Research on Video on Demand Based on P2P Network

A P2P approaches to extend the ability of Video on Demand systems to serve more users. In the proposed system users share with each other the media data obtained and the media server is no longer the only source to get data from, thereby, the load on the media server could be greatly alleviated and the overall system capacity increases and more users could be served. The P2P streaming system introduces efficient searching;data transfer dynamically monitoring and initial buffering to maintain a high quality of playback. Its provider selection policy helps to reduce the load of the underlying network by avoiding remote data transfer.

Moto视频点播边缘缓存算法的设计及在VOD系统中的应用

随着电视数字化的不断发展和推广,河南有线紧随时代步伐,加入到模拟电视数字化的队伍中来,视频点播系统是数字化电视中重要的一环,视频点播边缘缓存算法又是该系统中的重要环节,因此主要介绍了Moto视频点播边缘缓存算法及其在河南有线中的应用。

大规模视频点播磁盘cache替换算法

大规模视频点播（ＬＳＶＯＤ）中ｃａｃｈｅ机制是提高系统效率的有效手段，是支持ＶＯＤ实用化的关键技术之一．由于连续媒体的数据量大，使用周期长等特点，传统的ｃａｃｈｅ替换算法不能直接应用于ＬＳＶＯＤ．文中根据ＶＯＤ的特点开发了两种基于访问频率的替换算法：ＬＦＲＵ（ｌｅａｓｔｆｒｅｑｕｅｎｃｙ ａｎｄ ｒｅｃｅｎｔｌｙ ｕｓｅｄ）和ＰＬＦＵ（ｐｅｒｉｏｄ ｌｅａｓｔｆｒｅ－ｑｕｅｎｃｙ ｕｓｅｄ）算法，它们都试图将访问频率大的视频数据保留在ｃａｃｈｅ中．ＬＦＲＵ 算法结合了数据的访问频率和访问时间信息，对访问模式的变化具有一定的适应性．ＰＬＦＵ 算法用周期法和预测法解决了ＬＦＵ 算法中的ｃａｃｈｅ“污染”问题．实验数据显示，新的替换算法比传统的替换算法效率高，更适合大规模的ＶＯＤ系统．

变码率视频服务器间隔缓存的接纳策略和替换算法

本文提出了ROC(Resist OverloadCapability)缓存接纳策略和替换算法 ,解决了使用间隔缓存变码率视频服务器的缓存管理问题 .确定性缓存接纳策略能提供确定的服务质量 ,却存在不适应交互应用和缓存利用率低的缺点 ;统计复用缓存接纳策略需要海量卷积运算 ,因此缺乏实用性 ;ROC缓存接纳策略通过简单运算 ,提供概率的缓存服务质量保证和较高的缓存利用率 .仿真结果表明 ,在典型系统配置下 ,ROC缓存接纳策略和替换算法可以提高约 2 5 %的系统吞吐量 ;相对确定性缓存接纳策略和STP L缓存替换算法 ,可以多服务约 17%的视频流 ,平均缓存利用率也要高出约 38% .

集群VOD系统中磁盘Cache替换算法研究

根据VOD的特点开发了两种基于访问频率的替换算法:LFRU(least frequency and recently used)和PLFU(period least frequency used)算法，它们都试图将访问频率大的视频数据保留在Cache中。LFRU算法结合了数据的访问频率和访问时间信息，对访问模式的变化具有一定的适应性。PLFU算法用周期法和预测法解决了LFU算法中的Cache“污染”问题。

静态与动态结合的流媒体缓存替换算法研究

为了在基于对等网的流媒体点播系统中高效地利用节点缓存区来提高流媒体服务质量,提出了一种静态与动态结合的缓存替换算法。采用将节点缓存区分为3个区的方法,综合考虑了数据块备份量的均衡性和节点跳播操作的命中率,使得节目数据块在各对等节点间缓存得到全局优化,从而有效提高播放质量。仿真实验结果表明了该算法在启动延迟和服务器负载等方面的优越性。

视频点播环境下的缓存算法研究

在视频点播环境下,用户的视频访问速度的提高是提升用户体验的关键。用户的视频访问速度与服务器响应速度、网络传输等相关,其中服务器对用户请求的响应是主要因素。作为视频点播环境下提高用户访问速度的一种重要手段,缓存技术一直是工业界和学术界关注的焦点。针对LRU、LRU、LRFU、SC等经典算法进行对比分析,并结合在视频点播环境下的模拟数据和某运营商提供的实际数据进行实证研究,观察各算法的实际表现。分析了各算法的应用结果,发掘视频点播环境下缓存算法的选择策略,为提升视频点播系统的缓存命中率提供了理论依据。

面向无线边缘缓存的文件库大小分析

文件库大小对无线边缘缓存的性能具有重要的影响。本文基于Zipf文件流行度模型,分析了文件库大小与用户请求数、流行度参数等因素的渐近关系。研究结果表明,当用户请求数较少时,文件库大小随请求数线性增长,而当请求数较多时,文件库大小随请求数呈负指数增长,这一结论适用于不同的流行度参数。仿真结果验证了所分析结果的准确性,并基于校园网中采集的典型视频网站请求记录验证了分析结果的有效性。在实际系统中,无线边缘节点覆盖范围内的用户请求数通常远小于视频网站的文件总数,因此用户请求的文件库大小随请求数线性增长,而非文献中猜测的亚线性增长,这对提升无线边缘缓存性能带来严峻挑战。

流行度感知的无线视频云边缓存策略研究

移动边缘缓存技术将视频缓存在离用户更近的边缘服务器,从而为用户提供更加便捷的服务。目前的视频缓存方法主要基于整体的视频流行度,忽视了视频流行度在时空上的差异,未能充分利用边缘服务器的广地域分布特性,影响云边环境下视频缓存的效果。针对此问题,笔者提出了基于流行度感知的无线视频云边缓存策略。首先,基于分布式协作的云边架构,考虑视频流行度在时空上的差异性,并结合视频分片及视频片段流行度,以最小化所有用户请求视频的平均时延和最大化用户请求视频的缓存总命中率为目标,建立云边视频缓存模型。其次,针对边缘服务器有限的计算资源和缓存资源,提出一种基于全局价值评估的缓存策略,将某一视频片段满足用户请求的能力表示为缓存价值,同时引入缓存价值惩罚机制,动态完成缓存内容的价值评估,实现视频片段高效缓存。最后,通过仿真实验证明所提出的策略能够显著地降低平均传输时延和回程流量负载,提高缓存资源的命中率。