Flexible-Segmentation-Jumping策略来减少对视频点播用户预期的延迟

文摘

传统上,人们通常看视频从一开始,一直到最后;这是改变了视频点播(VOD)的概念和应用。用户不希望等待很长一段时间当他们寻求一些具体内容视频;他们想立刻观看视频中任何部分根据他们的需求。为了解决这一挑战,在本文中,我们提出一个Flexible-Segmentation-Jumping策略(FSJS)。这个计划考虑用户的随机访问行为,尤其是涉及初始延迟之前选择的观察点。通过考虑这些行为,灵活选择跳点,我们的方案可以大大减少用户等待时间,在大多数情况下可以减少等待时间为零。我们的模拟实现提出FSJS计划统一的分割和指数分割算法来展示FSJS可以提高用户的感知延迟和减少额外的平均服务时间。仿真结果表明,FSJS可以显著改进用户预期的延迟。

1。介绍

如今,视频点播(VOD)服务已经成功地应用于许多应用程序;其独特的优点已被大多数人接受和企业。基于文本的内容系统相比,通常是大型流媒体视频点播系统,这意味着它自然需要更大的磁盘空间。在视频点播系统中,初始延迟已经成为其最重要的一个方面的服务质量(QoS)。使用多个服务器来存储媒体文件不能解决大初始延迟问题当有许多客户在同一时间看视频点播;此外,这种方法不能有效降低用户预期的延迟。

图1显示了VOD系统的一般体系结构。视频点播服务器连接彼此,不再孤立相比与传统的视频点播形式;他们都连接到一个共享磁盘阵列,用于存储所有媒体的对象。这样的架构至少有两个优点。首先,流媒体对象存储磁盘阵列,而不是单独的服务器,因此,所有服务器的磁盘空间可以共享存储更多的媒体文件。其次,由于服务器连接彼此,我们可以应用一些调度策略来改善系统的性能。例如,我们可以使用负载平衡策略调度和管理服务器资源或其他一些有用的策略,以减少用户的启动延迟(初始延迟)。在本文中,我们专注于用户的等待时间和如何减少用户的感知延迟。

传统上,基于航段缓存(1- - - - - -4)是一个好的方案来解决如何达到尽可能多的部分在一个预定义的缓存空间。它包括uniform-segmentation策略、exponential-segmentation策略1),自适应和懒惰的细分策略2- - - - - -4];他们每个人都有自己的优势在VOD系统。Uniform-segmentation很容易使用,它考虑了最近使用的文件。Exponential-segmentation方案担忧它们缓存最近使用过和一段一个文件的大小。适应性和懒惰细分考虑很多因素,其中最突出的因素是平均访问时间。所有这些算法有效改善Byte-Hit-Ratio (BHR)和减少网络带宽。

然而,由于算法首先介绍了旨在提高BHR,他们几乎没有贡献在改善响应时间要求媒体对象。他们的目标是减少服务器负载,而不是用户预期的延迟(启动延迟)。如果我们减少用户预期的延迟,直接对应于用户的感知使用视频点播系统时,用户满意度将高度增加。因此,迫在眉睫的是我们设计一个新的缓存方案专注于减少用户启动延迟。另一个问题是,介绍的算法首先假定用户总是播放媒体文件从一开始,不断接近尾声时,也就是说,用户不跳向前或向后或进行其他操作用于磁带录像机(VCR)操作。对于视频点播系统,这种假设显然并不在实践和用户将进行随机存取操作。因此,我们的缓存方案设计应该考虑到随机存取。

在本文中,我们提出一个Flexible-Segmentation-Jumping-Strategy (FSJS)。这一战略注重初始延迟和用户的随机访问行为。通过把BaseSegment和灵活选择跳点,FSJS充分考虑用户操作行为的因素在视频点播系统中,大大减少用户的平均等待时间,,在大多数情况下,完全消除等待时间。

为了研究FSJS的性能,在我们的仿真研究中,我们把FSJS用以下两种基本策略,目前广泛应用于视频点播系统:均匀分割方案和指数分割方案。然后,我们将演示如何使用我们的方案灵活选择跳点来获得最佳的性能。仿真结果充分证实FSJS有着良好的性能在提高用户预期的延迟和用户的满意度。

剩下的纸是组织如下。相关工作提出了部分2、缓存方案设计提出了部分3,部分4提出了模拟和绩效评估。我们将作出结论部分5。

为了减少用户平均等待时间,提高服务质量,研究者已经提出了很多新颖的策略,如部分缓存,代理更新算法,预取技术,和媒体交付技术。部分缓存(1- - - - - -4),上面已经介绍了,可以减少服务器和客户端之间的数据流量。但其重点是改善BHR,因此,它没有什么好处在改善用户预期的延迟。

代理广泛应用于网页浏览和视频服务,减少客户等待时间。文献[5,6)提出了代理缓存更新算法来动态管理代理的缓存以提高流媒体的服务质量和启动延迟。文献[7)描述了一个视频分段技术是有用的保持恒定码率流代理和服务器之间。

参考文献(8- - - - - -10]研究了多媒体对象的预取。文献[8]提出了一种主动预取方法利用部分获取数据来提高网络带宽的利用率。在[9),预取是应用于预加载一定的数据为了利用缓存能力。layered-encoded对象,10]研究了预取缓存的分层视频不保持预取缓存流的窗口。

媒体交付技术包括批处理(11- - - - - -13)流合并(14),使用多播(15,16和修补17]。Tokekar et al。11]提供了一个模型来分析提出了批处理策略针对不同用户违约行为和提出了批处理间隔最大化的最优值的平均数量的用户服务,同时减少违约概率。文献[12)被认为是finite-buffer批到来和批处理服务队列与单个和多个假期。文献[13]分析了离散时间排队两相系统,接收第一批服务队列和个人服务在第二队列。它分析了队列长度和等待时间批量大小的影响。然而,它是不容易决定配料间隔和大小。文献[14讨论三个主要流合并技术:修补,修补过渡,ERMT。它也提出了两种实现MCF (MCF-T和MCF-P),并显示MCF达到显著方面的性能优势的请求数量,可以同时服务和服务的平均等待时间。文献[15解决相关的优化问题,提出了一个混合传输方案来解决信道分配问题。这个方案确定最合适的交货技术为每个视频和消耗数量的渠道分配使用动态规划方法的视频。(16评估和发展中多播视频点播系统,讨论了最近的进展和研究QoS,公平的多播视频点播服务器,和自定义行为。但很难对实际应用开发多播视频点播的标准协议。的修补,17)提出了PeriodPatch FIFO流只使用38%或50%的修补计划提供相同的TVOD服务。

3所示。缓存方案设计

3.1。基本设计思想

自媒体文件中使用视频点播系统是非常大的,它是不切实际的缓存中的所有流媒体缓存空间有限。因此,它是一个好主意使用部分缓存方案。首先,我们把媒体文件分成段。每一段称为BaseSegment和大小。为了减少初始延迟和保证BHR相对较高,当用户第一次请求一个新媒体文件,我们的策略将缓存第一BaseSegment无条件如果有足够的缓存空间大小来缓存这段。

第二,除了第一个BaseSegment,我们剩下的BaseSegments划分为两个部分:前缀和后缀。由于缓存空间是有限的,我们的缓存方案只会缓存每段如图的前缀2。

相同的缓存能力,这种策略让我们缓存更多的片段,片段的总数和相同数量的媒体文件的片段。相同数量的媒体文件的部分影响用户预期的延迟。然而,由于视频点播服务允许用户随机跳向前或向后,这些行动仍将导致用户等待一段时间。用户没有耐心仍然可以放弃看这样的电影。应对这一挑战,我们以以下方式修改我们的方案:如果用户在前缀已缓存的一部分,用户可以看到的内容,没有等待,其他后缀部分不在缓存中,我们没有立即告诉服务器向用户发送帧;另外,我们灵活地选择跳点,像图3。

如果一个用户在立即,他或她可以看电影;如果用户的请求,我们的方案会让请求跳或(哪一个点的长度是由),同时请求远程服务器下载没有后缀部分。往返时间延迟,当用户在前缀部分仍然手表,后缀部分不断转发到客户端,导致用户侧的不间断播出。如果我们限制的大小或,这个小跳不会打扰用户太多,和用户不会观察的区别。然而,跳跃策略带给我们的好处几乎没有时间等待一个用户,当用户跳向前或向后看具体内容。

相比与传统的缓存,如均匀分割,指数分割,或自适应和懒惰分割方案,等等,FSJS最引人注目的羽毛躺在细分战略和跳跃。一是在传统的缓存,BaseSegment基本单元,但在FSJS,把BaseSegment前缀和后缀,基本单位小,最终有益于我们更好的缓存策略。另一个原因是,传统缓存初始延迟非常高;然而,FSJS使用跳跃策略可以让用户获得等待时间在大多数情况下几乎为零。服务器负载的增加(通过增加视频点播用户的数量),FSJS的优势越来越明显,随着越来越多的用户将被拉到同一段缓存,这肯定会增加BHR,减少服务器的负载。

如果用户的跳跃点,系统将只有前面的前缀缓存部分没有后续前缀缓存部分。在这种情况下,请求将拉点。然而,如果的长度大到足以影响用户的正常观看,如何应对这种情况应该讨论和大小。

FSJS可以减少用户的等待时间;然而,在某些情况下,它可能导致远程服务器引入一个额外的服务时间。在图3,如果用户的请求,并假设它跳跃在我们的计划用户可以立即看到视频,但他或她需要额外的时间来下载视频的大小从远程服务器,当到达第一个请求,这无疑将增加服务器负载和影响服务器性能。

3.2。分析模型

考虑到视频点播系统的基本结构如图1,它由异构服务器和磁盘阵列。让一组表示服务器,每个服务器的能力用作缓冲区缓存一些大众媒体部分。磁盘阵列的存储,它有足够的空间来缓存视频媒体。所有流媒体存储在磁盘阵列中,而不是在服务器上。每台服务器缓存不同的媒体文件,每个媒体文件。对于每个媒体对象,它的缓存状态表示为1,意味着缓存媒体对象,0表示对象没有缓存。因此,为了最大BHR和空间利用率,应作为缓存方案

当一个客户机请求视频媒体,从客户端到服务器的请求来标示、媒体文件的检索时间服务器来标示,媒体的交通从服务器端来标示。假设服务器和客户端之间的网络延迟如网络拥堵,会影响用户的等待时间。在这种情况下,每个客户的等待时间播放视频时可以定义如下:

很明显,从客户端到服务器端的请求需要小得多的时间相比,检索和数据传输时间从服务器到客户端。因此,在我们的计算可以被忽视。简单,在我们的模拟,认为网络延迟。我们可以制定计划的目标

在图2假设BaseSegment的大小和前缀大小;因此,比例的前缀,表示PerPrefix,等于,。PerPrefix的价值,影响BHR或其他表演,将通过我们的仿真实验研究。

假设我们定义,,。如果跳点前面的前缀和子序列前缀部分,小于或等于一半的BaseSegment还是超过一半的BaseSegment,在我们的战略,我们将让请求跳转到,反之亦然。如果只有前面的前缀,喜欢,当小于或等于BaseSegment,我们认为它不会干扰用户太多,然后跳转到。但是,当大于BaseSegment,用户可能会注意到的差异,所以它不应该跳,但呆在。跳点,可以定义如下:

从上面,如果用户的游戏,,通过选择合适的跳跃点,,用户可以获得最好的满意度。只有在帧之前,用户需要等待从服务器发送到客户机。

在基本设计如图3,额外的下载大小是需要研究的一个重要因素。在本文中,我们使用额外的平均服务时间(东)描述为下载额外的等待时间。东只发生在系统选择前面的点的当前请求点,并选择下一个点或站仍然不会发挥。因此,在每一个媒体文件,可以简单地计算在哪里代表了服务器和客户端之间的平均传输速率。意味着把请求来。

3.3。仿真策略

因为FSJS只是一个segment-divide策略,它没有效用函数。新媒体领域必须添加和段的流行也改变随着时间的推移,这意味着,缓存段应定期更新,我们需要驱逐段的最小值。为了简单地显示FSJS的优点并找出哪些缓存方案最小的东,我们只使用FSJS更新统一的分割和指数分割算法。

3.3.1。FSJS更新均匀分割

我们首先缓存BaseSegment媒体文件时首先要求,增加只有一个前缀部分为下一个请求。然后,我们使用LRU(最近最少使用)替换来决定哪些部分应该赶出缓存。有两个驱逐策略假设我们已经发现的媒体文件最小的实用价值。(1)如果最小的实用价值的媒体文件中有一些前缀缓存,我们只驱逐掉最后一个前缀部分;否则,我们将BaseSegment。(2)我们都下降段的选择媒体缓存,包括所有和BaseSegment前缀部分。第一个策略调用UniSeg (FSJS)和第二个UniSeg (FSJS) - d。

3.3.2。FSJS更新指数分割

同样的,我们可以形成驱逐策略称为ExpSeg (FSJS)和ExpSeg (FSJS) - d使用FSJS更新指数分割。指数分割方案仍然使用自己的效用函数(2),(是当前时间,最后一次访问媒体片段,段的数目),所不同的是,前缀将增加双每次当被请求的媒体文件。现在,FSJS更新的形式基本高速缓存方案讨论,但我们不知道BaseSegment前缀的比值。

4所示。仿真和性能评估

4.1。寻找最佳的比例BaseSegment前缀

模拟使用10天的VOD日志捕捉从我们大学的校园网视频点播服务器。日志记录所有用户的VCR操作的细节。服务器ip 202.38.64.88,媒体文件的数量是7424。考虑每个VCR操作跳看作一个独立的游戏,玩的总数是279765,总的媒体大小是2,572,949,855,454 b,和平均流量大小是169,175,372 b,文件流行可以画在图的关系4。

在图4,它显示了当前的比例大小媒体总规模和总流电流大小的比例大小,我们可以看到从图,几乎第一个1300媒体文件的帐户总数的20%媒体大小,但持有总额的78%流量大小,因此单个请求的流行从一个“80/20”的法律。

作为前缀的百分比BaseSegment BHR和服务器的附加服务时间有很大的影响,我们需要找到最好的前缀/ BaseSegment比例。在我们的模拟中,我们假设BaseSegment = 2 MB,缓存大小= 30 GB,Mbps。我们的目标是,在相同的缓存容量缓存尽可能多的媒体文件片段,因此PerPrefix应不大于50%。与此同时,因为一个小比例意味着低BHR,我们定义PerPrefix应大于10%。BHR PerPrefix约的关系,如图5当使用FSJS更新统一的分割。

(一)

(b)

在图5,BHR增加的价值,当我们增加PerPrefix的价值。这就是我们想要的,因为更高的BHR意味着更低的服务器负载。但与此同时,东方也增加,这并不是我们想要的,因为它会带来一个额外的服务时间。接下来,以同样的方式像UniSeg (FSJS) - d数字6显示仿真结果在使用FSJS更新指数分割。

(一)

(b)

图6表明ExpSeg (FSJS) - d也有类似的表现像UniSeg (FSJS) - d。当PerPrefix的价值增加,BHR和东部上升,但在每个PerPrefix以不同的速度。为了找到最好的操作设置,这意味着在这种PerPrefix, BHR并不低,东方也不高,但他们的结合有最好的满意度在VOD系统。因此,我们必须在BHR妥协和东部BaseSegment找到最佳比例的前缀。使用下面的方程作为一个标准的标准: 在满意度的比例来,是一个常数,作为控制因素可以轻微调整系统以达到预期的结果,和大于决定了不同情况的视频点播系统。如果设计师更关心的是服务器负载,他或她可以选择比;如果设计师更关心用户等待时间,应该选择不到。在我们的模拟中,我们认为BHR和东都重要;因此,我们选择和,图7仿真结果显示BHR /东。

随着前缀的比例增加,UniSeg (FSJS) - d和ExpSeg (FSJS) - d有不同的BHR /东,BHR /东的更高的价值,用户会更满意。因此,在图7,更容易找到最佳UniSeg (FSJS) - d PerPrefix = 15%,和ExpSeg (FSJS) - d的最佳点是PerPrefix = 35%。

4.2。比较在额外的平均服务时间

现在,我们找到了最佳比例的前缀BaseSegment,接下来我们用PerPrefix = 15% UniSeg (FSJS)和UniSeg (FSJS) - d比较统一的分割和PerPrefix ExpSeg = 35% (FSJS)和ExpSeg (FSJS) - d与指数分割在东,分别。仿真结果如图8和9。

图8展示了如何使用FSJS更新均匀分割影响东部。东部的增加缓存大小,减少。但额外的服务时间几乎停止下降在820 ms使用统一的分割策略和缓存大小大于20 GB。使用FSJS,它继续减少东扩展的缓存大小。原因是,当应用FSJS,相同的缓存空间,系统可以缓存更多的前缀部分,减少了东通过选择向前或向后跳点以一种更有效的方法。同时,当缓存的大小小于或等于20 GB, UniSeg (FSJS)具有优越的性能比UniSeg (FSJS) - d,在其他条件下,UniSeg (FSJS) - d表现出更好的性能。由于使用UniSeg (FSJS)和UniSeg (FSJS) - d,他们的研究结果在东是微小的区别。然而,当缓存空间已满,UniSeg (FSJS)只清除最小的效用函数前缀部分,这需要更多的迭代时,有足够的空间来下新BaseSegment缓存。UniSeg (FSJS) - d,都滴最小的效用功能段,只需要一个驱逐能释放足够的空间,因此,UniSeg (FSJS)取代部分- d可以节省更多的时间。

图9显示了性能的东在使用FSJS更新指数分割。ExpSeg (FSJS)比ExpSeg (FSJS) - d,至少节省180 ms平均在东。最糟糕的性能指数分割,需要近220多名女士平均在东ExpSeg (FSJS) - d和400 ms ExpSeg (FSJS)。ExpSeg (FSJS) - d是优于ExpSeg (FSJS)取代的时刻,ExpSeg (FSJS) - d相比需要更少的时间来取代部分ExpSeg (FSJS)。然而,在指数分割方案,它就清除每次段之前的两倍。通过这种方式,它可以迅速释放足够的空间来缓存新的细分市场。所以ExpSeg之间的差异(FSJS) - d和ExpSeg (FSJS)小于UniSeg之间的区别(FSJS) - d和UniSeg (FSJS)的驱逐。因此,在我们的模拟,ExpSeg (FSJS)比ExpSeg (FSJS) - d。

UniSeg (FSJS) - d (PerPrefeix = 15%)是最好的缓存方案在使用FSJS更新均匀分割,和ExpSeg (FSJS) (PerPrefix = 35%)是最好的缓存方案应用FSJS时指数分割。如图10,更容易看到ExpSeg (FSJS)优于UniSeg (FSJS) - d在东方,特别是缓存大小很小,它几乎节省了200 ms在东当缓存大小是5 GB。缓存大小增加到30 GB, UniSeg (FSJS) - d几乎停在180 ms,但ExpSeg (FSJS)仍然可以减少,几乎减少到120 ms在东当缓存大小达到50 GB。到目前为止,我们已经发现,最好的缓存方案使用FSJS ExpSeg (FSJS)和PerPrefix是35%。在这样的条件下,我们可以达到最小的额外的平均服务时间。

5。结论

在本文中,我们使用传统的缓存策略,分析当前的退出问题,提出一种Flexible-Segmentation-Jumping-Strategy (FSJS)。我们使用FSJS更新统一的分割和指数分割。基于初始延迟,服务器负载,用户随机访问行为的因素,我们开发了四种不同的策略称为UniSeg (FSJS) UniSeg (FSJS) - d和ExpSeg (FSJS) ExpSeg (FSJS) - d。我们还发现前缀/ BaseSegment的最佳点。我们比较了四种提出策略,发现FSJS不仅可以减少用户的等待时间为零在大多数情况下,还可以减少服务器的额外的服务时间。在四个策略,ExpSeg (FSJS)可以实现最佳的性能。我们计划使用ExpSeg (FSJS)在我们的未来真正的VOD项目。我们的模拟结果表明,FSJS可以显著降低用户预期的延迟。

承认

本文是由中国国家高技术研究发展计划(2008 aa01a317),安徽大学和学院省级科研项目(没有。KJ2008A106),中央大学(没有基础研究基金。WK2100100006)。

引用

K.-L。吴、p s . Yu和j·l·沃尔夫,“基于段的代理缓存的多媒体流,”第十届国际研讨会论文集万维网(WWW的01)页,36-44 ACM,香港,2001年。视图:谷歌学术搜索
陈,b . o .沈,s .凌晨和x张“适应性和懒惰分割为基础的流媒体代理缓存的交付,”学报13 ACM国际研讨会在网络和操作系统支持数字音频和视频(NOSSDAV ' 03)美国,页22-31,加州蒙特利,2003年6月。视图:谷歌学术搜索
陈,b . o .沈,s .凌晨和x张,“基于航段流媒体代理:建模和优化,“IEEE多媒体,8卷,不。2、243 - 256年,2006页。视图:出版商的网站|谷歌学术搜索
陈,沈,s .凌晨,x张”调查性能的见解基于航段的流媒体代理缓存策略,”ACM /学报学报》会议多媒体计算机和网络卷,5305年,页148 - 165,圣何塞,加州,美国2004年1月。视图:出版商的网站|谷歌学术搜索
m·霍夫曼t . s . n .尤金·k .郭美国保罗,和h·张,“流媒体在互联网上多媒体缓存技术,”技术。众议员bl011345 - 990409 - 04 - tm,贝尔实验室,任职,新泽西,美国,1999年。视图:谷歌学术搜索
郭e . Bommaiah k、m·霍夫曼和美国保罗,”缓存系统的设计和实现流媒体在互联网上,”《IEEE实时技术及应用研讨会(RTAS ' 00)美国,华盛顿特区,2000年6月。视图:谷歌学术搜索
张y, z l . i d·h·c·杜·d·苏,“Network-conscious方法的端到端视频交付使用代理服务器在广域网络,”学报》第17届IEEE计算机通讯大会上(信息通信的98)1998年4月,页660 - 667。视图:谷歌学术搜索
荣格、d·李和k .分“主动网络与累积大型多媒体数据预取缓存,”第九届国际万维网会议学报》(WWW ' 00)阿姆斯特丹,荷兰,2000年5月。视图:谷歌学术搜索
汗j . i和q道,“复合超媒体,部分预取快冲浪”第三届USENIX学报》研讨会上互联网技术和系统2001年3月,旧金山,加州,美国。视图:谷歌学术搜索
r . Rejaie h . Yu, m·汉德里和d·埃斯特林”多媒体质量自适应流媒体代理缓存机制应用在互联网,”学报第19届IEEE计算机和通信的社会联合会议(INFOCOM ' 00),页980 - 989,特拉维夫,以色列,2000年3月。视图:谷歌学术搜索
诉Tokekar、a . k . Ramani和s . Tokekar”批处理分析政策在视频点播系统中,针对用户食言”学报IEEE印度的国际会议委员会(INDICON 05)钦奈,页399 - 403年,印度,2005年12月。视图:出版商的网站|谷歌学术搜索
k . Sikdar美国c·古普塔,“批量到达批量服务与有限缓冲区队列服务器的假期,“计算机和数学与应用程序卷,56号11日,第2873 - 2861页,2008年。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
萨哈和a . s .阿尔法”选择批量大小在离散时间排队两相系统中,“数学和计算机模拟卷,47号11 - 12,1246 - 1253年,2008页。视图:出版商的网站|谷歌学术搜索
n·j·萨汉和b . Qudah,“有效的基于成本的可伸缩的流媒体调度,”多媒体计算机和网络卷,6504学报学报美国加州圣何塞,2007年1月,C5040。视图:出版商的网站|谷歌学术搜索
Azad s a和m . Manzur”,一个高效的传输方案减少用户等待时间在视频点播系统中,“IEEE通信信,11卷,不。3、285 - 287年,2007页。视图:出版商的网站|谷歌学术搜索
h·马和k . g . Shin“多播视频点播服务,”ACM SIGCOMM计算机通信评审,32卷,不。1,31-43,2002页。视图:谷歌学术搜索
z, y z中,s .问:杨”PeriodPatch:一个有效的视频点播流时间表,”互联网多媒体管理系统卷,4210学报学报,页341 - 347,波士顿,质量,美国,2000年。视图:谷歌学术搜索