15、多媒体云服务复用与低延迟流传输技术解析

多媒体云服务复用与低延迟流传输技术解析

1. 多媒体云服务中的任务合并

在多媒体云服务中，为了实现资源的高效利用和提供经济环保的服务，可通过合并新的函数调用与系统中其他相同或相似的函数调用来实现。不过，这面临着两个挑战：一是如何高效识别相同和相似功能的任务；二是如何进行合并操作以实现系统的最佳服务质量（QoS）。

为解决第一个挑战，引入了三个级别的相似度来进行合并，并介绍了一种在恒定时间复杂度内检测不同级别相似度的方法。对于第二个挑战，提出了一种方法来确定如何执行合并操作，以使系统中其他任务的截止日期受到的影响最小。

实验评估表明，任务合并可使任务的整体执行时间减少超过 9%，从而缩短云资源的部署时间。同时，用户的 QoS 最高可提高 18%。当系统的超额订阅级别较高时，积极合并任务有助于提高 QoS；而当超额订阅级别较低时，合并任务应考虑对其他任务的影响，以免对 QoS 造成不必要的影响。

以下是自适应任务合并激进程度的相关公式：
[
OSL = \frac{1}{N_a} \sum_{i = 1}^{N_a}
\begin{cases}
0, & W_i \leq 0 \
0, & C_m^i \leq \delta_i \
\frac{C_m^i - \delta_i}{W_i}, & C_m^i > \delta_i
\end{cases}
]

为使任务合并的激进程度自适应，根据系统的超额订阅级别，修改合并操作不会导致系统中其他任务截止日期违规的可接受概率。具体来说，超额订阅级别越高，其他任务满足截止日期的可接受概率应降低，反之亦然。为此，将受合并影响的任务满足截止日期的可接受概率设置为在 [2.3%, 97.7%] 范围内变化，标准差系数 (α) 需在 [-2, 2] 范围内，具体确定方式为：α = 2 - 4·OSL。

2. 多媒体流传输的低延迟解决方案

多媒体流服务提供商和观众都期望多媒体流服务具有低延迟和不间断的特点。目前，减少流媒体延迟的主要方法是依靠内容分发网络（CDN）。

2.1 CDN 工作流程

• 视频点播（VOD） ：内容提供商将 VOD 内容上传到源云服务器，进行转码、打包后存储在云存储中。观众播放视频时，播放器先向 CDN 发送清单请求。若 CDN 中没有该清单，CDN 会向源云服务器请求，获取清单后响应播放器。播放器根据视频清单、当前网络带宽和缓冲区情况选择视频版本，并请求视频内容片段。请求的清单和视频片段会在 CDN 缓存一段时间，以便后续观众快速播放。
• 直播 ：与 VOD 流程类似，但源服务器只缓存更新的清单和最新的几个视频片段。直播需要 RTMP 服务器，直播摄像机将内容推送到 RTMP 服务器，视频转码服务器从 RTMP 服务器拉取流，进行转码和打包。
• WebRTC 视频会议和网络研讨会 ：WebRTC 因亚秒级低延迟成为常用协议。在建立连接前，WebRTC 应用需检查对方是否可达或愿意建立连接，通过信号服务器发送请求并等待回复。为建立网络连接，客户端通常需联系 ICE 服务器绕过防火墙或协议限制。连接建立后，客户端可进行点对点通信。当客户端数量增加时，会面临复杂性和带宽限制，通常会在 WebRTC 对等体之间放置媒体服务器（如 MCU 或 SFU）。当观众数量达到数千或数百万时，可将视频进行转码并使用广播协议（如 DASH、HLS）。

可以用以下 mermaid 流程图表示 CDN 处理流请求的流程：

graph LR
    A[用户请求流] --> B[HTTP 请求到 CDN]
    B --> C[重定向到最近边缘服务器]
    C -->|有指定片段| D[流到用户]
    C -->|无指定片段| E[从存储层获取]
    E --> F[发送到用户]
    E -->|存储层无指定片段| G[向处理云层发送处理请求]
    G --> H[处理内容]
    H --> I[发送到边缘层]
    I --> D

2.2 CDN 的优势与问题

CDN 的原始目标是减少访问网页内容的网络延迟，通过在观众附近的地理分布式服务器上复制内容，可显著减少多媒体内容的传输时间。像 Netflix 这样的大型流媒体提供商使用多个 CDN 提供商和自己的 Open Connect 技术来降低视频流延迟。

云 CDN 作为一种云服务形式，具有成本效益，能为内容提供商提供低延迟服务，用户通常根据带宽消耗和存储成本收费。然而，CDN 也存在一些问题，如高成本、缺乏处理能力和低可扩展性。

以下是一些 CDN 相关研究提出的架构和方法：
| 研究人员 | 提出的架构/方法 | 目的 |
| ---- | ---- | ---- |
| Cranor 等 | PRISM 架构 | 支持 IP 网络上的高质量流媒体内容分发、存储和交付 |
| Wee 等 | 移动流媒体 CDN 架构 | 适应移动性和扩展性要求 |
| Apostolopoulos 等 | 附近边缘服务器和客户端之间的多路径 | 减少延迟并提供高质量流媒体 |
| Benkacem 等 | 提供 CDN 切片的系统 | 通过多个管理云域提供服务 |
| Al - Abbasi 等 | 视频流模型 | 最小化停顿持续时间尾概率（SDTP） |

2.3 对等网络（P2P）

P2P 网络允许对等节点直接共享计算资源，可在短时间内传播数据文件，虽非专为多媒体流设计，但也用于此目的。P2P 流分为基于树和基于网格两种类型。

• 基于树的 P2P 结构 ：通过将数据从一个对等节点发送到其子节点来分发多媒体流。单树流中，每个观众在树的某个级别加入，从上级父节点接收视频内容并转发给下级子节点。多树流中，对等节点与其他近邻节点建立连接，可同时从多个近邻节点下载/上传视频内容，对节点流失具有较强的鲁棒性。
• 基于网格的 P2P 结构 ：对等节点不遵循特定拓扑，根据内容和带宽可用性运行。但存在播放质量下降的问题，如视频比特率低、启动延迟长和频繁播放冻结。

以下是 P2P 相关研究提出的方法和架构：
| 研究人员 | 提出的方法/架构 | 特点 |
| ---- | ---- | ---- |
| Golchi 等 | 改进的粒子群优化（IPSO）算法 | 确定传输数据的合适方式，确保服务质量参数 |
| Ahmed 等 | 多级多覆盖混合对等实时视频系统 | 为在线游戏玩家提供同时流式传输视频的方式，减少传输率 |
| Guo 等 | 基于 P2P 方法的合作视频流架构 | 仅依赖对等节点之间的单播连接 |
| Xu 等 | 基于二叉树策略的 VOD P2P 网络分发方法 | 将视频分成片段从多个对等节点获取 |
| Yiu 等 | VMesh 分布式 P2P VOD 流方法 | 将视频分割成片段存储在对等节点的存储中 |
| Xu 等 | 基于树的用户交互方案 | 支持用户异步请求，保持高弹性 |

3. 对比 CDN 与 P2P 网络在多媒体流传输中的表现

为了更清晰地了解 CDN 和 P2P 网络在多媒体流传输中的优劣，我们从多个维度进行对比分析。

对比维度	CDN	P2P 网络
延迟	通常能有效减少延迟，通过将内容缓存到离用户近的边缘服务器，快速响应请求。但对于首次请求的内容，仍可能存在一定延迟。	基于树的 P2P 结构在数据分散良好时能实现快速流传输，但节点的加入和离开可能影响延迟。基于网格的 P2P 结构可能因节点间连接不稳定导致延迟波动。
成本	成本较高，包括服务器部署、维护以及带宽费用等。用户通常按带宽消耗和存储成本付费。	成本相对较低，主要依赖用户节点的资源共享，无需大规模的服务器部署和维护费用。
可扩展性	可扩展性有限，随着用户数量和内容需求的增加，需要不断增加服务器和带宽资源，成本也会相应增加。	具有较高的可扩展性，随着用户数量的增加，可利用的资源也会增多，能更好地应对大规模的流量。
可靠性	可靠性较高，有专业的服务器和网络架构保障内容的稳定传输。但单点故障可能影响部分用户的访问。	基于树的 P2P 结构对节点流失较为敏感，可能导致部分用户无法获取完整内容。基于网格的 P2P 结构相对更健壮，但在节点连接不稳定时也可能出现问题。
内容处理能力	缺乏处理能力，主要用于内容的存储和分发，难以对内容进行实时处理和转换。	可利用节点的计算资源进行一定的内容处理，但由于节点的异构性，处理能力和质量难以保证。

通过以上对比可以看出，CDN 和 P2P 网络各有优缺点，在实际应用中可以根据具体需求进行选择或结合使用。

4. 未来多媒体流传输的发展趋势

随着技术的不断发展，多媒体流传输领域也在不断演进，未来可能会呈现以下发展趋势：

4.1 融合 CDN 与 P2P 技术

将 CDN 的稳定性和 P2P 网络的低成本、高扩展性相结合，形成混合架构。在这种架构中，CDN 负责提供核心内容和高优先级服务，P2P 网络则用于辅助内容分发和缓解 CDN 的压力。例如，对于热门内容，可以先通过 CDN 进行快速分发，然后利用 P2P 网络进行进一步的传播，以减少 CDN 的带宽消耗和成本。

以下是融合 CDN 与 P2P 技术的工作流程 mermaid 流程图：

graph LR
    A[用户请求内容] --> B[CDN 检查缓存]
    B -->|有缓存| C[CDN 提供内容]
    B -->|无缓存| D[CDN 从源获取内容]
    D --> E[CDN 提供内容并触发 P2P 分发]
    E --> F[P2P 节点共享内容]
    F --> G[其他用户从 P2P 节点获取内容]

4.2 边缘计算与雾计算的应用

边缘计算和雾计算将计算和数据存储靠近用户端，减少数据传输延迟。在多媒体流传输中，可以利用边缘服务器进行内容的预处理、转码和缓存，提高服务的响应速度和质量。例如，在边缘服务器上对视频进行实时转码，以适应不同用户设备的需求，减少用户等待时间。

4.3 人工智能与机器学习的融入

利用人工智能和机器学习技术对用户的行为和需求进行预测和分析，实现个性化的内容推荐和优化的流传输策略。例如，通过分析用户的观看历史和偏好，提前缓存用户可能感兴趣的内容，减少用户等待时间。同时，利用机器学习算法对网络状况进行实时监测和优化，提高流传输的稳定性和质量。

5. 总结

多媒体云服务中的任务合并能够有效提高资源利用率和服务质量，通过自适应的任务合并策略，可以根据系统的超额订阅级别灵活调整合并的激进程度。在多媒体流传输方面，CDN 和 P2P 网络是目前主要的低延迟解决方案，各有优缺点。未来，融合 CDN 与 P2P 技术、应用边缘计算和雾计算以及融入人工智能和机器学习将成为多媒体流传输的发展趋势，为用户提供更优质、高效的多媒体服务。

在实际应用中，需要根据具体的业务场景和需求，综合考虑各种技术的特点和优势，选择合适的解决方案，以实现多媒体云服务和流传输的最佳性能。