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。

Moto边缘缓存算法在河南有线电视双向系统中的应用

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,加入到模拟电视像数字化队伍里。而视频点播系统是数字化电视中重要的一环,然而视频点播边缘缓存算法又是该系统中的重要环节。因此,本文主要对Moto视频点播边缘缓存算法进行了介绍以及在河南有线中的应用。

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。

P2P网络交互式视频点播服务的性能改进

P2P网络交互式视频点播服务中改善用户体验的关键在于减少跳转延时及提高本地缓存的命中率。本文在vEB树基础上增加了跳转到概率较大片段节点的链接,对LRU和LFU算法进行改进提出了基于价值的缓存替换算法。在NS-2环境下进行了模拟实现,实验数据表明改进后的vEB树结构有效地减少节点的跳转延迟,基于价值的缓存替换算法提高了节点片段的命中率。

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。

一种新的机顶盒缓存控制算法

结合视频点播（ＶＯＤ）系统中的一种存储与传输技术，分析并介绍了一种机顶盒（ＳＴＢ）功能的实现方案，研究了机顶盒视频点播（ＶＯＤ）缓存控制问题并提出了一种控制算法．

客户端缓存容量的分区流切入算法

流切入算法对视频点播研究有重要影响。用流切入算法可以实现真视频点播系统,因此该算法实现的系统的用户满意程度很高,可以有效地降低用户的食言概率。该文提出了一种基于客户端缓存容量的分区流切入算法。通过以客户端缓存容量的大小作为分区依据将原始流分成若干切入区,进一步提高了通道利用率。文章最后进行了模拟实验,结果表明在一定的资源利用情况和视频点播服务器工作负荷下,分区流切入算法比流切入算法在通道利用率上效果更优,算法性能提高将近50%。

基于磁盘存取受限的视频流组播策略

在宽带环境下，系统的网络通信能力很强，为了提高视频点播的并发点播数和实时响应性能，需要解决视频服务器端磁盘存取速度的瓶颈效应。文章提出的视频组播策略采用了自适应缓存算法，它在综合考虑网络通信能力和磁盘存取速度的基础上，优化了系统的整体性能，提高了传统视频点播批处理算法的效率。

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。

VOD系统中基于组播的自适应缓冲策略

提出了一种基于组播的视频点播自适应缓存调度算法,它提高了传统视频点播批处理算法的效率,实时响应用户的点播请求,解除了批处理算法中的时间限制,每当新的点播请求与原点播的节目相同时,新的点播请求并入到原点播视频流进行组播处理,并利用动态缓存以节省视频服务器和网络的资源.同时该算法能够根据系统的限制条件动态调整点播方式,在宽带小区视频点播系统中,视频服务器的磁盘速度常常受限,本算法针对该受限条件对系统进行优化,从而最大程度地提高了点播的成功率.图2,参9.