【摘要】：近年來(lái),隨著云媒體技術(shù)的不斷發(fā)展成熟和視頻直播業(yè)務(wù)的火熱流行,基于云計(jì)算的直播視頻流轉(zhuǎn)碼機(jī)制的研究具有很大的實(shí)用和學(xué)術(shù)意義。直播流轉(zhuǎn)碼方案相比于點(diǎn)播視頻轉(zhuǎn)碼方案要求更高,不僅需要更低的時(shí)延也需要更高的服務(wù)質(zhì)量(QoS)。相比于傳統(tǒng)的CDN和P2P視頻流轉(zhuǎn)碼技術(shù),基于云計(jì)算的轉(zhuǎn)碼具有更好的資源利用率、更低的時(shí)延和更靈活的方案等優(yōu)勢(shì),但現(xiàn)有的直播云轉(zhuǎn)碼方案仍然存在一些不必要的開銷。本文基于以上問(wèn)題,引入了云計(jì)算中具有更多優(yōu)點(diǎn)的Docker技術(shù),對(duì)基于Docker云計(jì)算的直播視頻流轉(zhuǎn)碼機(jī)制、影響轉(zhuǎn)碼節(jié)點(diǎn)部署的用戶訪問(wèn)量預(yù)測(cè)模型和云端轉(zhuǎn)碼中基于QoS的資源調(diào)度策略三個(gè)方面進(jìn)行了研究,主要工作如下:(1)研究基于云計(jì)算的直播系統(tǒng)結(jié)構(gòu)設(shè)計(jì)及云端轉(zhuǎn)碼模塊。傳統(tǒng)的云端轉(zhuǎn)碼架構(gòu)基本上都是基于VM的處理點(diǎn)播視頻的系統(tǒng),他們會(huì)有一個(gè)大的存儲(chǔ)模塊用來(lái)存儲(chǔ)海量的視頻資源,然后再對(duì)視頻流進(jìn)行分布式分塊轉(zhuǎn)碼。但是在直播環(huán)境下,視頻流只能隨著時(shí)間的推移慢慢產(chǎn)生并不存在大塊的視頻流可供處理。因此,本文在基于直播技術(shù)特點(diǎn)和流分發(fā)技術(shù)的基礎(chǔ)上,借助于傳統(tǒng)的點(diǎn)播云視頻轉(zhuǎn)碼系統(tǒng)并結(jié)合Docker技術(shù)進(jìn)行改進(jìn)。系統(tǒng)實(shí)現(xiàn)了對(duì)直播視頻流的按需轉(zhuǎn)碼,并通過(guò)轉(zhuǎn)碼通道的優(yōu)化和復(fù)用機(jī)制來(lái)減少不必要的轉(zhuǎn)碼開銷和傳輸時(shí)延。(2)通過(guò)預(yù)測(cè)直播平臺(tái)的訪問(wèn)量將會(huì)有助于轉(zhuǎn)碼通道的部署,對(duì)極少人觀看的直播節(jié)目進(jìn)行完全多分辨率轉(zhuǎn)碼將會(huì)造成云資源租賃成本的提高和資源利用率的下降。因此,本文在分析傳統(tǒng)預(yù)測(cè)模型的不足之后,引入智能預(yù)測(cè)算法,發(fā)現(xiàn)支持向量回歸(SVR)預(yù)測(cè)可以很好的匹配訪問(wèn)量的預(yù)測(cè)問(wèn)題。之后,通過(guò)粒子群優(yōu)化算法(PSO)對(duì)SVR的參數(shù)選擇進(jìn)行優(yōu)化,提高了預(yù)測(cè)精度,為轉(zhuǎn)碼通道部署提供了理論支持。(3)針對(duì)直播中如何既滿足丟包率低又不增加額外的成本開銷的需求,提出了基于QoS感知的預(yù)測(cè)式資源調(diào)度策略。在分析排隊(duì)模型對(duì)任務(wù)調(diào)度的影響的基礎(chǔ)上,通過(guò)對(duì)所需求資源的預(yù)測(cè),結(jié)合周期性和補(bǔ)救性資源調(diào)度策略,實(shí)現(xiàn)了滿足性能要求的調(diào)度策略。實(shí)驗(yàn)表明,所提方法,在不額外增加成本開銷的基礎(chǔ)上,降低了丟包率,保障了網(wǎng)絡(luò)性能。
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN919.8
【圖文】：

較大、看視頻習(xí)慣興趣愛好各不相同、所持有的觀看終端性能參數(shù)也不盡相同是不同等等。為了根據(jù)用戶的需求進(jìn)行匹配相應(yīng)的視頻內(nèi)容，基于 HTTP 的 D適應(yīng)流媒體）技術(shù)的產(chǎn)生滿足了這個(gè)需求。它將原始視頻分割處理和存儲(chǔ)，并比特率版本。用戶觀看時(shí)可以根據(jù)其設(shè)備的性能參數(shù)進(jìn)行自適應(yīng)的選擇視頻并播術(shù)并不適用于直播系統(tǒng)中。頻云直播應(yīng)用場(chǎng)景的直播場(chǎng)景就是主播坐在電腦前通過(guò)攝像頭和麥克風(fēng)把自己的音視頻信息通過(guò)傳輸?shù)骄W(wǎng)絡(luò)上供全球各地的觀眾觀看。此經(jīng)典直播場(chǎng)景包含三個(gè)關(guān)鍵點(diǎn)：音視播放和一對(duì)多直播[32]。在人人都是直播源的情況下，傳統(tǒng)的直播服務(wù)處理方法巨大的轉(zhuǎn)碼和網(wǎng)絡(luò)帶寬需求，只有云端處理才能解決這個(gè)問(wèn)題，全球直播視頻意圖如圖 2.1 所示，可以看出傳輸與轉(zhuǎn)碼的工作量是十分巨大的。

南京郵電大學(xué)碩士研究生學(xué)位論文 第四章 直播中用戶訪問(wèn)量的預(yù)測(cè)研究播產(chǎn)品爆發(fā)式增長(zhǎng)的今天，出現(xiàn)了一些研究直播平臺(tái)數(shù)據(jù)的網(wǎng)站。為了更真實(shí)的展現(xiàn)直播平臺(tái)的訪問(wèn)量特征，本文在收集平臺(tái)訪問(wèn)量數(shù)據(jù)時(shí)并沒(méi)有通過(guò)模擬軟件進(jìn)行產(chǎn)生，而是聯(lián)系到某直播平臺(tái)獲取到了其一周的平臺(tái)用戶訪問(wèn)量，雖然轉(zhuǎn)碼節(jié)點(diǎn)和單一直播節(jié)目的訪問(wèn)量關(guān)系更大，但是預(yù)測(cè)的原理是一樣的，所以這里本文使用直播平臺(tái)全站的一周 7x24 小時(shí)的訪問(wèn)量來(lái)預(yù)測(cè)接下來(lái)一天的用戶訪問(wèn)量。根據(jù)預(yù)測(cè)的用戶訪問(wèn)量可以提前為其分配合適的轉(zhuǎn)碼節(jié)點(diǎn)某直播平臺(tái)的一周訪問(wèn)量及趨勢(shì)如圖 4.2 所示。

圖 6.1 swarm manager 執(zhí)行結(jié)果執(zhí)行完上述命令并出現(xiàn)如圖標(biāo)識(shí)之后，這個(gè)集群就算已經(jīng)啟動(dòng)起來(lái)，然后就可以在任意節(jié)點(diǎn)上運(yùn)行 Swarm 來(lái)管理集群上的所有節(jié)點(diǎn)。Swarm 在 schedule 節(jié)點(diǎn)上運(yùn)行容器的時(shí)候，會(huì)根據(jù)指定的策略來(lái)計(jì)算最適合運(yùn)行容器的節(jié)點(diǎn)，目前支持的策略有：Spread 策略, Binpack策略和 Random 策略。其中，Random 策略最為簡(jiǎn)單，即隨機(jī)選擇一個(gè)節(jié)點(diǎn)來(lái)運(yùn)行容器， 通常僅僅用于調(diào)試。 而 Spread 和 Binpack 策略更復(fù)雜一點(diǎn)，都會(huì)根據(jù)各個(gè)節(jié)點(diǎn)的可用資源和正在運(yùn)行的容器數(shù)量來(lái)計(jì)算。不同的是，Spread 策略通常選擇現(xiàn)在運(yùn)行容器最少的那臺(tái)節(jié)點(diǎn)，相反的是 Binpack 策略會(huì)選擇容器運(yùn)行最集中的那臺(tái)節(jié)點(diǎn)。Spread 策略可以使容器均衡分布，可以極大的減少由于節(jié)點(diǎn)故障造成的損失。而 Binpack 策略盡量運(yùn)行于一個(gè)節(jié)點(diǎn)上可以為接下來(lái)的應(yīng)用保留空間，同時(shí)也可以減少不必要的節(jié)點(diǎn)啟動(dòng)以降低成本開銷，所以本文中采用此種策略。集群建立起來(lái)之后，本文使用基準(zhǔn)視頻流來(lái)仿真直播視頻流，并利用集群上的 Docker 節(jié)點(diǎn)進(jìn)行第一個(gè)分辨率轉(zhuǎn)碼實(shí)驗(yàn)，本次的實(shí)驗(yàn)視頻主要為 320p，480p，720p 和 1080p四種格式的視頻。在 Swarm 集群中的三臺(tái)物理機(jī)上，每臺(tái)電腦創(chuàng)建 10 個(gè) Docker 節(jié)點(diǎn)，所以

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 王霞俊;;CloudSim云計(jì)算仿真工具研究及應(yīng)用[J];微型電腦應(yīng)用;2013年08期

2 羅軍舟;金嘉暉;宋愛波;東方;;云計(jì)算:體系架構(gòu)與關(guān)鍵技術(shù)[J];通信學(xué)報(bào);2011年07期

3 包盛;段保通;邵鋒軍;;三網(wǎng)融合下基于云計(jì)算的實(shí)時(shí)轉(zhuǎn)碼技術(shù)研究和應(yīng)用[J];電信科學(xué);2011年03期

4 王海蓉;邢衛(wèi);魯東明;;面向移動(dòng)網(wǎng)絡(luò)的實(shí)時(shí)視頻轉(zhuǎn)碼系統(tǒng)[J];計(jì)算機(jī)工程;2009年03期

相關(guān)碩士學(xué)位論文 前3條

1 付雷;基于云計(jì)算平臺(tái)的轉(zhuǎn)碼服務(wù)器的設(shè)計(jì)與實(shí)現(xiàn)[D];中國(guó)科學(xué)院研究生院(沈陽(yáng)計(jì)算技術(shù)研究所);2016年

2 王瑞雪;基于機(jī)器學(xué)習(xí)方法的網(wǎng)絡(luò)流量感知與預(yù)測(cè)研究[D];江南大學(xué);2013年

3 毛莉花;自適應(yīng)轉(zhuǎn)碼技術(shù)在網(wǎng)上直播系統(tǒng)中的研究與應(yīng)用[D];蘇州大學(xué);2009年

本文編號(hào)：2787707