目前,云平臺根據(jù)服務(wù)提供商和用戶之間簽訂的服務(wù)水平協(xié)議(SLA)為用戶提供付費服務(wù),云平臺提供商為了提供高質(zhì)量的服務(wù)引入體驗質(zhì)量(QoE)指標,該指標包含用戶關(guān)于服務(wù)質(zhì)量(QoS)和用戶需求的反饋信息。但有些貪婪的用戶為了獲取超出SLA以外的服務(wù),故意提供錯誤的反饋信息,影響到QoE收集的準確性,因此,云平臺提供商必須監(jiān)控QoE指標,并根據(jù)該指標提供更好的服務(wù)。目前,已有研究者對云平臺QoE的監(jiān)測開展了大量研究工作,構(gòu)建測量框架對用戶的QoE進行有效監(jiān)測與分析,但是還缺少綜合的QoE測量與分析框架,以及從多層次、多粒度、宏觀與微觀結(jié)合的測量體系研究。為此,本文以為用戶提供更好的QoS為目標。首先,提出基于代理的云平臺體驗質(zhì)量監(jiān)控框架(QoC),該框架從云端、傳輸網(wǎng)絡(luò)與服務(wù)交互的客戶端等多層次進行QoE相關(guān)技術(shù)參數(shù)測量,區(qū)分正面和負面的QoE,能夠根據(jù)用戶需求監(jiān)控和管理云服務(wù)中的QoE,實現(xiàn)QoE預(yù)測和管理;然后,從用戶角度測量不同終端設(shè)備在訪問云服務(wù)時,RAM和虛擬內(nèi)存等存儲參數(shù)對QoE的影響,以及測量終端用戶與云平臺間網(wǎng)絡(luò)距離以及不同視頻、圖像編碼與壓縮機制對QoE的影響;最后,根據(jù)QoE測量結(jié)果給出云平臺管理建議。本文的詳細研究工作如下:(1)鑒于前人提出的云平臺QoE測量框架存在缺少因SLA違規(guī)而產(chǎn)生無效數(shù)據(jù)而無法修復和更新的功能,以及缺乏監(jiān)視外部網(wǎng)絡(luò)和客戶端設(shè)備資源的性能,本文提出面向云平臺的QoC框架來監(jiān)控使用圖像、視頻流多媒體服務(wù)云用戶的QoE,該框架提供在線運行策略更新,從內(nèi)部自動監(jiān)控云端到用戶端的測量數(shù)據(jù),結(jié)合用戶提交的主觀QoE與基于代理的測量框架測量的客觀QoE數(shù)據(jù),進行分析和管理,向云管理者或用戶發(fā)送告警信息。因此,該QoC框架具有對客戶端設(shè)備、應(yīng)用服務(wù)等進行實時測量監(jiān)控的功能,并實現(xiàn)在線更新服務(wù)。(2)為了進一步提升QoC框架對QoE測量的準確性,QoC框架采用多層次的體系結(jié)構(gòu),包括服務(wù)器端、代理端、緩存層。其中,代理端采用基于反向代理技術(shù)來構(gòu)建具有負載均衡的服務(wù)器集群,保障多點測量時訪問的時效性。該集群包含的緩存加速層,可減少后端數(shù)據(jù)庫的負載。另外,構(gòu)建流媒體數(shù)據(jù)庫服務(wù)器集群層,該層應(yīng)用主從同步機制,形成數(shù)據(jù)存儲層,實現(xiàn)數(shù)據(jù)庫讀寫分離和數(shù)據(jù)冗余。同時,提出一種適應(yīng)視頻文件大小的緩存替換算法,解決終端訪問云流媒體服務(wù)時的性能瓶頸問題。因此,服務(wù)器端分層體系結(jié)構(gòu)提高了整個系統(tǒng)的性能和穩(wěn)定性,并具有高度的可擴展性,為將來擴展系統(tǒng)業(yè)務(wù)邏輯和增加用戶量奠定了堅實的基礎(chǔ)。(3)為了測量終端用戶與云平臺間網(wǎng)絡(luò)距離對QoE的影響,本文測量了來自不同網(wǎng)絡(luò)距離的云媒體視頻的QoE。首先,測量3G/4G網(wǎng)絡(luò)分別收集來自多個位置的云平臺的性能指標。然后,基于不同云服務(wù)商、具有不同的編解碼機制、比特率和分辨率的視頻,進行主觀QoE測量。結(jié)果表明,網(wǎng)絡(luò)距離的遠近直接影響到QoE水平。其次,測量用戶的不同終端設(shè)備訪問云服務(wù)時,RAM和虛擬內(nèi)存等存儲參數(shù)對用戶體驗產(chǎn)生的影響。結(jié)果表明,用戶設(shè)備的閑置資源使用情況直接影響到云端在線流媒體播放效果,并用戶的對訪問速度和內(nèi)容加載等方面影響較大。(4)為了評價在云平臺中影響用戶體驗質(zhì)量的因素,本文對社交云平臺上圖像/視頻服務(wù)的QoE指標進行測量,并使用以節(jié)省存儲和降低網(wǎng)絡(luò)流為目的的壓縮視頻來提高服務(wù)的QoS。通過對影響因素進行分析,視頻壓縮降低了在線播放的質(zhì)量,并影響下載之后的視頻參數(shù),從而降低了用戶的QoE。為了進一步測量使用視頻壓縮后流媒體服務(wù)的QoE,通過上傳、共享和播放社交云上不同的視頻進行QoE指標評價。在上傳圖像期間,社交云平臺會通過自動壓縮原始圖像來節(jié)省存儲空間從而加速網(wǎng)頁內(nèi)容下載速度,但卻降低了用戶體QoE指標。通過實驗測量不同云服務(wù)提供商圖片壓縮方法與視頻流在不同分辨率下對用戶體驗質(zhì)量的影響,給出客觀評價,得出Tumblr、Twitter云端在線播放視頻流質(zhì)量較差,不能滿足用戶需求。
【學位單位】：哈爾濱工業(yè)大學
【學位級別】：博士
【學位年份】：2019
【中圖分類】：F274;TP393.09;TP391.41
【文章目錄】：
摘要
Abstract
List of Abbreviations and Glossary
Chapter1 Introduction
    1.1 Problem Statement
    1.2 Motivation
    1.3 Aims and Objectives
    1.4 Contribution of the thesis
    1.5 Outline of Thesis
Chapter2 Background of QoE Framework for Multimedia in Cloud Computing
    2.1 Introduction
    2.2 Multimedia Quality Measurement
        2.2.1 Subjective Multimedia Quality Measurement
        2.2.2 Objective Multimedia Quality Measurement
    2.3 Quality of Experience Frameworks for Multimedia Services
        2.3.1 Quality of Service（QoS）
        2.3.2 Quality of Experience（QoE）
    2.4 Cloud Computing
        2.4.1 Overview of the Cloud Infrastructure
        2.4.2 Software as a Service（SaaS）
        2.4.3 Platform as a Service（PaaS）
        2.4.4 Infrastructure as a service（IaaS）
    2.5 Summary
Chapter3 Qo C: Monitoring and Managing Quality of Experience （Qo E） Framework for Cloud Computing
    3.1 Introduction
    3.2 Related Works
    3.3 Comparison of Qo E Framework with Qo C
    3.4 Qo C framework Requirements
    3.5 Design and Implementation of Qo C
    3.6 Formal Description of Qo E Classic Architecture
    3.7 Formal Description of Qo C Framework
    3.8 Modeling and Analyzing Qo C Framework Overheads in Cloud environments
    3.9 Mobile Application Experiments Based on Qo C
    3.10 Summary
Chapter4 QoC Framework Implementation and Testing
    4.1 Introduction
    4.2 Problem Statement
    4.3 Cloud Video Server Description
        4.3.1 Web server
        4.3.2 Database server
        4.3.3 Content server
    4.4 Related works
    4.5 Hierarchical Design of the Server
        4.5.1 Front-end access layer
        4.5.2 Cache layer
        4.5.3 Data storage layer
    4.6 Implementation of Front-end access layer
    4.7 Implementation of the cache layer
        4.7.1 Acceleration Policy for Cache Layer
        4.7.2 Caching Substitution Algorithm for Content Caching Layer
    4.8 Implementation of Data Storage Layer
    4.9 The Realization of Business Logic
    4.10 System Performance Testing
        4.10.1 Front End Access Layer Performance Test
        4.10.2 Cache Layer Performance Test
        4.10.3 Data Layer Performance Testing
        4.10.4 Cache Replacement Algorithm Test
    4.11 Summary
Chapter5 Monitoring Effect of Cloud Distance and Impact of Storage on End User’s QoE
    5.1 Introduction
    5.2 Problem Statement
    5.3 Related Works
    5.4 QoE Assessment from End User-side Measurement
        5.4.1 QoE Assessment of Cloud Distance
        5.4.2 QoE Assessment Design of Storage
    5.5 QoE Evaluation Experiments Using Different Devices
        5.5.1 QoE Experiment with HTC
        5.5.2 QoE experiment with Samsung
    5.6 Performance Experiments Results Analysis and Discussion
    5.7 Summary
Chapter6 QoE Monitoring and Assessment of Video and Image Quality in Social Clouds
    6.1 Introduction
    6.2 Related Works
    6.3 QoE Assessment Design of Video Quality
        6.3.1 ACR Experiment Methodology
        6.3.2 Selection of videos
    6.4 QoE Assessment Experiments on Video Quality
        6.4.1 Comparison of Cloud Compressed Videos Parameters
        6.4.2 Evaluation of Mean Opinion Score
    6.5 QoE Assessment Experiments on Image Quality
        6.5.1 Samples Description and Comparison Experiments
        6.5.2 Evaluation of User Ratings
    6.6 Summary
Conclusion
Future work
Author’s Contribution
References
List of Publications
Under Review Papers
Acknowledgements
Resume


本文編號：2861605