視頻分發(fā)與緩存協(xié)同優(yōu)化技術(shù)研究.pdf

1、在三網(wǎng)融合的大環(huán)境下，服務(wù)和業(yè)務(wù)的種類越來越豐富，其中視頻內(nèi)容的播放服務(wù)是三網(wǎng)融合的重要服務(wù)之一。隨著整個(gè)視頻服務(wù)行業(yè)的飛速發(fā)展，視頻內(nèi)容出現(xiàn)了爆炸式的增長。
　　視頻內(nèi)容通過內(nèi)容分發(fā)網(wǎng)絡(luò)，分發(fā)給電視、PC、手機(jī)、PAD等內(nèi)容終端。視頻內(nèi)容的快速增長及終端用戶數(shù)量迅猛增加，與此同時(shí)基礎(chǔ)網(wǎng)絡(luò)傳輸帶寬發(fā)展相對(duì)緩慢，為了保證視頻服務(wù)質(zhì)量，目前主要通過由內(nèi)容分發(fā)和緩存系統(tǒng)組成的內(nèi)容分發(fā)網(wǎng)絡(luò)CDN(Content Delivery Netw

2、ork)，完成視頻內(nèi)容的分發(fā)和緩存。大容量、高并發(fā)的視頻服務(wù)，對(duì)視頻分發(fā)、緩存技術(shù)提出了更高要求。視頻內(nèi)容流行度的準(zhǔn)確預(yù)測、有效的緩存替換算法以及副本的預(yù)部署算法對(duì)CDN的性能有重要影響。
　　本文圍繞三網(wǎng)融合環(huán)境下的視頻內(nèi)容的分發(fā)與緩存關(guān)鍵技術(shù)展開研究工作，重點(diǎn)研究了CDN中視頻流行度的預(yù)測，分布式緩存系統(tǒng)中移動(dòng)視頻內(nèi)容緩存的替換，以及基于云存儲(chǔ)的CDN中視頻內(nèi)容副本的預(yù)部署等策略。
　　本文的主要工作與成果如下:

3、　　1)針對(duì)基于“推”為主的CDN系統(tǒng)中，視頻內(nèi)容的流行度需要人為估計(jì)的問題，本文提出了一種利用貝葉斯網(wǎng)絡(luò)模型對(duì)視頻內(nèi)容的流行度進(jìn)行預(yù)測的方法。在保證用戶體驗(yàn)不變的前提下，減少后期系統(tǒng)對(duì)視頻內(nèi)容副本的調(diào)整，有效減少系統(tǒng)負(fù)擔(dān)，使CDN邊緣節(jié)點(diǎn)的存儲(chǔ)資源能夠得到更合理的使用。
　　該方法利用貝葉斯網(wǎng)絡(luò)通過對(duì)視頻點(diǎn)播數(shù)據(jù)進(jìn)行知識(shí)挖掘，實(shí)現(xiàn)對(duì)需要分發(fā)到CDN邊緣緩存節(jié)點(diǎn)的視頻內(nèi)容流行度的有效預(yù)測。實(shí)驗(yàn)結(jié)果表明，該方法可對(duì)視頻內(nèi)容流行度較為

4、準(zhǔn)確的預(yù)測，電影流行度準(zhǔn)確率超過80％。
　　2)針對(duì)分布式協(xié)同緩存系統(tǒng)中的內(nèi)容替換問題，本文提出了一種基于全局信息的內(nèi)容替換算法。通過理論推導(dǎo)證明了協(xié)同緩存優(yōu)于獨(dú)立緩存。
　　協(xié)同緩存系統(tǒng)中現(xiàn)有的局部貪心算法假定文件長度一致，僅考慮局部的內(nèi)容信息?？紤]這兩個(gè)不足，本文通過分析移動(dòng)環(huán)境下視頻的長度分布與流行度分布情況，建立了視頻長度與流行度的分布模型。然后根據(jù)分布模型并結(jié)合緩存系統(tǒng)的自身特點(diǎn)，針對(duì)面向移動(dòng)視頻服務(wù)的分布式緩存

5、系統(tǒng)，本文提出了一種基于全局效用值的緩存替換算法，簡稱VBG算法(Value-Based Global)。VBG算法基于全局信息，同時(shí)考慮文件長度。實(shí)驗(yàn)結(jié)果表明，協(xié)同緩存系統(tǒng)在三種不同緩存預(yù)部署策略下，使用VBG算法的系統(tǒng)傳輸代價(jià)均低于局部貪心算法，在三組實(shí)驗(yàn)中，局部貪心算法的傳輸開銷最高約是VBG算法的2.5倍。
　　3)面向基于云存儲(chǔ)的CDN視頻內(nèi)容預(yù)部署需求，本文提出了兩種離線的副本部署算法:GUCP算法(Greedy Us

6、er Core Preallocation)和PBP算法(Popularity Based Placement)。
　　GUCP算法利用用戶請(qǐng)求信息，將副本有針對(duì)性的部署到云存儲(chǔ)節(jié)點(diǎn)上，將用戶快速的重定向到擁有所需副本內(nèi)容的節(jié)點(diǎn)，從而解決原有GS(Greedy Site)算法可能引起的用戶負(fù)載不均問題。實(shí)驗(yàn)結(jié)果表明，GUCP算法在負(fù)載均衡方面的性能優(yōu)于GS算法很多。當(dāng)用戶數(shù)量達(dá)1000時(shí)，GUCP算法的負(fù)載狀況值僅為GS算法的1/

7、8。PBP算法則利用內(nèi)容的流行度計(jì)算出副本在系統(tǒng)中所要部署的數(shù)量，將用戶請(qǐng)求重定向到指定云存儲(chǔ)節(jié)點(diǎn)，若該節(jié)點(diǎn)無法提供副本服務(wù)，則從其它節(jié)點(diǎn)復(fù)制副本。對(duì)比其它節(jié)點(diǎn)復(fù)制副本的平均調(diào)整時(shí)延和調(diào)整費(fèi)用兩種性能指標(biāo)，PBP算法比隨機(jī)預(yù)部署算法有較大優(yōu)勢。隨著用戶數(shù)量的增加，PBP算法的調(diào)整費(fèi)用近似趨于隨機(jī)算法的1/2，平均調(diào)整時(shí)延近似趨于隨機(jī)算法的3/4。
　　本文的研究工作及成果，依托于國家863重大項(xiàng)目“新一代高可信網(wǎng)絡(luò)”課題中“新一代