【摘要】：近年來,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,基于云計算的直播視頻流轉(zhuǎn)碼機制的研究具有很大的實用和學(xué)術(shù)意義。直播流轉(zhuǎn)碼方案相比于點播視頻轉(zhuǎn)碼方案要求更高,不僅需要更低的時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),基于云計算的轉(zhuǎn)碼具有更好的資源利用率、更低的時延和更靈活的方案等優(yōu)勢,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。本文基于以上問題,引入了云計算中具有更多優(yōu)點的Docker技術(shù),對基于Docker云計算的直播視頻流轉(zhuǎn)碼機制、影響轉(zhuǎn)碼節(jié)點部署的用戶訪問量預(yù)測模型和云端轉(zhuǎn)碼中基于QoS的資源調(diào)度策略三個方面進行了研究,主要工作如下:(1)研究基于云計算的直播系統(tǒng)結(jié)構(gòu)設(shè)計及云端轉(zhuǎn)碼模塊。傳統(tǒng)的云端轉(zhuǎn)碼架構(gòu)基本上都是基于VM的處理點播視頻的系統(tǒng),他們會有一個大的存儲模塊用來存儲海量的視頻資源,然后再對視頻流進行分布式分塊轉(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)特點和流分發(fā)技術(shù)的基礎(chǔ)上,借助于傳統(tǒng)的點播云視頻轉(zhuǎn)碼系統(tǒng)并結(jié)合Docker技術(shù)進行改進。系統(tǒng)實現(xiàn)了對直播視頻流的按需轉(zhuǎn)碼,并通過轉(zhuǎn)碼通道的優(yōu)化和復(fù)用機制來減少不必要的轉(zhuǎn)碼開銷和傳輸時延。(2)通過預(yù)測直播平臺的訪問量將會有助于轉(zhuǎn)碼通道的部署,對極少人觀看的直播節(jié)目進行完全多分辨率轉(zhuǎn)碼將會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)測模型的不足之后,引入智能預(yù)測算法,發(fā)現(xiàn)支持向量回歸(SVR)預(yù)測可以很好的匹配訪問量的預(yù)測問題。之后,通過粒子群優(yōu)化算法(PSO)對SVR的參數(shù)選擇進行優(yōu)化,提高了預(yù)測精度,為轉(zhuǎn)碼通道部署提供了理論支持。(3)針對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)測式資源調(diào)度策略。在分析排隊模型對任務(wù)調(diào)度的影響的基礎(chǔ)上,通過對所需求資源的預(yù)測,結(jié)合周期性和補救性資源調(diào)度策略,實現(xiàn)了滿足性能要求的調(diào)度策略。實驗表明,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)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：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)生滿足了這個需求。它將原始視頻分割處理和存儲，并比特率版本。用戶觀看時可以根據(jù)其設(shè)備的性能參數(shù)進行自適應(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)用場景的直播場景就是主播坐在電腦前通過攝像頭和麥克風(fēng)把自己的音視頻信息通過傳輸?shù)骄W(wǎng)絡(luò)上供全球各地的觀眾觀看。此經(jīng)典直播場景包含三個關(guān)鍵點：音視播放和一對多直播[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問題，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 直播中用戶訪問量的預(yù)測研究播產(chǎn)品爆發(fā)式增長的今天，出現(xiàn)了一些研究直播平臺數(shù)據(jù)的網(wǎng)站。為了更真實的展現(xiàn)直播平臺的訪問量特征，本文在收集平臺訪問量數(shù)據(jù)時并沒有通過模擬軟件進行產(chǎn)生，而是聯(lián)系到某直播平臺獲取到了其一周的平臺用戶訪問量，雖然轉(zhuǎn)碼節(jié)點和單一直播節(jié)目的訪問量關(guān)系更大，但是預(yù)測的原理是一樣的，所以這里本文使用直播平臺全站的一周 7x24 小時的訪問量來預(yù)測接下來一天的用戶訪問量。根據(jù)預(yù)測的用戶訪問量可以提前為其分配合適的轉(zhuǎn)碼節(jié)點某直播平臺的一周訪問量及趨勢如圖 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)識之后，這個集群就算已經(jīng)啟動起來，然后就可以在任意節(jié)點上運行 Swarm 來管理集群上的所有節(jié)點。Swarm 在 schedule 節(jié)點上運行容器的時候，會根據(jù)指定的策略來計算最適合運行容器的節(jié)點，目前支持的策略有：Spread 策略, Binpack策略和 Random 策略。其中，Random 策略最為簡單，即隨機選擇一個節(jié)點來運行容器， 通常僅僅用于調(diào)試。 而 Spread 和 Binpack 策略更復(fù)雜一點，都會根據(jù)各個節(jié)點的可用資源和正在運行的容器數(shù)量來計算。不同的是，Spread 策略通常選擇現(xiàn)在運行容器最少的那臺節(jié)點，相反的是 Binpack 策略會選擇容器運行最集中的那臺節(jié)點。Spread 策略可以使容器均衡分布，可以極大的減少由于節(jié)點故障造成的損失。而 Binpack 策略盡量運行于一個節(jié)點上可以為接下來的應(yīng)用保留空間，同時也可以減少不必要的節(jié)點啟動以降低成本開銷，所以本文中采用此種策略。集群建立起來之后，本文使用基準視頻流來仿真直播視頻流，并利用集群上的 Docker 節(jié)點進行第一個分辨率轉(zhuǎn)碼實驗，本次的實驗視頻主要為 320p，480p，720p 和 1080p四種格式的視頻。在 Swarm 集群中的三臺物理機上，每臺電腦創(chuàng)建 10 個 Docker 節(jié)點，所以

【參考文獻】

相關(guān)期刊論文 前4條

1 王霞俊;;CloudSim云計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;;云計算:體系架構(gòu)與關(guān)鍵技術(shù)[J];通信學(xué)報;2011年07期

3 包盛;段保通;邵鋒軍;;三網(wǎng)融合下基于云計算的實時轉(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;;面向移動網(wǎng)絡(luò)的實時視頻轉(zhuǎn)碼系統(tǒng)[J];計算機工程;2009年03期

相關(guān)碩士學(xué)位論文 前3條

1 付雷;基于云計算平臺的轉(zhuǎn)碼服務(wù)器的設(shè)計與實現(xiàn)[D];中國科學(xué)院研究生院(沈陽計算技術(shù)研究所);2016年

2 王瑞雪;基于機器學(xué)習(xí)方法的網(wǎng)絡(luò)流量感知與預(yù)測研究[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：2787707