基于深度强化学习的流媒体边缘云会话调度策略

在流媒体边缘云资源调度中,传统启发式方法或规划方法多数存在自适应性不足、时间复杂度高等问题。基于迁移代价、负载均衡等约束,提出一种流媒体边缘云会话调度策略。以流媒体边缘云系统的状态信息作为属性特征,结合深度学习与确定性策略进行梯度强化学习,以解决用户请求接入问题。实验结果表明,该策略具有较好的请求接入效果,且能够降低迁移代价,同时缩短了运行时间。

基于软件定义网络的分层路径规划策略

基于软件定义网络的流媒体边缘云需要有效的路径规划策略,传统规划策略多数仅考虑网络负载和拓扑信息,在执行效率和优化效果上存在不足。为此,提出一种动态分层的路径规划策略。利用不同用户区域服务请求的相对独立性,通过对物理网络资源的虚拟划分将原问题分治为多个子问题,并在求解过程中综合考虑服务现状和视频流行度信息以对网络资源进行分配。实验结果表明,该策略能有效避免网络拥塞,提升系统服务质量,并保持较低的服务代价。

跨域流媒体边缘云资源调整策略

随着云计算技术的成熟,跨域边缘云模式下的流媒体服务正逐渐兴起。但流媒体相关的用户请求随时间波动较大,边缘云需要动态调整需租赁的云资源来同时保证用户服务质量和资源利用率。文中提出的云资源调整策略综合考虑了跨域流媒体边缘云的资源消耗模型、相关用户服务质量指标的量化以及跨域转发用户请求对系统服务的影响,通过系统资源调整阶段和子云资源调整阶段策略的合理协调,在保证用户服务质量的同时节约了系统总体云资源的租赁代价,同时仿真结果表明文中策略能够取得上述优化效果。

基于OpenFlow的跨域流媒体边缘云联合优化策略

随着云计算技术的成熟,跨域边缘云模式下的流媒体服务正逐渐兴起。但流媒体边缘云的服务能力有限,需要通过合理的云资源调度,保证能够在用户请求波动的情况下提供高质量的流媒体服务。同时,由于各个区域用户请求分布和边缘云服务状态存在差异,需要通过用户请求的跨域转发避免局部拥塞和频繁的影片重部署,从而保证整体服务质量。另外,用户请求到达率随时间波动较大,为避免云资源的闲置和保证请求高峰时的服务质量,需要动态调整需租赁的云资源。因此,本文提出了子云内部资源调度,跨域用户请求分配以及总体云资源动态调整相协作的跨域流媒体边缘云联合优化策略。仿真结果表明本文策略能够保证用户服务质量,同时动态调整云资源租赁方案适应用户请求的变化。