论文部分内容阅读
近年来,随着网络迅速发展和流媒体应用大量增加,用户对移动端应用的质量体验(Quality of Experience,QoE)需求日渐增多。动态自适应流媒体(Dynamic Adaptive Streaming over HTTP,DASH)可以根据用户端的网络环境和缓存状况选择流媒体码率。因此,在DASH环境下如何更好地保证用户QoE逐渐成为研究的热点。现有流媒体服务器端负载均衡技术并未考率DASH客户端对用户QoE的影响,尤其在高并发用户任务连接情况下,很难保证客户端用户整体QoE。针对上述问题,论文从DASH客户端QoE模型的评价方法、服务器端的动态负载均衡技术优化策略这两方面进行研究:(1)提出一种面向DASH客户端的QoE驱动评价模型(QoE Driven Model of DASH Client,QDMDC)。模型参数包括:初始缓冲延迟、卡顿事件、视频码率和清晰程度。通过对QoE评价模型影响因素数据进行线性拟合,确定评价模型关键因素表现形式,设计合理的QoE评价模型作为驱动模块,用于指导服务器端负载均衡调度的优化。(2)提出QoE驱动的DASH动态负载均衡优化策略。首先通过分析流媒体服务器端负载性能影响情况,从而可以选出合适的负载性能指标。实现合理利用集群节点负载资源的同时,更好地解决DASH业务中用户请求量增大时,服务器端出现响应时间过长、带宽拥挤、负载效率降低等问题的目的。通过提出的QoE驱动评价模型,指导服务器端负载优化调度,实现利用设计的动态负载均衡优化策略提升集群负载效率的同时,提高DASH业务用户综合QoE的目标。论文在QoE驱动评价模型(QDMDC)基础上,提出的QoE驱动的DASH动态负载均衡优化策略能从用户主观体验和负载均衡技术两方面对DASH业务进行优化。实验结果表明,该优化策略可以有效降低客户端的初始缓冲延迟和卡顿次数,保证视频的平均码率清晰度,在提升服务器端集群有效负载均衡效率的同时,使用户QoE得到改善。