作为一种新型商业计算模式,云计算以实时按需服务的方式为用户提供高可靠性、动态可扩展的虚拟计算资源。云计算资源的高性价比优势吸引了越来越多的个人和企业将自身的应用服务迁移到云端去部署执行。在这些应用中,视频媒体流应用以其庞大的用户群体,独特的应用需求特征,广泛的应用场景成为最具代表性的云上应用。事实上,视频媒体流在过去十多年里获得了极大的发展,其产生的网络流量己经在互联网总流量中占据了绝大份额。各类小型化智能移动设备的普及进一步推动了视频媒体流的发展,相关的各种高带宽需求的新兴应用层出不穷。当前不断发展的视频媒体流已经给应用提供商的服务器和网络造成了越来越大的压力。云计算是处理上述问题的一种理想方式:近乎无限的弹性云计算资源迎合了视频媒体流应用规模大、需求波动大等特点,分布式的数据中心可以提供为用户提供低访问时延等应用服务质量。如何更好地优化云计算环境下视频媒体流应用的性能是一个极具挑战和价值的问题。在云计算环境下为企业和用户提供优化的视频流所需解决的挑战有:1)由于市场竞争等因素,不同云视频服务提供商提供的云视频服务通常都是各有特色,这导致云环境下具有相似功能但QoS品质各异的候选云视频服务数量越来越多。一个云视频服务却可以基于用户的需求实时地更新自身的QoS水平。这种实时可调节性极大地增强了应用的性能表现,同时也相应地增大了云视频服务选择的难度。2)通过云资源的弹性伸缩特性调整资源预留量可以提升云资源的使用率。在调整过程中,云需要几分钟的时间去更新配置信息,启动新的虚拟机实例。这导致视频媒体提供商需要根据需求预测信息提前主动进行调整操作。但是,已有的预测方法并不能保证完全准确的用户需求预测。这种不匹配信息会影响视频应用的服务水平协议。3)作为移动设备互联网接入的支撑基础技术,蜂窝接入网络技术充当了关键的角色。但是,这些无线网络条件随着用户移动而波动变化,或者随着天气等外部环境变化而变化。这种无线网络条件的动态随机特性会影响实时视频流的稳定性和流畅性。4)便携式移动设备让用户能够随处即时分享用户视频或者随时观看高质量点播视频。用户的高视觉体验对当前互联网网络和移动接入网络造成了极大的压力。已有的D2D通信研究通常基于用户随机移动性或者蜂窝网络中的位置快照。用户的随机移动性导致通信时长和质量的动态变化,使得该网络只能以尽力的方式进行视频传输。这种随机移动特性实际上使得D2D通信对于视频传输服务来说是低效率的。基于上述挑战,本文针对云计算环境下视频媒体流应用优化问题展开研究。具体而言,本文的主要工作包括以下几项:1)为实现云计算环境下视频应用构建、视频应用部署优化、移动云视频的优化接入以及移动用户之间的合作调度一体化过程,本文提出了一种云计算环境下云视频流应用优化框架。面向用户的应用需求,该框架分为四个层次:云视频应用构建层、云视频应用优化层、云视频服务接入层以及云视频服务用户层。具体而言,云视频应用构建层基于用户需求,以分布式服务代理架构为基础,调用底层云视频服务,构建实现具有期望功能的云视频应用。云视频应用优化层根据具体的应用使用情形,不同的使用用户群体等辅助信息,对云视频应用的部署和底层资源使用进行优化,提升应用和市场等的契合度。云视频服务接入层则是负责根据用户的视频应用需求,优化用户接入网络,提升用户使用视频应用的质量。最后,云视频服务用户层充分利用用户的移动等特性,分析用户合作行为模式对视频应用成本等的影响,优化视频应用的质量。2)云计算的庞大弹性计算存储能力使得越来越多的传统视频编码等服务迁移至云上实现,不同云平台上的这些云视频服务可以被调用去构建跨云视频应用。但是,一个云视频服务通常有着多种弹性QoS品质。这种特性极大地提升了从候选云视频服务中进行选择去构建一个视频应用的难度和时间开销。有鉴于此,我们提出了一个快速可信云服务选择方法。该方法将效用值作为评估指标,基于用户需求从大量云视频服务中快速的搜索最优或近优服务组合。具体而言,为了提高用户真实需求和取得的服务组合方案的匹配程度,用户对每个QoS指标的偏好被形式化为一个偏好区间。一个增强的前k迭代服务组合过程被用于寻求可信的最优或近优服务组合。该快速可信服务组合方法提升了服务组合解的可行性和效率。与传统的服务组合方法相比,该方法主要有着两方面的优势。首先,与传统类似于规划方法相比,该方法可以降低时间复杂度,并从理论上保证概率最优性。其次,该方法可以为一个用户提供多个最优或者次优服务组合解,增强视频应用的可靠性。3)随着过去几十年里互联网视频媒体应用的发展,视频媒体大数据对应用提供商的网络等基础设施造成了极大的压力。为了克服这个障碍,越来越多的传统视频媒体流应用已经从私有服务器群集上迁移到云上实现。借助于云计算的弹性资源配置和集中管理,视频媒体应用提供商的成本可以大幅减少。据我们所知,现有视频媒体应用的云迁移解决方案并没有充分考虑诸如用户硬件条件等信息。有鉴于此,我们提出了一种利用用户本地存储的云视频使用优化部署方案。我们将该问题形式化为一个NP-Hard的优化问题。考虑到这种问题难处理特性,我们提出了一种具有低时间复杂度的近似算法。具体来说,我们将原始问题展开为两个近乎独立的子问题,即粗粒度迁移子问题和细粒度调度子问题。然后,对这两个子问题,我们给出了对应的具有理论性能保证的Offline和Online近似算法。我们提出的算法可以减少总带宽预留量,大大提高带宽资源的利用率。4)借助于日益强大的智能手机等用户智能移动设备,用户可以在任何时间和任何地方观看他所感兴趣的内容,享受丰富的听觉和视觉体验。作为对这些富媒体内容传播的支持,蜂窝接入技术发挥着至关重要的作用角色,为用户提供可靠的无处不在的互联网接入。但是,这些无线网络信道的条件极容易受天气、用户移动性、用户干扰等因素的影响。这种不稳定性极大地降低了用户观看视频的质量。为了应对这一挑战,我们提出在未来网络中使用Crowdsourcing众包技术去提高每个移动用户的带宽条件,减少个人网络状况的波动。同时,我们研究了众包场景下资源分配调度问题,并提出了相应的最优调度技术。该技术可以最大化用户的QoE满意度,为用户提供高成本效益比的视频观看质量体验。5)智能移动设备的普及推动了3D立体视频和移动云游戏等新式视频应用的发展。这些视频应用对当前移动接入网络造成了更大的压力。为了弥补这种网络支持和用户需求之间的差距,D2D通信范式被视为是极有前途的技术。但是,现有的D2D通信研究通常是基于蜂窝网络中用户的随机移动性或位置快照。这种用户的随机移动特性导致波动变化的用户间通信质量,使得D2D通信对于视频传输等应用来书的效率特别低。为了应对这个挑战,我们引入众包技术,通过对众包用户的移动优化控制去提升D2D通信在视频传输中的效率。特别地,我们对现实中的4G/LTE网络吞吐量进行研究。基于研究分析结果,我们形式化了一个用户移动控制决策优化问题。对于单雇佣用户情形,我们提出了一个伪多项式时间复杂度的最优用户调度解。然后,对于多雇佣用户的一般情形,我们提出了一种基于图划分的调度算法。这种图划分方法可以降低用户的转移成本,取得高性价比的系统效用。