16、雾交付网络（FDN）与内容交付网络（CDN）对比

雾交付网络（FDN）与内容交付网络（CDN）对比

在多媒体流传输领域，为了实现低延迟和高质量的内容交付，不同的网络架构和技术不断涌现。本文将深入探讨雾交付网络（FDN）与内容交付网络（CDN）的特点，并详细介绍联邦雾交付网络（F - FDN）的相关内容。

1. P2P、CDN与混合系统

P2P（对等网络）具有低成本和可扩展性的优势，但存在服务质量（QoS）不稳定的问题。为了结合CDN和P2P的优点，研究人员开发了多种混合系统用于内容流传输。例如，Afergan等人提出利用CDN构建CDN - P2P流传输的方法，动态确定P2P服务副本的数量和位置；Xu等人提出了由CDN和P2P流传输组成的方案，在不影响视频质量的前提下降低了CDN成本。

2. CDN的局限性

多媒体流提供商通常使用CDN将部分多媒体内容缓存到靠近观众的边缘位置，以降低与从中心云服务器访问相比的延迟。然而，随着流媒体提供商的存储库规模不断增大且快速增长，在CDN上缓存大量内容变得不可行。此外，由于需要维护同一内容的多个版本以支持不同的服务（如不同的显示设备和网络条件），CDN的缓存效率较低。因此，按需处理多媒体内容（如按需转码）的机制逐渐成为常见做法。但CDN主要用于缓存，无法进行按需视频处理，这导致频繁从中央云服务器直接拉取内容，增加了流传输延迟，降低了观众的QoS，特别是在偏远地区。

3. 雾交付网络（FDN）和联邦雾交付网络（F - FDN）的引入

为了克服CDN的局限性，引入了雾交付网络（FDN），它利用雾系统的计算能力在边缘层进行多媒体内容的按需处理。更重要的是，联邦雾交付网络（F - FDN）应运而生，它由多个FDN组成，可以交换多媒体内容（片段），并协同将多媒体内容流式传输给观众。F - FDN特别适用于偏远地区的低延迟流传输。

使用F - FDN，多媒体流提供商只需在边缘（雾）中缓存多媒体内容的基本版本，并按需处理它们以匹配观众设备的特性。此外，F - FDN可以实现多媒体流的位置感知缓存，即只在特定区域预处理和缓存该区域流行的多媒体流。由于FDN的资源有限，通常只对多媒体内容的热门部分进行预处理，其余部分按需处理。为了减轻FDN的按需处理负载，可以利用F - FDN的分布式特性重用相邻FDN上的预处理多媒体内容，从而使多媒体内容的不同部分可以从多个源（即FDN）流式传输，提高观众的体验质量（QoE）。

4. 联邦雾交付网络（F - FDN）概述

F - FDN的目标是为观众提供尽可能高的QoE，而不受其地理位置的影响。与其他多媒体流系统相比，F - FDN的一个显著特点是能够逐段评估如何流式传输多媒体内容。在CDN中，只要与观众保持连接，整个内容总是从同一个CDN服务器流式传输。

F - FDN由多个相互连接的对等FDN和一个中央云服务器组成。每个FDN缓存特定区域热门多媒体内容的预处理片段，因此每个FDN都有针对本地观众优化的不同预处理内容。当收到流传输请求时，观众连接到最接近的FDN。在内容流传输过程中，会逐段决定如何将图像组（GOP）交付给观众，以最大程度地提高满足片段截止日期的可能性。

一个视频片段可以通过以下三种方式流式传输给观众：
1. FDN本地缓存 ：观众附近的FDN在其缓存中已经有请求的视频片段，并将该片段流式传输给观众。
2. 按需处理 ：本地FDN根据请求的特性处理缺失（即未缓存）的片段，然后将它们流式传输给观众。
3. 相邻FDN的缓存 ：缺失的片段存在于相邻FDN的缓存中，该片段被传输到本地FDN，然后流式传输给观众。

F - FDN主要由中央云和分布式FDN网络两个主要组件组成。以下是中央云和FDN的详细组成部分：

中央云 ：
中央云具有几乎无限的存储和处理能力，是所有流传输请求的初始接收点，也是系统中所有FDN的管理中心。它由四个主要组件组成：
- 摄入处理器 ：处理观众发出的所有传入流请求，确定最接近观众的FDN以启动流传输过程。所选的FDN决定了每个片段如何流式传输给观众。
- 元数据管理器 ：跟踪FDN中包含的所有缓存片段，还跟踪其他元数据，如文件大小和相邻FDN之间的网络延迟。这些元数据有助于确定如何将内容流式传输给观众。
- 雾监视器 ：通过向FDN发送心跳信号来跟踪其可用性，并评估FDN之间的网络延迟，然后将这些信息传达给元数据管理器以保持信息的最新状态。
- 视频存储库 ：包含所有多媒体内容的存储库，这些内容已预先处理为多个版本。FDN上的任何缓存内容都源自此。如果本地FDN中缺少一个或多个片段，可以从中央云的多媒体存储库中获取这些片段。

Fog Delivery Network (FDN) ：
每个FDN由六个组件组成：
- 请求处理器 ：接收来自中央云的流传输请求，并将它们放入请求队列。
- 片段成本估算器 ：决定流请求中的每个片段应以最小的延迟（即最大的满足片段截止日期的可能性）发送给观众。对于给定的片段，确定是从本地FDN的缓存中流式传输、由本地FDN按需处理，还是从相邻FDN的缓存中检索并由本地FDN流式传输。
- 相邻FDN元数据 ：包含其他FDN上所有缓存片段的信息以及访问它们的网络延迟。该组件还维护访问中央云的延迟信息。
- 按需处理引擎 ：负责流的按需处理。该引擎使用多个工作虚拟机（VM），使FDN能够根据观众设备的特性处理传入的片段。
- 缓存视频片段 ：FDN会预处理并缓存特定区域热门的多媒体片段。对于给定的流传输请求，如果其某些片段在本地缓存中，它们将带来最小的网络延迟，并为观众带来更高的QoE。
- 视频合并器和输出窗口 ：将多媒体流的片段按正确顺序排列，然后流式传输给观众。

以下是F - FDN架构的主要组件关系图：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px

    A(中央云):::process --> B(摄入处理器):::process
    A --> C(元数据管理器):::process
    A --> D(雾监视器):::process
    A --> E(视频存储库):::process

    F(FDN 1):::process --> G(请求处理器):::process
    F --> H(片段成本估算器):::process
    F --> I(相邻FDN元数据):::process
    F --> J(按需处理引擎):::process
    F --> K(缓存视频片段):::process
    F --> L(视频合并器和输出窗口):::process

    M(FDN 2):::process --> N(请求处理器):::process
    M --> O(片段成本估算器):::process
    M --> P(相邻FDN元数据):::process
    M --> Q(按需处理引擎):::process
    M --> R(缓存视频片段):::process
    M --> S(视频合并器和输出窗口):::process

    D -.-> F
    D -.-> M
    C -.-> F
    C -.-> M
    E -.-> F
    E -.-> M
    F <--> M

5. F - FDN的高效运行

F - FDN的分布式特性为流式传输单个视频片段提供了多种选择。为了最大程度地减少多媒体片段错过呈现截止日期的可能性，应从施加最小流传输延迟的源流式传输，从而提供最大的满足片段截止日期的概率。流传输延迟受两个主要因素影响：片段处理时间和网络上的片段传输时间，且这两个因素都具有随机性。

网络延迟 ：
对于给定的片段i，其在两点之间传输的延迟概率分布可以根据片段大小（表示为si）和两点之间单位时间内可以传输的数据量（即网络吞吐量）获得。先前的研究表明，传输片段i的延迟概率分布遵循正态分布（表示为Nτi）。这两点可以是两个FDN之间，也可以是FDN和观众之间。

鲁棒性和低延迟多媒体交付 ：
片段i的鲁棒性（表示为ri）正式定义为片段i在其截止日期δi之前或之时交付给观众设备的概率。每个片段可以通过以下三种方式之一检索：
1. 从FDN的本地缓存 ：交付片段i的鲁棒性可以从本地FDN j和观众设备v之间的片段延迟概率分布获得。概率分布计算公式为：
[NC_i(\mu_i, \sigma_i) = N_{\tau_i}(\mu_{jv}, \sigma_{jv})]
2. 在本地FDN中按需处理 ：延迟不仅受FDN j和观众设备v之间的片段延迟概率分布影响，还受FDN j中处理片段的时间影响。设NEi(μij, σij)为在FDN j上完成片段i处理的概率分布，NTi(μjv, σjv)为从本地FDN j向观众设备v交付片段i的延迟正态分布。则交付片段i给观众的概率分布通过卷积两个分布计算：
[NC_i(\mu_i, \sigma_i) = N_{E_i}(\mu_{ij}, \sigma_{ij}) * N_{\tau_i}(\mu_{jv}, \sigma_{jv})]
3. 从相邻FDN的缓存 ：延迟受从相邻FDN k检索片段到本地FDN j的延迟分布（表示为NTi(μkj, σkj)）和FDN j与观众设备v之间的片段延迟分布（表示为Nτi(μjv, σjv)）影响。交付片段i的概率分布通过卷积这两个概率分布计算：
[NC_i(\mu_i, \sigma_i) = N_{\tau_i}(\mu_{kj}, \sigma_{kj}) * N_{\tau_i}(\mu_{jv}, \sigma_{jv})]

一旦获得最终分布NCi(μi, σi)，可以根据截止日期δi使用以下公式测量片段i的鲁棒性：
[r_i = P(X \leq \delta_i)]

片段成本估算器的算法利用视频流中每个片段的鲁棒性来确定如何获取该片段，以确保观众获得高质量且不间断的视频流体验。算法步骤如下：
1. 检查片段i是否存在于FDN j的本地缓存中，以流式传输给观众。
2. 如果本地不存在，则从元数据管理器中检索包含片段i的所有相邻FDN的列表，并计算它们各自的鲁棒性值。
3. 计算按需处理片段i的鲁棒性，并与具有最高鲁棒性的包含片段i的相邻FDN进行比较。
4. 选择具有最高鲁棒性的选项来提供片段i。

6. 不同的流传输交付方法

为了评估F - FDN平台的性能，实现了多种流传输交付方法，其特点如下表所示：
| 方法 | 边缘缓存 | 联邦特性 | 按需处理 | 鲁棒性考虑 |
| — | — | — | — | — |
| 中央云 | 否 | 否 | 否 | 否 |
| CDN | 是 | 否 | 否 | 否 |
| 联邦CDN（F - CDN） | 是 | 是 | 否 | 是 |
| 孤立FDN（I - FDN） | 是 | 否 | 是 | 是 |
| 确定性F - FDN | 是 | 是 | 是 | 否 |
| 鲁棒F - FDN | 是 | 是 | 是 | 是 |

• 中央云 ：只考虑中央云，所有视频内容都在主视频存储库中。每个视频片段都直接从云流式传输，不考虑地理分布的FDN或CDN来降低流传输延迟。
• CDN ：模拟的CDN由中央云和CDN服务器组成，CDN服务器缓存75%的请求视频。CDN位于靠近观众的位置，因此从CDN流式传输的任何片段与中央云相比延迟更低。CDN服务器不进行任何计算，缓存整个视频而不是部分内容。如果CDN中未找到某个片段，则从中央云流式传输。
• 联邦CDN（F - CDN） ：包括中央云和CDN服务器，与CDN的关键区别是部分片段缓存。在F - CDN中，可以只缓存流的几个片段，而不是整个多媒体内容。由于其联邦特性，片段可以从本地CDN、相邻CDN或中央云流式传输。该方法利用鲁棒性定义，从提供满足片段截止日期最高概率的CDN流式传输给定片段。
• 孤立FDN（I - FDN） ：包括中央云和单个FDN。在这个系统中，FDN节点除了缓存外，还进行片段的按需处理。但它不考虑从相邻FDN检索片段，片段仅从FDN的缓存、按需处理或中央云流式传输。每个片段的流传输决策基于本地FDN和中央云之间的比较。
• 确定性F - FDN ：虽然具有边缘缓存、联邦特性和按需处理能力，但不考虑鲁棒性因素。
• 鲁棒F - FDN ：基于前面介绍的理论运行，考虑了边缘缓存、联邦特性、按需处理和鲁棒性，旨在实现高质量的多媒体流传输。

综上所述，F - FDN通过结合雾计算的优势和分布式架构，为多媒体流传输提供了一种有效的解决方案，特别是在低延迟和高QoE方面具有显著优势。不同的流传输交付方法可以根据具体需求和场景进行选择和优化。

雾交付网络（FDN）与内容交付网络（CDN）对比

7. 各流传输交付方法的详细分析

7.1 中央云

中央云作为一种基础的流传输方式，其特点是所有视频内容都集中存储在主视频存储库中。在这种模式下，每个视频片段都直接从云进行流式传输，没有利用地理分布的FDN或CDN来降低延迟。

• 优点 ：集中管理方便，所有内容的存储和维护都在一个地方，便于统一更新和管理。
• 缺点 ：由于缺乏边缘缓存和分布式处理，对于距离中央云较远的观众，流传输延迟会显著增加，导致观众的QoE大幅下降。特别是在偏远地区，这种延迟问题会更加严重。

7.2 CDN

CDN在流媒体行业中非常流行。模拟的CDN由中央云和CDN服务器组成，CDN服务器通常会缓存75%的请求视频。

• 优点 ：CDN服务器靠近观众，能够显著降低流传输延迟。与中央云相比，从CDN流式传输的片段可以更快地到达观众设备，提高了观看体验。
• 缺点 ：CDN服务器不进行任何计算，只能缓存整个视频，不能根据观众的具体需求进行按需处理。而且随着流媒体内容的不断增长，在CDN上缓存大量内容变得越来越困难，缓存效率也会降低。

7.3 联邦CDN（F - CDN）

F - CDN是在CDN的基础上引入了联邦特性，允许部分片段缓存。

• 优点 ：可以只缓存流的几个片段，而不是整个多媒体内容，提高了缓存的灵活性。同时，由于其联邦特性，片段可以从本地CDN、相邻CDN或中央云流式传输，增加了内容获取的途径。此外，该方法考虑了鲁棒性，能够从提供满足片段截止日期最高概率的CDN流式传输给定片段，提高了流传输的可靠性。
• 缺点 ：不具备按需处理能力，无法根据观众设备的特性实时处理内容，对于一些特殊需求的观众，可能无法提供最佳的观看体验。

7.4 孤立FDN（I - FDN）

I - FDN包括中央云和单个FDN，FDN节点除了缓存外，还能进行片段的按需处理。

• 优点 ：能够根据观众设备的特性进行按需处理，提供更个性化的服务。同时，考虑了鲁棒性，在一定程度上保证了流传输的质量。
• 缺点 ：不考虑从相邻FDN检索片段，资源利用不够充分。当本地FDN的资源有限时，可能无法满足观众的需求，导致流传输中断或质量下降。

7.5 确定性F - FDN

确定性F - FDN具有边缘缓存、联邦特性和按需处理能力，但不考虑鲁棒性因素。

• 优点 ：具备多种先进的特性，能够在一定程度上实现低延迟和高效的流传输。
• 缺点 ：由于不考虑鲁棒性，在面对网络波动等不确定因素时，可能无法保证片段按时交付，导致观众的QoE受到影响。

7.6 鲁棒F - FDN

鲁棒F - FDN基于前面介绍的理论运行，综合考虑了边缘缓存、联邦特性、按需处理和鲁棒性。

• 优点 ：能够根据不同的情况选择最佳的流传输方式，最大程度地满足片段的截止日期，保证了高质量且不间断的视频流体验。特别是在偏远地区或网络条件不稳定的情况下，鲁棒F - FDN的优势更加明显。
• 缺点 ：实现复杂度相对较高，需要更复杂的算法和系统架构来支持。

8. 鲁棒F - FDN的优势体现

鲁棒F - FDN在多个方面展现出了明显的优势，以下通过一个具体的流程图来展示其工作流程：

graph TD
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px

    A(观众请求):::process --> B(中央云摄入处理器):::process
    B --> C{选择最接近FDN}:::process
    C -->|是| D(FDN请求处理器):::process
    D --> E{片段是否在本地缓存}:::process
    E -->|是| F(从本地缓存流式传输):::process
    E -->|否| G(元数据管理器查找相邻FDN):::process
    G --> H(计算相邻FDN鲁棒性):::process
    I(计算按需处理鲁棒性):::process
    H --> J{比较鲁棒性}:::process
    I --> J
    J -->|选择最高鲁棒性| K(获取片段并流式传输):::process
    K --> L(视频合并器和输出窗口):::process
    L --> M(观众观看):::process

从这个流程图可以看出，鲁棒F - FDN在接收到观众请求后，会通过中央云的摄入处理器选择最接近的FDN。然后，FDN会根据片段的缓存情况和鲁棒性计算，选择最佳的流传输方式，确保片段能够按时交付给观众。

9. 不同方法的性能对比

为了更直观地比较不同流传输交付方法的性能，我们可以从延迟、QoE和资源利用率三个方面进行分析：

方法	延迟	QoE	资源利用率
中央云	高	低	低
CDN	中	中	中
联邦CDN（F - CDN）	中	中	高
孤立FDN（I - FDN）	中	中	中
确定性F - FDN	中	中	高
鲁棒F - FDN	低	高	高

从这个表格可以看出，鲁棒F - FDN在延迟、QoE和资源利用率三个方面都表现出色。它能够在保证低延迟的同时，提供高质量的观看体验，并且充分利用了系统资源。

10. 总结与展望

在多媒体流传输领域，不同的流传输交付方法各有优缺点。中央云虽然管理方便，但延迟高；CDN能够降低延迟，但缺乏按需处理能力；而鲁棒F - FDN综合了多种优势，成为了一种理想的解决方案。

未来，随着多媒体内容的不断增长和观众对观看体验要求的不断提高，鲁棒F - FDN有望得到更广泛的应用。同时，还可以进一步研究如何优化鲁棒F - FDN的算法和系统架构，提高其性能和可靠性。例如，可以探索更高效的鲁棒性计算方法，或者引入人工智能技术来实现更智能的流传输决策。

总之，鲁棒F - FDN为多媒体流传输提供了一种创新的解决方案，能够满足不同观众的需求，为未来的流媒体发展奠定了坚实的基础。