13、多媒体云服务中函数聚合执行时间节省预测与实现

多媒体云服务中函数聚合执行时间节省预测与实现

1. 执行时间节省预测模型

在系统中，任务合并的情况数量众多，预先生成所有任务类型、所有可能参数值以及所有视频文件的合并节省知识是不可行的，但这一知识对于决定是否进行任务合并至关重要。因此，我们利用基准测试的结果，开发了一个机器学习模型，用于根据任务类型和视频片段的特征，预测任何可合并任务集的合并节省情况。

我们使用从基准测试中获得的 81,327 个数据点来训练该模型。为了训练和验证模型，我们提取了基准视频的元数据和转码配置。以下是训练数据集的一个简短示例：
| Duration (s) | Size (KB) | FR | Width | Height | B | S | R | MPEG - 4 | VP9 | HEVC | Saving |
| — | — | — | — | — | — | — | — | — | — | — | — |
| 2.0 | 876 | 30 | 1280 | 720 | 1 | 0 | 0 | 1 | 0 | 0 | 33.60% |
| 2.0 | 1085 | 30 | 1280 | 720 | 1 | 2 | 1 | 0 | 0 | 0 | 39.17% |
| 2.0 | 1231 | 30 | 1280 | 720 | 1 | 1 | 1 | 0 | 1 | 0 | 20.22% |
| 1.2 | 969 | 30 | 1280 | 720 | 0 | 0 | 1 | 0 | 1 | 0 | 27.89% |
| 2.0 | 864 | 30 | 1280 | 720 | 1 | 3 | 1 | 0 | 0 | 0 | 23.33%