14、流媒体服务服务器容量评估：方法、实验与预测模型

流媒体服务服务器容量评估：方法、实验与预测模型

1. 数据收集与实验准备

当确定了给定纯工作负载集合的服务器容量后，我们会收集低于该容量的纯工作负载的测量数据。仅使用纯工作负载校准数据，能将所需的实验次数降至最低，服务器管理员无需重新创建服务器运行的所有不同工作负载组合。

由于我们主要关注识别服务器饱和状态，以及预测在额外工作负载下从不饱和到饱和状态的转变，因此测量数据收集范围设定在饱和度为 70% 至 100% 之间。针对每个纯工作负载，我们分别在 70%、75%、80%、85%、90%、95% 和 100% 的饱和负载下，进行了 20 分钟的测量。

在测量期间，我们收集服务器端的资源使用统计数据，以及客户端的加载/探测统计数据。每个实验期间的服务器性能指标，是通过 Linux 内核收集并在 /proc 文件系统下报告的统计数据获取的。

2. 实验设置

实验在三组不同的机器上进行：
- 待校准或测试的流媒体服务器机器。
- 最多四台直播源机器。
- 最多六台客户端机器。

服务器机器是一台配备 1GB 内存的双 1.4GHz 奔腾 III PC，运行 SuSE 8.2（内核版本 2.4.20）。其他机器具备足够的计算和 I/O 能力，以确保不会影响实验结果。所有机器都连接到交换式千兆网络，并进行了隔离，以避免不受控制的网络干扰。实验使用的流媒体服务器软件套件为 Darwin Streaming Server v4.1.3 和 Helix Universal Server v9.0.3.916。

为避免性能波动，在直播和视频点播（VoD）测试中，我们使用了同一素材的多个