視頻分發(fā)與緩存協(xié)同優(yōu)化技術研究.pdf

1、在三網融合的大環(huán)境下，服務和業(yè)務的種類越來越豐富，其中視頻內容的播放服務是三網融合的重要服務之一。隨著整個視頻服務行業(yè)的飛速發(fā)展，視頻內容出現(xiàn)了爆炸式的增長。
　　視頻內容通過內容分發(fā)網絡，分發(fā)給電視、PC、手機、PAD等內容終端。視頻內容的快速增長及終端用戶數量迅猛增加，與此同時基礎網絡傳輸帶寬發(fā)展相對緩慢，為了保證視頻服務質量，目前主要通過由內容分發(fā)和緩存系統(tǒng)組成的內容分發(fā)網絡CDN(Content Delivery Netw

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

3、　　1)針對基于“推”為主的CDN系統(tǒng)中，視頻內容的流行度需要人為估計的問題，本文提出了一種利用貝葉斯網絡模型對視頻內容的流行度進行預測的方法。在保證用戶體驗不變的前提下，減少后期系統(tǒng)對視頻內容副本的調整，有效減少系統(tǒng)負擔，使CDN邊緣節(jié)點的存儲資源能夠得到更合理的使用。
　　該方法利用貝葉斯網絡通過對視頻點播數據進行知識挖掘，實現(xiàn)對需要分發(fā)到CDN邊緣緩存節(jié)點的視頻內容流行度的有效預測。實驗結果表明，該方法可對視頻內容流行度較為

4、準確的預測，電影流行度準確率超過80％。
　　2)針對分布式協(xié)同緩存系統(tǒng)中的內容替換問題，本文提出了一種基于全局信息的內容替換算法。通過理論推導證明了協(xié)同緩存優(yōu)于獨立緩存。
　　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，僅考慮局部的內容信息?？紤]這兩個不足，本文通過分析移動環(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。然后根據分布模型并結合緩存系統(tǒng)的自身特點，針對面向移動視頻服務的分布式緩存

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，同時考慮文件長度。實驗結果表明，協(xié)同緩存系統(tǒng)在三種不同緩存預部署策略下，使用VBG算法的系統(tǒng)傳輸代價均低于局部貪心算法，在三組實驗中，局部貪心算法的傳輸開銷最高約是VBG算法的2.5倍。
　　3)面向基于云存儲的CDN視頻內容預部署需求，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算法利用用戶請求信息，將副本有針對性的部署到云存儲節(jié)點上，將用戶快速的重定向到擁有所需副本內容的節(jié)點，從而解決原有GS(Greedy Site)算法可能引起的用戶負載不均問題。實驗結果表明，GUCP算法在負載均衡方面的性能優(yōu)于GS算法很多。當用戶數量達1000時，GUCP算法的負載狀況值僅為GS算法的1/

7、8。PBP算法則利用內容的流行度計算出副本在系統(tǒng)中所要部署的數量，將用戶請求重定向到指定云存儲節(jié)點，若該節(jié)點無法提供副本服務，則從其它節(jié)點復制副本。對比其它節(jié)點復制副本的平均調整時延和調整費用兩種性能指標，PBP算法比隨機預部署算法有較大優(yōu)勢。隨著用戶數量的增加，PBP算法的調整費用近似趨于隨機算法的1/2，平均調整時延近似趨于隨機算法的3/4。
　　本文的研究工作及成果，依托于國家863重大項目“新一代高可信網絡”課題中“新一代