【摘 要】
:
当前由于网络的快速普及,大量终端用户使用手机等移动设备观看视频的同时,由于对等网络技术(Peer-to-Peer,P2P)具有高扩展性、低成本等优点而受到研究者们广泛的关注。为了向终端用户更好的提供视频服务,云服务提供商与视频服务提供商结合构建一个高可用的对等网络视频点播云平台。通常,云服务提供商在不同地理区域部署大量的边缘云CDN节点,并通过租用高可用的ISP链路向终端用户提供视频服务。首先,视
论文部分内容阅读
当前由于网络的快速普及,大量终端用户使用手机等移动设备观看视频的同时,由于对等网络技术(Peer-to-Peer,P2P)具有高扩展性、低成本等优点而受到研究者们广泛的关注。为了向终端用户更好的提供视频服务,云服务提供商与视频服务提供商结合构建一个高可用的对等网络视频点播云平台。通常,云服务提供商在不同地理区域部署大量的边缘云CDN节点,并通过租用高可用的ISP链路向终端用户提供视频服务。首先,视频服务提供商将所有的视频资源上载到云数据中心,再由云数据中心通过租用的ISP线路将视频片段分发到边缘云CDN节点。但是,由于大量的视频数据在网络链路中传输则会产生大量的视频传输成本。据相关数据显示,视频传输成本占到了云服务提供商运营成本的15%。因此,对于云服务提供商来说,如何降低云数据中心向其它边缘云CDN节点分发视频资源时产生的成本是一个急需解决的问题。另一方面,随着宽带接入,越来越多的用户选择在网上实时地观看视频。当用户想要观看某一个视频时,会从附近的边缘云CDN节点请求所需要的视频资源,并在本地实时解码播放。然而,边缘云CDN节点可能缺失该视频资源,则会从其它云节点请求该视频资源,这样不仅产生了大量的视频传输成本,而且降低了视频服务质量。因此,怎样在保证服务质量的情况下降低云服务提供商的视频传输成本也是当前需要解决的问题。本文针对上述的两个问题,并结合对等网络视频点播云平台的相关技术,并提出相应的数学模型和算法,主要研究内容如下。第一,本文基于带宽峰值的收费模型,提出了一套基于网络最大流最小割的算法Netcut-way。首先视频服务提供商会将流行的视频资源上载到云数据中心,然后再由云数据中心将所拥有的视频资源向不同地理区域的边缘云CDN节点分发,并由边缘云CDN节点向终端用户提供视频服务,这样当大量的视频数据在链路传输过程中会产生大量的视频传输成本。为了降低该视频传输成本,云数据中心首先按照不同链路的历史带宽峰值将视频分割合适大小的视频片段,将分割的视频片段以成本最小的方式向网络的其它边缘云CDN节点推送。当边缘云CDN节点接收到视频片段时,先将其缓存到本地流媒体源服务器,然后复制该视频片段并将其以成本最小的方式向其它边缘云CDN节点推送,与此同时,边缘云CDN节点可以向其他节点以低成本请求所缺失的视频片段。该算法主要分为三部分。在第一阶段,云数据中心获取历史最大带宽峰值,并通过该峰值以低成本将视频分割合适的片段。第二阶段,计算链路可分配的最大带宽,并根据该可分配的最大流量,使得在不超过链路最大历史带宽峰值的情况下尽可能传输视频片段。在第三阶段,当边缘云CDN节点缺少某个视频片段时,需要选择成本最低的路径来请求该视频片段,并且可以以成本最低的方式向其他节点推送缓存的视频片段。最后,由分布在不同地理区域的边缘云CDN节点向终端用户提供视频服务。第二,本文提出Netdmc算法。当终端用户想要观看某个视频时,该视频数据将从附近的边缘云CDN节点请求,但是该边缘云CDN节点可能不存在该视频片段。当边缘云CDN节点没有缓存用户所请求的视频数据时,则该边缘云CDN节点会向其他的边缘云CDN节点和云数据中心请求缺失的视频资源。因此,当边缘云CDN节点缺失终端用户请求的视频数据时,就会产生云服务提供商的视频传输成本。其次由于视频请求产生一定的传输延时,从而降低了视频服务质量。为了使边缘云CDN节点产生的云服务提供商的视频传输成本最小化,并保证Qo S(服务质量),我们提出了一套视频传输算法,称为Netdmc。所提出的算法可分为两部分。第一部分是非紧急视频片段传输成本最小路径算法,该算法降低边缘云CDN节点请求缺失视频片段时的成本。第二部分是保证终端用户视频服务质量的请求紧急视频片段的低延迟算法。
其他文献
黑客或恶意攻击者通过各种方法入侵网络,导致网络环境面临着大量具有针对性、隐蔽性和渗透性的潜在威胁,网络安全面临着严峻的挑战。入侵检测系统(Intrusion Detection System,IDS)作为安全防御系统被用来检测网络环境是否存在入侵行为,并针对各种入侵行为产生相应的报警数据,便于安全管理人员采取相应的防御措施,然而IDS在实际应用中会产生大量冗余、错误的报警,使得管理人员难以从中找到
视频中人体行为的自动识别是指从原始视频数据中自动识别出对应的人类动作。人体行为识别是进行视频语义理解、视频结构化描述的关键技术。相较于视频中的车辆的识别,人体行为由于其行为种类多,就需要更准确地识别。而且,在获取的视频中,由于存在着各种客观因素,如视频的画面抖动、复杂背景、视角变化等。对此,现有的人体视频行为识别算法对于以上这些问题的处理仍然受限。本文通过利用时空信息融合,分析视频中的关键人体行为
随着移动互联网的普及,以及在线教育的人数突破新高,越来越多的问题文本数据被上传至互联网中。网络中存在大量的未标注问题数据,对于用户的选择造成了困扰,用户很难从中分辨出问题的难度。为了使得用户能够更好地选择自己适合的问题难度,节省用户筛选问题的时间,帮助用户进行个性化学习,对于问题难度的预测变成一个亟待解决的问题。问题难度预测是教育数据挖掘领域中重要的问题之一。现有的问题难度预测模型基于专业人员对问
随着云计算与容器技术的高速发展和深度结合,给互联网行业带来了重要的技术革新,同时“智慧旅游”概念的提出,推动着传统旅游行业的进步与革新,随之诞生了大量的以“互联网+旅游”为背景的互联网产品和应用。本文研究基于模糊多属性决策,面向智慧旅游系统,主要的研究工作如下:(1)提出了一组基于q阶正交模糊数的Dombi幂分区Heronian平均算子。首先,介绍了基于Dombi T-范数和S-范数(DTT)的q
分组密码作为一种主流的加密手段,有着易于商业标准化、适用性强、密钥信息不需要同步、扩散性良好等优点,在各种安全设备中得到了广泛的应用。未受保护的密码算法在密码设备中运行时很容易遭受到侧信道的攻击,从而威胁到密码设备的安全性。如何提高现有侧信道攻击的效率和针对攻击做出相应的防护是目前国内外研究的热点和难点。本文基于国际主流密码算法AES和国密算法SM4的算法结构,研究相关功耗分析的优化方法;并研究了
深度学习算法在图像分类等许多应用场景中取得令人瞩目的成绩。但是,研究表明含有恶意扰动的对抗样本可以欺骗甚至操纵这些复杂神经网络模型,从而使得它们输出错误的预测结果。为了应对这种威胁,本文重点研究对抗训练和预处理防御这两种提高神经网络模型鲁棒性的方法。对抗训练,即使用对抗样本训练神经网络模型,是一种有效的防御措施。经过对抗训练的神经网络模型往往具有很强的抵御对抗样本攻击的能力,但是在训练过程中生成对
文字作为体现一个国家和民族文化的载体,其重要性不言而喻。通过使用计算机识别真实场景中的文字已经成为计算机视觉领域最重要的研究内容之一。然而现有的场景文字检测与识别算法大都针对于英文、中文等使用人数广泛的语言文字。越南文字作为一种声调语言表音文字,使用人数相对较少但具有代表性。与常见的拉丁文字不同,越南文字的书写中存在6种声调符号标记,使用不同的声调符号表达不同的语义信息,现有算法在检测与识别越南场
随着物联网的快速发展,越来越多的物联网设备接入网络,使得传感设备能够更方便的收集数据。数据采集是数据分析的前提。数据收集工作的缺乏将导致数据分析工作流于形式。因此,数据收集工作是实现大数据分析的关键步骤。然而,很多数据涉及到用户(数据提供者)的个人隐私,用户并不想提供这一部分的数据。例如,用户的身体指标数据(血压、心率等),这部分作为用户隐私被用户保护。这将导致数据收集工作的质量大打折扣。所以,隐
由于智能手机定位功能的普遍应用和数据地图的可访问性,基于位置的服务(LBSs)如雨后春笋般迅猛发展,并且已经成为了一种新的服务模式。在过去的几年里,我们目睹了基于位置的服务的广泛推广。许多LBSs相关产品应运而生。人们可以从软件平台下载许多关联应用,包括导航、社交、游戏等,来享受LBSs提供的一系列丰富的个性化服务。虽然LBSs服务便捷和市场规模广阔,但是它也引发了高度的安全担忧。例如,攻击者能够
随着网络和信息技术的飞速发展,人们已经身处于一个信息爆炸的时代。一方面人们感受到了科技发展所带来的前所未有的方便与便捷,另一方面也使得信息过载成为互联网时代的一大挑战。信息资源的急剧增加,使得用户想在纷繁复杂的网络资源中找到自己所需的内容变得十分困难。个性化推荐可以有效地缓解上述所存在的“信息过载”状况,让用户得到符合自身偏好的服务,以提升用户体验,因而具有重要的研究价值。近年来,越来越多的研究者