歡迎來到演算法、軟體和硬體三位一體的未來世界論文書籍站
國立成功大學 資訊工程學系 鄭憲宗所指導 黃奕崴的 大數據串流平台上降低感測資料傳輸的方法 （2016），提出節點node意思關鍵因素是什麼，來自於大數據、動態傳輸、資料壓縮技術、In-memory Computing、Spark Streaming。
而第二篇論文國立臺南藝術大學 造形藝術研究所 顧世勇所指導 彭奕軒的 節點標記 （2016），提出因為有 霧、非永久性的標記、鬼影、錯覺、東西、意義的重點而找出了 節點node意思的解答。
大數據串流平台上降低感測資料傳輸的方法
為了解決節點node意思 的問題，作者黃奕崴 這樣論述：
隨著感測技術的進步，對於許多感測器應用於各種環境下而產生的巨量資料，如何善用這些巨量資料成為新的商業模式。如何在短時間內可以處理更多資料，甚至是達到即時性分析應用。從過去的分散式運算架構MapReduce，在一些情況下如:機器學習或多層次的迭代運算已經不符合Real-time的需求。主要是MapReduce 缺少一個重要的要素 “有效的資源共享”。為了解決這類的問題，記憶體內運算(In-memory Computing IMC)的概念被提出來。IMC就如字面上的意思，將中間運算的結果都存在記憶體內，而不再是頻繁地存取硬碟，解決了磁碟I/O的效能瓶頸。近期經典的應用就是Apache Spark
。Apache Spark 是開放原始碼的叢集運算框架，它在資料量越大時，能夠比MapReduce快上幾十倍。然而它仍然無法解決一個瓶頸 “頻寬”。感測資料從各個節點傳入，感測器會受限於資源如: 記憶體，能源、頻寬….等等。根據觀察，這些感測資料因為空間相依性或時間相依性而有一些相似的序列。因此，壓縮資料技術將會是個不錯的解決方案，利用較小的資料量來代表較大的資料量。藉此，來解決感測器資源上的限制，同時提高Spark 的資料使用率。本研究提出了降低感測資料的傳輸方法來優化IMC平行化串流運算平台Spark Streaming。利用前處理來提高資料的相似度，讓壓縮技術能夠取代更長的樣式。另一方面
，將壓縮與動態傳輸結合在一起，來達到即時性兼顧高壓縮率的效果。因此，降低感測器所要消耗的能量，延長感測器的壽命。同時，在同個頻寬下，可以傳輸更多資料進而提升了運算平台的處理能力。
節點標記
為了解決節點node意思 的問題，作者彭奕軒 這樣論述：
物事人是電腦裡的其中一個資料夾名稱，存放著所有凌亂的檔案，也因為這樣的命名，所有的檔案及影像都可以屬於這個資料夾。取名時我也不知道自己在想什麼，這樣倒反了『人事物』，這個簡單卻容易被理解的描述，在被倒置後會變得更難描述。在我大二的時候繪製了一個圖騰，這個圖像也持續地跟著我，圖騰從未變化，但對於它的想像持續累加到現在，從一開始對於基地的建構狀態：「現實感的消磨，讓我們追憶過往對於基地的美好想像，於是我開始建築屬於自己的基地，在我所製造的自然景觀中慢慢地建築起來，在一個平面圈定範圍內，由下而上的建構。」這是我常描述給別人的解釋，有很多人說他們看到第一眼感覺是水晶的影像，因為某部分的對稱感。在電影
台詞裡，常常會聽到以crystal clear去答覆一個問題，當A角色問B角色有沒有懂他的意思，B以crystal clear簡短的字詞顯現他非常清楚理解A的意思，但我一直懷疑著這樣的理解，這樣的理解可能只是對應到一個片段？我也在想真的在此階段能去接近描述的清晰，如水晶般清晰，實在是太沈重了，或許它僅能存在於描述裡。本文環繞在『時間節點』的回返作為基礎，以最簡單的方式去解釋節點，它如同一個客運站牌，它並不是一個起點或終點，它反而是一個暫時駐足的靜止點，我想更凝結在影像經驗中的振動靜止點，物事人在語音傳達裡，會直接略過本身由人事物所建構的字義，而變成『物是人』。生產一個身體以外的東西，如同生活上
拿了一個塑膠吸管的包裝紙做成一個戒指，投入的去製作出來，當它被完成時，它是脫離你的，也具備着你存在的一個象徵，這也是人很根本的狀態。時間節點在論文內文裡，以時間真實倒敘作為描述，這種架構也如同facebook臉書個人頁面的貼文，貼文也如同節點式的返回，就像當你在刷文時，回顧你之前所留存的每個貼文，因此我也製作了第二種外部文本《node節點》，在facebook個人檔案貼文裡，它清楚地記錄下你所留存下的影像及描述，如同日記般的狀態，但這個日記不只是給自己閱讀的樣貌，這種對外性同時也存在某種自身歷史在裡頭。《node節點》選出了臉書兩百多個自己上傳的貼文；兩百多個節點，有關生活與創作的貼文進行描述
，時間由近至遠，有些貼文反而會勾起已經忘掉的事情跟回憶。這樣如機械性精準般的留存，如同另一個自己被分離出來，隨時可以對應本文，我將貼文印刷成一本書，它沒有我的名字，並將大頭貼變成水晶圖騰。