基于云计算的直播流按需转码机制研究
发布时间：2020-08-10 06:31
【摘要】：近年来,随着云媒体技术的不断发展成熟和视频直播业务的火热流行,基于云计算的直播视频流转码机制的研究具有很大的实用和学术意义。直播流转码方案相比于点播视频转码方案要求更高,不仅需要更低的时延也需要更高的服务质量(QoS)。相比于传统的CDN和P2P视频流转码技术,基于云计算的转码具有更好的资源利用率、更低的时延和更灵活的方案等优势,但现有的直播云转码方案仍然存在一些不必要的开销。本文基于以上问题,引入了云计算中具有更多优点的Docker技术,对基于Docker云计算的直播视频流转码机制、影响转码节点部署的用户访问量预测模型和云端转码中基于QoS的资源调度策略三个方面进行了研究,主要工作如下:(1)研究基于云计算的直播系统结构设计及云端转码模块。传统的云端转码架构基本上都是基于VM的处理点播视频的系统,他们会有一个大的存储模块用来存储海量的视频资源,然后再对视频流进行分布式分块转码。但是在直播环境下,视频流只能随着时间的推移慢慢产生并不存在大块的视频流可供处理。因此,本文在基于直播技术特点和流分发技术的基础上,借助于传统的点播云视频转码系统并结合Docker技术进行改进。系统实现了对直播视频流的按需转码,并通过转码通道的优化和复用机制来减少不必要的转码开销和传输时延。(2)通过预测直播平台的访问量将会有助于转码通道的部署,对极少人观看的直播节目进行完全多分辨率转码将会造成云资源租赁成本的提高和资源利用率的下降。因此,本文在分析传统预测模型的不足之后,引入智能预测算法,发现支持向量回归(SVR)预测可以很好的匹配访问量的预测问题。之后,通过粒子群优化算法(PSO)对SVR的参数选择进行优化,提高了预测精度,为转码通道部署提供了理论支持。(3)针对直播中如何既满足丢包率低又不增加额外的成本开销的需求,提出了基于QoS感知的预测式资源调度策略。在分析排队模型对任务调度的影响的基础上,通过对所需求资源的预测,结合周期性和补救性资源调度策略,实现了满足性能要求的调度策略。实验表明,所提方法,在不额外增加成本开销的基础上,降低了丢包率,保障了网络性能。
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN919.8
【图文】：
较大、看视频习惯兴趣爱好各不相同、所持有的观看终端性能参数也不尽相同是不同等等。为了根据用户的需求进行匹配相应的视频内容，基于 HTTP 的 D适应流媒体）技术的产生满足了这个需求。它将原始视频分割处理和存储，并比特率版本。用户观看时可以根据其设备的性能参数进行自适应的选择视频并播术并不适用于直播系统中。频云直播应用场景的直播场景就是主播坐在电脑前通过摄像头和麦克风把自己的音视频信息通过传输到网络上供全球各地的观众观看。此经典直播场景包含三个关键点：音视播放和一对多直播[32]。在人人都是直播源的情况下，传统的直播服务处理方法巨大的转码和网络带宽需求，只有云端处理才能解决这个问题，全球直播视频意图如图 2.1 所示，可以看出传输与转码的工作量是十分巨大的。
南京邮电大学硕士研究生学位论文 第四章 直播中用户访问量的预测研究播产品爆发式增长的今天，出现了一些研究直播平台数据的网站。为了更真实的展现直播平台的访问量特征，本文在收集平台访问量数据时并没有通过模拟软件进行产生，而是联系到某直播平台获取到了其一周的平台用户访问量，虽然转码节点和单一直播节目的访问量关系更大，但是预测的原理是一样的，所以这里本文使用直播平台全站的一周 7x24 小时的访问量来预测接下来一天的用户访问量。根据预测的用户访问量可以提前为其分配合适的转码节点某直播平台的一周访问量及趋势如图 4.2 所示。
图 6.1 swarm manager 执行结果执行完上述命令并出现如图标识之后，这个集群就算已经启动起来，然后就可以在任意节点上运行 Swarm 来管理集群上的所有节点。Swarm 在 schedule 节点上运行容器的时候，会根据指定的策略来计算最适合运行容器的节点，目前支持的策略有：Spread 策略, Binpack策略和 Random 策略。其中，Random 策略最为简单，即随机选择一个节点来运行容器， 通常仅仅用于调试。 而 Spread 和 Binpack 策略更复杂一点，都会根据各个节点的可用资源和正在运行的容器数量来计算。不同的是，Spread 策略通常选择现在运行容器最少的那台节点，相反的是 Binpack 策略会选择容器运行最集中的那台节点。Spread 策略可以使容器均衡分布，可以极大的减少由于节点故障造成的损失。而 Binpack 策略尽量运行于一个节点上可以为接下来的应用保留空间，同时也可以减少不必要的节点启动以降低成本开销，所以本文中采用此种策略。集群建立起来之后，本文使用基准视频流来仿真直播视频流，并利用集群上的 Docker 节点进行第一个分辨率转码实验，本次的实验视频主要为 320p，480p，720p 和 1080p四种格式的视频。在 Swarm 集群中的三台物理机上，每台电脑创建 10 个 Docker 节点，所以
本文编号：2787707
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN919.8
【图文】：
较大、看视频习惯兴趣爱好各不相同、所持有的观看终端性能参数也不尽相同是不同等等。为了根据用户的需求进行匹配相应的视频内容，基于 HTTP 的 D适应流媒体）技术的产生满足了这个需求。它将原始视频分割处理和存储，并比特率版本。用户观看时可以根据其设备的性能参数进行自适应的选择视频并播术并不适用于直播系统中。频云直播应用场景的直播场景就是主播坐在电脑前通过摄像头和麦克风把自己的音视频信息通过传输到网络上供全球各地的观众观看。此经典直播场景包含三个关键点：音视播放和一对多直播[32]。在人人都是直播源的情况下，传统的直播服务处理方法巨大的转码和网络带宽需求，只有云端处理才能解决这个问题，全球直播视频意图如图 2.1 所示，可以看出传输与转码的工作量是十分巨大的。
南京邮电大学硕士研究生学位论文 第四章 直播中用户访问量的预测研究播产品爆发式增长的今天，出现了一些研究直播平台数据的网站。为了更真实的展现直播平台的访问量特征，本文在收集平台访问量数据时并没有通过模拟软件进行产生，而是联系到某直播平台获取到了其一周的平台用户访问量，虽然转码节点和单一直播节目的访问量关系更大，但是预测的原理是一样的，所以这里本文使用直播平台全站的一周 7x24 小时的访问量来预测接下来一天的用户访问量。根据预测的用户访问量可以提前为其分配合适的转码节点某直播平台的一周访问量及趋势如图 4.2 所示。
图 6.1 swarm manager 执行结果执行完上述命令并出现如图标识之后，这个集群就算已经启动起来，然后就可以在任意节点上运行 Swarm 来管理集群上的所有节点。Swarm 在 schedule 节点上运行容器的时候，会根据指定的策略来计算最适合运行容器的节点，目前支持的策略有：Spread 策略, Binpack策略和 Random 策略。其中，Random 策略最为简单，即随机选择一个节点来运行容器， 通常仅仅用于调试。 而 Spread 和 Binpack 策略更复杂一点，都会根据各个节点的可用资源和正在运行的容器数量来计算。不同的是，Spread 策略通常选择现在运行容器最少的那台节点，相反的是 Binpack 策略会选择容器运行最集中的那台节点。Spread 策略可以使容器均衡分布，可以极大的减少由于节点故障造成的损失。而 Binpack 策略尽量运行于一个节点上可以为接下来的应用保留空间，同时也可以减少不必要的节点启动以降低成本开销，所以本文中采用此种策略。集群建立起来之后，本文使用基准视频流来仿真直播视频流，并利用集群上的 Docker 节点进行第一个分辨率转码实验，本次的实验视频主要为 320p，480p，720p 和 1080p四种格式的视频。在 Swarm 集群中的三台物理机上，每台电脑创建 10 个 Docker 节点，所以
【参考文献】
相关期刊论文 前4条
1 王霞俊;;CloudSim云计算仿真工具研究及应用[J];微型电脑应用;2013年08期
2 罗军舟;金嘉晖;宋爱波;东方;;云计算:体系架构与关键技术[J];通信学报;2011年07期
3 包盛;段保通;邵锋军;;三网融合下基于云计算的实时转码技术研究和应用[J];电信科学;2011年03期
4 王海蓉;邢卫;鲁东明;;面向移动网络的实时视频转码系统[J];计算机工程;2009年03期
相关硕士学位论文 前3条
1 付雷;基于云计算平台的转码服务器的设计与实现[D];中国科学院研究生院(沈阳计算技术研究所);2016年
2 王瑞雪;基于机器学习方法的网络流量感知与预测研究[D];江南大学;2013年
3 毛莉花;自适应转码技术在网上直播系统中的研究与应用[D];苏州大学;2009年
本文编号：2787707
本文链接：https://www.wllwen.com/kejilunwen/wltx/2787707.html
