计算容量，这就是“弹性”。

如视根据当前系统的资源负载情况，使用云上的弹性算力资源，自动对系统资源进行扩容，并在高峰结束后归还。

通过资源的动态扩缩容，如视就能够保证在不增加VR处理时间前提下，以最快的速度、最低的成本、最高的稳定性满足目前用户所有的VR处理任务。

正如“超级工厂”必备高质量生产加工能力，如视也需要高效处理海量数据，不仅包括海量三维点云、图像信息等原始数据，更包括在细节纹理恢复、重建模型过程中，衍生出的庞杂数据。

如视采用“化整为零”方法，通过改造算法调度系统，利用资源动态扩缩容，将VR生产过程划分为多个子任务，并在多节点下打造动态并行流水线。不仅显著提升VR生成的处理速度，更能高效利用计算资源，创造最佳效果，打造VR数据处理、算法管理的“超级工厂”。

本期聚焦产品栏目到这里就结束了，如果想了解更多的如视产品“秘籍”，欢迎大家点赞、在看，在评论区留言告诉如视您的想法，我们下期见。