一、分布预取式VOD系统的设计与实现(论文文献综述)
王小东[1](2020)在《面向新型流媒体的网络资源分配和传输调度研究》文中进行了进一步梳理近年来,随着人们更加注重参与式生活方式,以众包视频直播和360°全景视频为代表的新型流媒体快速发展。与传统视频服务相比,这两类新型流媒体具有交互活动丰富,画面质量高,转码需求大等特点,在高效服务资源分配和高质量网络传输方面面临更严峻的挑战。然而,以往众包视频直播研究缺乏对观看者弹幕互动基本特征的分析,仍采用基于流行度的资源分配方式,无法满足差异化观看需求。现有360°视频工作采用视点自适应传输技术,缺乏对视点预测误差的时空分布特征及其与视频块预取之间联系的深入研究,造成带宽利用率低,无法保证观看体验。本文以解决新型流媒体网络传输效率低下和资源分配不合理问题为目标,从理解用户观看视频时的交互行为出发,优化实时直播场景下的视频转码和分发策略以及虚拟现实场景下的360°视频传输调度。本文主要工作及创新点包括:(1)研究新型流媒体特有交互行为分析与建模这一关键问题。新型流媒体允许用户在浏览视频时进行各种互动活动,如众包视频直播中的礼物赠送和评论发表,以及360°视频播放时视点方向的自由选择。准确的用户行为模型对于提升流媒体服务质量至关重要,为此,本文基于主动测量数据和公开数据集开展系统性的特征分析和统计建模工作。一方面,揭示众包直播进程中观众赠送礼物和发表评论的行为特征,重点刻画观众消费模式、交互活动强度以及直播频道流行度,选取经验模型对测量数据进行曲线拟合,并赋予模型参数以现实物理意义,指出频道流行度受主播行为特征影响,进而给出一种基于随机森林准确预测流行度的方法。另一方面,针对360°视频,运用不同方法预测未来一定时间窗内的用户视点和网络带宽,不同于已有研究侧重预测准确率,本文重点分析了预测误差在时间和空间上的分布特征,并建立相应分析模型。(2)研究在数量众多直播频道之间分配有限网络资源这一关键问题。现有众包视频直播方案大多采用基于流行度的服务策略,优先为观看人数众多的频道提供转码和视频分发,然而,该策略与部分平台依赖的“打赏变现”商业模式并不匹配,忽略了观众异质交互模式带来的差异化观看需求,导致整体收益和个人互动体验下降。针对该问题,本文提出了一种基于弹幕交互属性的众包视频直播框架,在分配云端计算资源时考虑频道盈利能力,均衡观众满意度、货币利润和转码实例租赁费用等因素,确定每个频道的目标视频版本集合和服务节点位置;同时,建立观众感知体验的评估模型,引入协作的边缘节点优化传输调度,为每位观众提供适配其时延和带宽需求的视频版本及分发路径,最大化互动体验。真实测量数据驱动的实验结果表明,和当前策略相比,所提框架能有效提升88.1%系统收益和76.2%用户观感。(3)研究提高自适应传输效率的视频容错预取问题。360°视频自适应传输需要根据预估的用户视点和网络容量确定预取的视频块集合及质量版本,预取决策同时受到视点预测误差和带宽预测误差的影响,需要平衡时间和空间维度上的取舍,已有解决方案大多仅考虑单一方面影响,无法实现整体最优。本文提出一种误差条件下的360°视频块传输调度机制。针对应用分层编码的360°视频,借助误差模型科学计算特定层编码块的观看价值,进一步对时空维度上的视频块容错预取优化问题进行建模。根据实际观看价值和传输完成概率确定需要预取的编码块及下载顺序,最大化所预取数据的观看价值,提升用户体验。给出相应的轻量级启发式算法和基于深度强化学习的高效预取决策方法。基于公开用户观看行为和带宽数据的实验结果表明,和现有传输技术相比,所提方法平均能带来至少40.7%的用户体验提升。
王旭[2](2014)在《P2P VOD系统下基于两层关系的预取策略》文中研究表明近年来,随着P2P网络技术地不断发展,出现了大量基于P2P网络的应用软件。P2P流媒体服务作为P2P网络的一个主要应用,从出现开始,就一直受到广泛地关注。传统C/S模式下的流媒体服务依赖中心化的服务器来管理节点、处理与转发信息资源,随着网络规模地增大,这种模式存在着负载过重、可扩展性不强等问题,而P2P网络技术正好弱化了中心化节点的作用,此外,P2P网络的工作方式非常契合流媒体服务,因此,出现了P2P流媒体服务。P2P流媒体服务分为视频直播技术与视频点播技术,起初的P2P流媒体技术都应用于视频直播系统,可是,随着人们越来越希望能随时、自由地观看自己喜爱的节目,P2P视频点播系统出现了。虽然P2P视频点播系统解决了C/S模式下点播系统的负载过重、可扩展性不强等问题,但是由于P2P网络的资源分散,用户交互行为的随机性等问题,使得P2P视频点播系统在发生VCR(video cassette recorder)操作时难以快速地定位资源,这将使系统产生不小的时延,降低用户的观看体验。因此,如何提高P2P点播系统的交互性成为一个广泛关注的问题。针对以上问题,本文提出一种基于片段关系与节点关系的两层关系的预取策略,并设计了一种基于该策略的P2P VOD系统——R2VOD系统,R2VOD中的状态模块、缓存模块等都有与预取相关的设计,用以辅助本文设计的预取策略。本文的预取策略首先根据不同节点间的播放记录,利用片段关系算法,找到不同片段之间的关系,统计并计算不同片段之间关系的强弱,此后,选择与当前片段关系紧密的片段进行预取;在播放结束后统计不同节点的播放记录,利用节点关系算法,找到与当前节点关系更加紧密的节点,优化邻居列表以更好地辅助预取,从而有效地降低P2P视频点播系统在发生交互式操作时产生的时延。仿真实验表明,本文提出的预取策略能够有效地降低VCR时产生的时延,同时在不增大定位服务器压力的情况下,能够有效提升系统的稳定性、流畅性,提高用户的观看体验。
张西文[3](2014)在《流媒体系统基于用户行为分析的资源管理研究》文中研究指明随着通信技术和互联网的发展,视频点播服务(Video on Demand, VoD)以其访问便捷、内容丰富等特征越来越受到人们的关注并得到了飞速发展,成为互联网上的主流应用。为应对庞大的用户规模、海量的数据存储和动态的用户交互请求,内容分发网络和对等网络等构建于物理网络之上的逻辑覆盖网络被用于流媒体系统的开发,以提高系统的吞吐量和可扩展性。用户在视频访问过程中的交互式操作和分布式系统中节点及资源的动态变化都制约了流媒体服务的服务质量,研究流媒体中的用户行为模型和资源管理策略,对提供高质量的流媒体服务具有重要的现实意义。本文以国家863项目“融合网络业务体系的开发”课题和国家科技支撑计划“支持跨区域、多运营商的新一代广播电视服务系统”课题为研究背景,以提高系统资源利用效率、保障流媒体服务的服务质量为目的,在多媒体覆盖网络中研究系统的资源管理和服务组合策略,通过对用户在流媒体播放过程中的交互式操作行为的统计建模,实现高性能的流媒体数据缓存预取策略。本文主要研究内容包括以下三个方面:(1)提出一种保障QoS分布式流媒体系统资源管理策略针对动态分布式环境下服务节点资源分配和流媒体服务的QoS保障等问题,在传统的内容分发网络的基础上提出采用多媒体覆盖网整合和管理分布式系统中的资源,并采用具有QoS保证的服务组合算法向用户提供具有QoS偏好的流媒体服务。通过对系统中各种资源的分析及服务质量各个属性的定义,提出了元服务QoS模型以及组合服务的QoS计算方法,在给出具有服务质量保证的服务组合问题的数学模型的基础上,提出基于学习自动机理论的服务组合算法。该算法通过对服务覆盖网中资源与服务状况的感知与学习,寻找满足资源约束条件与用户给定服务质量的服务组合策略,在实验设定由5-90个元服务构成的组合服务时,使用该学习算法可以在多项式时间内选择出最优或次优的服务组合策略,并具有良好的可扩展性。(2)建立基于隐马尔可夫模型的用户交互式行为模型建立和分析用户的交互行为模型可以对系统的性能进行有针对性的优化,以提高服务效率。本文在统计和分析用户观看视频过程中的交互行为的基础上,将用户观看行为建模为隐马尔可夫模型,并在所建立模型的基础上对用户浏览状态进行预测,该策略使用Baum-Welch法对隐状态的转移概率参数进行极大似然估计,并利用系统参数的部分先验信息,避免所估计参数的似然函数陷入局部极大值,然后根据系统参数和单个用户的在线操作行为更新用户浏览状态的后验概率,使用最大后验概率准则对用户行为进行判决。通过贝叶斯推理,跟踪用户浏览状态的变化,充分利用了HMM模型的先验知识和当前用户记录在流媒体服务器上的操作信息,尤其是对于热门视频的观看行为,得益于用户在观看热门视频过程中丰富的VCR操作,对用户的交互操作预测准确率能达到77.5%以上,该策略具有较为明显的建模能力。(3)提出一种基于模型预测的流媒体预取策略本文综合计算了用户在视频访问过程中的初始访问延迟以及视频对象在播放过程中因无法及时获得所需数据而导致的网络抖动延迟,结合媒体对象各数据段的初始访问概率和条件访问概率提出了降低延迟的优化公式。根据模型参数和用户当前所处状态对用户下一时刻可能访问的数据段进行判决,由判决结果计算影片数据段的预取价值和缓存价值并实施预取策略以降低用户访问视频过程中的延迟和抖动。实验表明,本算法针对交互操作频繁的热门视频,采用预取技术能充分利用系统的带宽并及时获得用户将要访问的数据从而降低访问延迟发生的概率,提高流媒体系统的服务质量,其延时降低量比采用简单统计的预取算法高出6%左右,比单纯采用LRU策略的缓存算法高出20%。
张希[4](2014)在《异构环境中SVC-P2P-VoD分片调度研究》文中研究表明随着国家对“宽带中国”建设的提速,视频业务逐步成为主流应用之一。智能手机、iPad等超越PC终端移动式接入已成为普遍应用场景,对视频流媒体系统中数据分片调度带来了新的挑战。同时,用户的主观随机搜索行为也为数据分片调度增加了新的难度。主要体现在:不同类型用户终端在屏幕尺寸和其支持的分辨率、处理能力以及接入网络带宽与流量资费等方面均有差异,导致对视频质量要求不一致;传统的针对异构环境的多次编码的联播技术,增加服务器的负担且不利于客户端的质量自适应;用户的随机搜索行为影响视频播放的进度,同时影响了数据调度的效率。现有的数据分片调度技术大多针对单一网络环境,或未结合SVC的分片方案,或未考虑用户行为,没有结合适用于异构环境和用户行为应用场景的综合方案。本文的主要研究工作和成果如下:①研究异构环境的特点、P2P网络模型和系统特点、SVC可扩展视频编码技术,分析得出异构网络和异构终端环境中,针对不同视频质量需求的问题,传统的对同一视频进行多次编码方案可扩展性较低,在P2P流媒体系统中采用SVC一次可扩展编码是解决该问题的最佳匹配方案。②研究SVC-P2P流媒体系统中视频数据的传输架构,分析现有的分片策略和相应的分片调度策略。考虑SVC分层特性和用户的随机搜索行为,设计基于用户行为特征的Anchor-P2PSVC分片调度算法(UACS算法)。该算法设计两类调度窗口:一是根据当前播放时刻保证数据持续顺序播放的播放窗口,二是根据用户随机搜索行为服从Weibull分布,设计加入数据预取机制的锚点窗口。对播放窗口和第一个锚点窗口采用逐层调度策略以保证数据的及时性,其余锚点窗口采用rarest-first策略以平衡整个系统的分片分布。③改进SVC-P2P视频流媒体点播系统(SVC-P2P-VoD)客户端的分片调度模块,并搭建基于该系统的仿真平台,模拟三种终端(手机、笔记本、PC)和三种网络(固网、WLAN、3G)的异构环境,将本文的UACS算法与LL算法、SCS算法在发生用户随机搜索行为的应用场景中进行了对比验证。实验结果表明:UACS算法能提高客户端节点分片调度性能,缩短响应时延,提供给用户更好的视频观看质量和流畅度。
贾世杰[5](2014)在《无线移动自组网下主动性流媒体认知服务研究》文中进行了进一步梳理在无线移动自组网(Mobile ad hoc Networks, MANETs)中提供基于对等网络(Peer-to-Peer, P2P)的具有主动性流媒体特性的视频点播(Video-on-Demand, VoD)服务,以支持大规模移动用户主动和交互式的访问视频资源,已经成为未来移动流媒体服务的关键技术之一。然而,在MANETs中部署P2P VoD系统却面临着巨大的挑战:(1)VoD服务允许用户异步接入和主动变更当前播放内容,造成P2P网络中节点间逻辑连接抖动程度高,严重影响用户播放的连续性。(2)现有P2P技术存在组网策略僵化、网络维护负载高和查询效率低下的问题,难以满足移动环境下对资源高效管理与分发的要求。(3)现有移动网络环境变化感知策略严重匮乏,移动节点不具备自适应动态网络环境的能力,节点间协作机制相对静态,使得网络中可用视频资源短缺、资源获取成本高和分享效率低下。针对以上问题,本文对用户播放行为感知、视频资源分发体系和节点移动性感知等三个关键技术进行了深入研究,取得以下成果:(1)设计了面向可靠性的用户播放行为感知和预测模型。感知具有主动性和交互式等特性且能够反映当前和未来用户对视频内容兴趣变化、资源请求和使用抖动程度的用户播放行为,是主动性流媒体服务研究的认知驱动源的基础。本文首先提出了资源需求预测算法,精确预测用户未来播放内容,并预先下载到本地,确保用户播放连续性;其次,提出了用户播放状态评估模型,基于历史播放内容评估用户播放行为的可靠性,确保资源提供者与接收者间逻辑连接稳定性。(2)提出了基于移动对等网络(Mobile P2P, MP2P)的视频资源管理和分发机制。由于移动设备存储能力相对有限和动态变化的资源需求对MP2P构建和资源分发策略产生严重影响。本文首先提出了MP2P的组网策略和资源搜索算法,根据用户历史与当前播放内容建立基于微社区的MP2P结构,利用用户播放行为预测模型,动态建立微社区间逻辑关联,实现资源快速查找;其次,提出了MP2P的维护策略,通过维护具有可靠播放行为的节点,以降低维护成本。(3)设计了基于网络环境动态变化感知的资源分享和协作获取机制。移动网络动态的拓扑结构造成连接不可靠、数据传输性能低下,影响用户平滑的播放体验。本文首先设计了基于跨层感知和邻居协作的视频资源分享机制,通过感知一跳邻居通信质量变化,设计了资源获取代价评估模型,建立以资源为中心的簇结构,提高移动环境下资源分享效率和传输性能;其次,设计了一跳邻居移动稳定性和通信质量评估与预测模型,利用移动稳定性高且通信质量好的节点协助下载预测的播放内容,减少节点移动性和通信质量变化对视频数据传输的影响。
丛鑫[6](2013)在《云辅助P2P-VoD系统服务器带宽资源优化关键技术研究》文中进行了进一步梳理以Peer-to-peer (P2P)技术为基础的视频服务能以较小的带宽同时服务较大数量的用户。但据调查,每个月服务器带宽费用支出占视频服务供应商总支出一半以上,但在50%以上的时间内,带宽利用率却在20%以下。同时,越来越多的使用手机、PDA等设备用户使用视频服务观看视频,其设备较低的存储和带宽能力为资源有效共享带来了负面的影响。因此如何提升资源共享的效率,降低视频服务器供应商的带宽费用支出并提高带宽利用率是需要关注的问题。云的兴起和应用,租用云平台参与视频服务能够减少视频服务器的投入和维护费用。同时考虑到视频服务供应商已有基础设施的投资,将本地服务器和云平台结合,并采用P2P技术组成云辅助P2P-VoD系统是降低带宽费用并提升利用率的有效方式。但应用此系统,存在如下需要解决的问题:(1)在越来越多使用低存储和低带宽设备的用户使用视频服务的情况下,如何在这部分节点间利用P2P技术有效的进行资源共享?(2)用户请求度高的视频需要移植到云平台中才能参与视频的分发,如何判断哪些视频的用户请求度高?(3)在使用单一云平台的情况下,采用何种资源请求方式及移植策略,能够保证节省费用并提升服务质量(QoS)?(4)在使用多个云平台的情况下,采用何种视频分配方式,能够进一步降低视频服务供应商的费用?为解决上述问题,围绕P2P技术本质和云平台租用及支付特性,对如何减少视频服务供应商带宽费用进行了深入的研究,主要工作及贡献如下:1.提出一种面向低能力节点有效的带宽费用降低方法,用以在节点间能够有效的共享资源。针对低能力节点存储和带宽能力小的特点,提出了NCDLT方法。该方法包含基于缓存的邻居节点选择算法、数据块选择和下载算法及分布式线性税收算法。与BPB方法相比,该方法使服务器带宽费用开销更低,同时增加了用户的QoS。2.提出一种P2P-VoD系统中,以天为单位预测视频频道的用户请求数量方法,用以量化未来一段时间的视频带宽请求数。针对P2P系统贡献和索取平衡的特点,提出SBDP方法。该方法通过预测某个视频频道的在线用户数、种子节点贡献数和节点下载数,利用平衡公式计算出未来一段时间每个视频频道带宽请求。该方法与短期预测方法DFPP(?)目结合,能够准确为移植哪些视频到云平台上提供依据。3.提出一种单一云平台下,基于带宽预留的视频移植方法,用以在费用增加较小的条件下,提升用户的QoS。针对云平台支付方式“即付即用(pay-as-you-go)"能够带来延迟的特点,提出VMSBR方法。该方法以预测的视频请求数为基础,通过优化的方法计算出所需的最小带宽数目,并依据服务器带宽请求的变化设计相应的视频移植策略。与智能移植方法相比,该方法能够以0.5%的费用提升,降低1%的用户请求拒绝率。4.提出一种多云平台下,基于拍卖机制的视频服务方法,用以进一步降低视频供应商的费用。针对单一云有可能发生灾难而造成服务中断的现象及基于市场竞争的原理,提出LBAS方法。该方法以拍卖理论为基础,以低价格竞标为条件,通过限制拍卖中的联盟缺陷,将视频分配到云平台中。与VMC方法相比,该方法能够进一步降低10%的视频供应商服务器支出。
巫旭敏[7](2012)在《分布式服务系统基于分层的存储资源管理研究》文中认为随着通信技术和计算机科学的发展,互联网逐渐形成以多媒体为核心的服务平台。内容分发网络和对等网络广泛应用于交互式视频点播(Video on Demand, VoD)系统的开发,以提高服务质量、增大系统吞吐量、降低内容提供商的部署成本等。尽管这两类网络具有良好的可扩展性、容灾性,但其节点组织松散,故要求必须采取适当的策略管理系统资源。用户随机的VCR操作行为以及流媒体对服务质量的严格要求加剧了VoD系统的复杂性。本文以实现高效的缓存性能为目的,研究分布式VoD系统的存储资源管理。由于用户规模的膨胀,存储资源管理已成为网络服务的关键。本文所提出的缓存策略对VoD系统的研制和发展有着实际的指导意义,对云计算等分布式系统的研究具有一定的参考价值。本文将VoD系统的存储资源分为代理缓存、服务器内存(Random Access Memory, RAM)以及客户端缓存三层,并分别针对各层的缓存特点和优化目标进行讨论,其创新性主要体现在以下四个方面:第一,本文提出了基于窗口的热度统计算法。热度是视频缓存的重要参数,它反映了用户对不同视频内容的偏好程度,并直接影响缓存策略的性能。固定周期的热度统计方法不能实时地反映用户行为的变化,本文通过统计视频数据段的请求率得到其热度。该方法能够灵活、及时地跟踪热度的真实变化。第二,本文给出了用户点播延迟期望的表达式,并提出了相应的代理缓存策略。由于VoD系统服务器节点间的传输延迟较大,在传统的缓存算法下,若点播存在大量VCR行为,用户将难以获得良好的服务体验。本文定义了视频数据段间的点播跳转概率,结合数据预取机制研究了点播的起始延迟和网络抖动延迟,给出一个较优的代理缓存策略,并通过在线调整逼近最优解。同时在代理缓存已知的情况下,我们提出了相应的数据预取算法,利用缓存和预取两种数据获取方法的相互协作,减小用户的点播延迟,提高代理缓存效率。第三,本文研究了减小流媒体服务器磁盘I/O的内存缓存策略,并建立其部分可观Markov决策过程(Partly Observable Markov Decision Process, POMDP)模型。相对于其它RAM缓存算法,流媒体系统可以利用视频的统计信息预测并调整缓存部署。我们定义了平均磁盘I/O,并提出一种简单的贪心算法,然后给出了基于POMDP的缓存策略。在该POMDP模型中,磁盘I/O被转化为Markov链的长期运行平均代价,基于观测的随机策略被用于优化该模型。第四,本文针对客户节点的不稳定特性,提出一种以二次规划为基础的客户端缓存置换算法。为了提高客户端缓存的效率,我们定义了缓存分布因子,指出了影响缓存效率的因素,并研究了视频数据段的缓存权重。然后,我们定义了可用资源分布因子,提出了用户向对等节点请求服务的源节点选择算法以及请求带宽分配策略,以尽量保障对等网络中视频内容的可用资源与用户的请求量成正比,优化客户端缓存性能。
危婷[8](2012)在《P2P流媒体系统的测量分析和建模研究》文中研究表明随着网络视频业务的迅猛发展,基于C/S(客户端/服务器)模式的传统流媒体系统呈现出以下问题:系统的可扩展性差、可靠性低以及服务器存在带宽瓶颈。而基于内容分布化思想的P2P流媒体系统,由于充分利用了节点的带宽和存储资源,因而具有良好的可扩展性和较低的服务器带宽。但P2P流媒体系统也存在着许多亟待解决的问题:在服务器端,包括如何进一步地降低服务器的带宽消耗,如何优化系统的协议设计;在客户端,包括如何支持大量高清VBR(动态码率)视频的流畅播放;如何根据用户的观看行为来合理规划系统资源以及如何优化系统在移动环境下的应用。针对上述问题,本文进行了大规模的网络测量和深入的理论分析,主要研究成果如下:(1)现有的基于节点P2P下载速率的状态转换策略存在着播放连续性较差,服务器带宽消耗较高且易受P2P速率波动影响的问题。针对这一问题,本文设计了一种基于本地存储量的状态转换机制,并利用布朗运动过程对其建立模型,得到了服务器带宽节省比率与播放码率、下载速率的关系表达式。理论分析、数值评估和实测比较都表明:新的机制能克服P2P下载速率的抖动对服务器带宽节省比率的影响,有效地降低服务器的带宽消耗并提高播放连续性。由该理论模型可得,系统的服务器带宽节省比率主要和播放码率与HTTP下载速率的比值有关,这为进一步地降低系统的服务器带宽消耗提供了重要的理论参考。(2)针对高码率VBR视频的大量上线使得系统的整体播放质量受到影响的问题,本文利用理论模型建立了节点的下载速率、视频码率和播放流畅度之间的关系表达式,并指出:增加节点的初始预取量能提高节点的播放流畅度。进一步地,本文对比分析了VBR与CBR(固定码率)视频,以及高码率与低码率视频的播放性能和对网络共享环境的要求,从理论上说明了不同类型视频的各参数之间的数学关系,并指出:由于视频码率的动态性,为了达到与同平均码率的CBR视频相同的播放流畅度,VBR视频需要更多的下载带宽。这将为系统控制高码率VBR视频的上线数量,并优化系统性能提供理论参考。(3)把握当前正在使用的大规模P2P流媒体系统的协议机制是改进现有系统的基础。PPLive和PPStream是国内规模最大的两个P2P流媒体系统,前者的协议机制已得到充分研究,而后者的协议机制缺乏公开性。针对这一问题,本文通过网络测量破解了PPStream直播系统的缓存结构和共享机制,发现:PPStream具有跳跃的共享窗口。进一步地,本文利用“窗口跳跃模型”分析了PPStream直播系统的缓存结构和共享机制对节点间的互惠关系的影响,并与PPLive的协议机制进行了深入比较,指出:与PPLive系统滑动的共享窗口不同,PPStream跳跃的共享窗口机制有效地限制了节点因为过度预取视频块而抢占其他节点的带宽资源的行为,稳定了节点的播放质量。这些研究为进一步优化P2P流媒体系统的协议以及采用新的激励机制来提高系统的服务质量提供了参考。(4)在P2P流媒体系统中,用户作为服务的享受者和提供者,其观看行为直接影响着系统性能。已有的用户行为研究大多基于采用IP组播的IPTV系统,而较少关注P2P流媒体系统。针对这一问题,本文利用实测数据分析了在不同类型频道中用户的到达离开行为以及在同一频道内用户持续观看节目的行为,发现:(A)由于受到用户的作息规律和节目类型特点的影响,不同频道中用户的到达和离开行为呈现出不同的特征;(B)用户在到达某个节目后的前2—3分钟内相当活跃,一旦用户驻留节目的时间超过10分钟,则会均匀离开;同时,用户连续观看两个相邻节目的行为是无记忆的,其很大程度上受到节目编排的影响。这些分析对系统资源的合理规划以及广告的理性插入具有重要的参考意义。(5)随着移动互联网的飞速发展,用户对移动流媒体服务的需求越来越强烈。然而,现有的P2P流媒体系统大都基于固定互联网设计,其对终端移动性的支持程度尚不可知。针对这一问题,本文研究了终端的移动性对P2P流媒体系统参数的影响。本文通过周期地改变局域网内节点的IP地址来构造一个虚拟的移动环境,并从移动节点(Mobile Peer-MP)的服务中断时间(MP在服务中断时间内与其他节点之间没有数据交互)、邻居拓扑变化以及播放进度三个方面对比分析了“移动性”对两种P2P流媒体系统造成的影响。这些测量分析结果为移动P2P流媒体系统的设计和优化打下了良好的基础。
王娟,纪其进,朱艳琴[9](2010)在《基于用户行为特征的P2P视频点播系统数据预取机制》文中研究说明随机搜索是用户在享受视频点播服务时常见的行为,它使得播放进度发生突然变化,同时要求系统做出及时的响应.为了缩短数据访问的响应时延,通常采用预取机制提前获取部分数据用以满足将来的需要,然而如何利用有限的存储空间预取尽可能多的有用数据是其中的关键问题.本文根据视频点播用户随机搜索操作的行为特征模型和媒体内容不同部分受欢迎程度的不同,提出一种范围受限、流行度感知的P2P视频点播系统数据预取机制RC-PAP.仿真实验结果表明,相比于现有的数据预取方法,RC-PAP可以显着提高用户随机搜索操作时的响应速度,并减轻内容源服务器的访问压力.
王娟[10](2010)在《基于用户行为特征的交互式P2P视频点播系统存储机制研究》文中研究表明随着网络技术的发展和宽带网络的普及,流媒体应用越来越受到人们的关注。传统的视频点播系统通常是基于C/S(Client/Server)模式的,当用户数量大规模增长时,服务器带宽将成为系统的瓶颈。研究和应用实践表明,P2P VoD(Peer to Peer Video on Demand)系统能够利用普通节点的资源为其他节点提供服务,允许协作节点间共享计算、带宽和存储资源,显着地减少了服务器的负载,提高了网络资源的利用率。但由于P2P流媒体点播系统中用户节点(peer)服务能力的异构性、节点的动态性和流媒体本身的特殊性,使得构建P2P点播系统面临诸多挑战。P2P VoD系统的交互性需要分布式内容存储、定位与传送三个方面的支持,其中存在可用的内容是实现交互式操作的前提。因此,如何合理地利用缓存和存储将内容分布到P2P系统的对等节点中是本文需要研究的关键问题。本文首先对用户的行为特征进行研究,并根据视频点播用户随机搜索操作的行为特征模型和媒体内容不同部分受欢迎程度的不同,提出了一种范围受限、流行度感知的P2P视频点播系统数据预取机制(RC-PAP)。接着,将流行度概念引入到缓存策略中,以数据块为粒度进行文件的缓存和替换研究,设计了一种基于价值的数据块的选择和更新算法(SDU)。然后,针对被动缓存策略下数据分布不合理的问题,讨论了如何有效利用节点的带宽和存储资源主动复制将来需要的热门数据块,提出了一种基于激励机制的数据复制策略(IMPR)。最后,选择p2pstrmsim作为基础仿真工具对本文提出的算法和策略进行仿真实验,并对实验的结果进行分析比较。实验结果表明,根据用户的点播行为特征进行内容缓存和主动存储,对提高点播系统的交互性能是十分必要的,对P2P VoD系统走向成熟具有很重要的意义。
二、分布预取式VOD系统的设计与实现(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、分布预取式VOD系统的设计与实现(论文提纲范文)
(1)面向新型流媒体的网络资源分配和传输调度研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及问题提出 |
1.1.1 众包视频直播和360°全景视频的特点 |
1.1.2 新型流媒体服务存在的问题 |
1.2 研究现状和相关工作 |
1.2.1 互联网流媒体用户行为分析 |
1.2.2 众包视频直播服务中的用户行为研究 |
1.2.3 众包视频直播系统的资源分配优化 |
1.2.4 360°视频用户观看行为分析和视点预测 |
1.2.5 360°视频自适应传输机制研究 |
1.3 本文研究内容和贡献 |
1.4 论文组织 |
第2章 众包直播服务中用户交互行为分析 |
2.1 引言 |
2.2 平台测量与数据采集 |
2.2.1 斗鱼直播简介 |
2.2.2 弹幕采集 |
2.3 弹幕评论文本分析 |
2.3.1 文本长度和情感分析 |
2.3.2 直播精彩片段检测 |
2.4 用户交互模式分析 |
2.4.1 时间模式 |
2.4.2 互动偏好模式 |
2.4.3 观众消费行为分析 |
2.5 弹幕活动特征和频道流行度 |
2.5.1 弹幕活动特征 |
2.5.2 弹幕式直播频道流行度建模 |
2.6 直播频道流行度预测 |
2.6.1 流行度影响因子构建 |
2.6.2 评论流行度预测模型 |
2.6.3 收益流行度预测模型 |
2.7 本章小结 |
第3章 众包视频直播中网络资源分配策略研究 |
3.1 引言 |
3.2 平台测量和研究动机 |
3.2.1 斗鱼基础设施和服务策略探析 |
3.2.2 众包直播频道特性及其机遇 |
3.2.3 观众弹幕互动特性及其机遇 |
3.3 弹幕互动感知的众包视频直播 |
3.3.1 系统整体架构 |
3.3.2 潜在收益分析 |
3.4 地理分散式云平台转码调度优化 |
3.4.1 问题描述 |
3.4.2 解决方案 |
3.4.3 面向实际部署的算法说明 |
3.5 面向观众感知QoE的直播流交付 |
3.5.1 交互属性分析 |
3.5.2 问题描述和解决方案 |
3.6 实验结果与分析 |
3.6.1 实验方法 |
3.6.2 转码容量分配策略评估 |
3.6.3 直播流分发策略评估 |
3.7 本章小结 |
第4章 基于分块的360°视频容错传输调度优化 |
4.1 引言 |
4.2 相关概念 |
4.2.1 360°视频 |
4.2.2 视点预测技术 |
4.2.3 可分级视频编码技术 |
4.3 360°视频传输基本模型 |
4.3.1 360°视频的层级编码 |
4.3.2 用户视点映射和视域封装 |
4.3.3 视点自适应传输 |
4.4 360°视频容错传输 |
4.4.1 用户视点预测误差及视频块观看概率 |
4.4.2 视频编码块效用模型 |
4.4.3 网络容量预测误差及编码块下载完成概率 |
4.4.4 基于容错的视频编码块请求算法 |
4.5 基于深度强化学习的360°视频容错传输 |
4.5.1 深度强化学习框架 |
4.5.2 DRL驱动的视频块预取模型 |
4.5.3 预取模型训练算法 |
4.6 实验结果与分析 |
4.6.1 实验方法 |
4.6.2 不同传输方法性能比较 |
4.7 本章小结 |
第5章 总结与展望 |
5.1 本文工作 |
5.2 未来展望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
(2)P2P VOD系统下基于两层关系的预取策略(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 本文的主要内容 |
1.3 本文的研究意义 |
1.4 论文的结构 |
2 P2P及流媒体相关技术 |
2.1 P2P相关技术 |
2.1.1 P2P网络的基本概念 |
2.1.2 P2P网路的特点 |
2.2 P2P网络的分类 |
2.3 P2P网络的应用 |
2.4 P2P流媒体相关理论 |
2.4.1 视频编码技术 |
2.4.2 流媒体传输协议 |
2.5 P2P VOD系统 |
2.6 VCR研究现状 |
2.7 本章小结 |
3 R~2VOD的系统构成与缓存机制 |
3.1 系统构成 |
3.1.1 拓扑结构 |
3.1.2 节点的不同角色 |
3.2 各模块的作用 |
3.3 状态模块 |
3.3.1 模块组成 |
3.3.2 节点的加入、跳转与退出 |
3.4 缓存模块 |
3.4.1 缓存的意义 |
3.4.2 缓存设计及其替换策略 |
3.5 本章小结 |
4 基于两层关系的预取策略 |
4.1 相关定义 |
4.2 片段关系 |
4.2.1 片段关系及其分类 |
4.2.2 特殊的折线关系 |
4.2.3 片段关系值的确定 |
4.3 基于片段关系的预取策略 |
4.3.1 预取策略概述 |
4.3.2 预取策略实例分析 |
4.3.3 向后跳转的处理 |
4.4 基于节点关系的优化策略 |
4.4.1 优化策略概述 |
4.4.2 优化策略实例分析 |
4.5 本章小结 |
5 仿真实验 |
5.1 系统配置 |
5.2 实验结果与分析 |
5.2.1 节点跳转的开销 |
5.2.2 定位服务器的压力 |
5.2.3 与其它系统的比较 |
5.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(3)流媒体系统基于用户行为分析的资源管理研究(论文提纲范文)
摘要 |
ABSTRACT |
目录 |
插图目录 |
算法目录 |
第1章 绪论 |
1.1 研究背景 |
1.2 流媒体系统中的用户与资源 |
1.2.1 用户行为 |
1.2.2 存储管理 |
1.3 服务覆盖网 |
1.4 本文的研究内容与组织结构 |
1.4.1 本文研究内容 |
1.4.2 章节安排 |
第2章 流媒体资源优化与相关工作 |
2.1 流媒体服务质量与存储管理 |
2.1.1 影响流媒体QoS的因素 |
2.1.2 存储管理策略 |
2.2 用户访问模式 |
2.2.1 流媒体系统中的用户行为分析 |
2.2.2 基于用户行为模型的数据管理 |
2.3 面向服务的流媒体系统 |
2.3.1 内容分发网络 |
2.3.2 MSON覆盖网 |
2.4 本章小结 |
第3章 具有服务质量保证的多媒体服务组合方法 |
3.1 引言 |
3.2 相关工作 |
3.3 基于学习自动机的多媒体服务组合算法 |
3.3.1 多媒体服务覆盖网下的服务组合 |
3.3.2 具有QoS保证的服务组合问题 |
3.3.3 基于学习自动机的服务组合算法 |
3.4 仿真实验与分析 |
3.4.1 仿真环境设定 |
3.4.2 仿真结果分析 |
3.5 本章小结 |
第4章 流媒体用户访问行为研究 |
4.1 引言 |
4.2 热度分布模型 |
4.2.1 热度分布研究 |
4.2.2 媒体对象内部的热度分布 |
4.3 用户交互行为模型 |
4.3.1 交互行为的基本分析 |
4.3.2 隐马尔可夫模型 |
4.3.3 问题分类 |
4.4 基于隐马尔可夫模型的交互行为模型 |
4.4.1 参数估计 |
4.4.2 状态预测 |
4.5 实验结果与分析 |
4.5.1 用户浏览状态 |
4.5.2 模型训练 |
4.5.3 热门数据段生成 |
4.6 本章小结 |
第5章 基于访问相关性的数据预取策略 |
5.1 引言 |
5.2 访问延时计算 |
5.3 访问概率计算 |
5.3.1 视频对象内任意数据段的访问概率 |
5.3.2 数据段间的跳转概率 |
5.4 基于操作相关性的存储优化算法 |
5.4.1 问题模型 |
5.4.2 预取算法 |
5.5 仿真分析 |
5.5.1 仿真环境设定 |
5.5.2 仿真结果分析 |
5.6 本章小结 |
第6章 总结与展望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
(4)异构环境中SVC-P2P-VoD分片调度研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.3 项目来源 |
1.4 论文组织结构 |
2 基于 SVC 的 P2P 流媒体技术 |
2.1 流媒体 |
2.2 P2P 技术 |
2.2.1 概述 |
2.2.2 P2P 网络模型 |
2.2.3 P2P 流媒体系统 |
2.3 可扩展视频编码技术 |
2.3.1 H.264/SVC |
2.3.2 空间可扩展性 |
2.3.3 时间可扩展性 |
2.3.4 质量可扩展性 |
2.3.5 三维度联合扩展 |
2.4 引入 SVC 的 P2P 流媒体系统 |
2.4.1 引入 SVC 的 P2P 流媒体系统优势 |
2.4.2 基于 SVC 的 P2P 流媒体系统结构 |
2.4.3 服务质量与关键技术 |
2.5 本章小结 |
3 异构环境中 SVC-P2P-VoD 分片调度算法 |
3.1 流媒体视频数据传输框架 |
3.2 分片策略 |
3.3 分片调度策略 |
3.3.1 稀有片优先分片调度策略 |
3.3.2 逐层分片调度策略 |
3.3.3 权值分片调度策略 |
3.4 基于用户行为特征的 Anchor-P2PSVC 分片调度算法 |
3.4.1 用户 VCR 行为数学模型 |
3.4.2 数据预取机制 |
3.4.3 算法整体规划 |
3.4.4 两类窗口的设计及其调度策略 |
3.5 本章小结 |
4 SVC-P2P-VoD 系统架构和分片调度算法验证 |
4.1 SVC-P2P-VoD 系统结构 |
4.2 SVC-P2P-VoD 视频点播系统客户端设计及展现 |
4.3 实验结果与分析 |
4.3.1 测试环境 |
4.3.2 关键性能指标 |
4.3.3 性能分析 |
4.4 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
附录 |
A. 作者在攻读学位期间发表的论文及专利目录 |
B. 作者在攻读学位期间参与的科研成果目录 |
(5)无线移动自组网下主动性流媒体认知服务研究(论文提纲范文)
摘要 |
Abstract |
目录 |
第一章 绪论 |
1.1 研究意义 |
1.2 国内外研究现状 |
1.3 研究内容 |
1.4 论文创新点 |
1.5 论文内容安排 |
1.6 参考文献 |
第二章 面向可靠性的用户播放行为感知及预测模型 |
2.1 引言 |
2.2 基于蚁群算法的用户资源需求预测 |
2.2.1 路径信息素的生成 |
2.2.2 路径启发因子的生成与路径选择概率模型 |
2.2.3 加权路径选择概率模型 |
2.3 用户播放状态评估及预测 |
2.3.1 用户播放状态评估模型 |
2.3.2 用户播放状态预测算法 |
2.4 仿真实验 |
2.5 本章小结 |
2.6 参考文献 |
第三章 基于移动对等网络的视频资源管理与分发机制 |
3.1 引言 |
3.2 媒体服务器 |
3.3 微社区网络层 |
3.4 社区成员维护机制 |
3.5 仿真实验 |
3.5.1 AMCV的负载分析 |
3.5.2 参数分析与设置 |
3.5.3 仿真结果分析 |
3.6 本章小结 |
3.7 参考文献 |
第四章 基于跨层感知和邻居协作的资源分享策略 |
4.1 引言 |
4.2 邻居节点的选择算法 |
4.3 节点簇的构建策略 |
4.4 资源提供者切换算法 |
4.5 仿真分析 |
4.5.1 参数设置和拓扑环境 |
4.5.2 性能分析 |
4.6 本章小结 |
4.7 参考文献 |
第五章 基于稳定邻居节点的视频资源协作获取策略 |
5.1 引言 |
5.2 邻居节点稳定性评估模型 |
5.2.1 IN节点运动状态变化 |
5.2.2 基于自调节周期的IN节点更新机制 |
5.2.3 稳定性评估模型 |
5.3 通信质量预测模型 |
5.4 协作邻居选择及资源获取 |
5.5 仿真实验 |
5.5.1 仿真环境及参数设置 |
5.5.2 性能分析 |
5.6 本章小结 |
5.7 参考文献 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 下一步工作展望 |
缩略词 |
致谢 |
攻读学位期间发表的学术着作 |
攻读学位期间参与的科研工作 |
(6)云辅助P2P-VoD系统服务器带宽资源优化关键技术研究(论文提纲范文)
摘要 |
Abstract |
主要缩略语及中英文对照 |
第一章 绪论 |
1.1. 研究背景 |
1.2. 研究意义 |
1.3. 研究内容 |
1.4. 论文结构 |
1.5. 本章参考文献 |
第二章 服务器带宽资源优化研究综述 |
2.1. 云辅助P2P-VoD系统架构 |
2.1.1. 云与应用移植 |
2.1.2. 系统架构 |
2.2. P2P节点选择和激励机制 |
2.2.1. 邻居节点选择 |
2.2.2. 节点激励机制 |
2.3. 服务器带宽请求预测 |
2.4. 视频移植定价策略 |
2.5. 本章小结 |
2.6. 本章参考文献 |
第三章 面向移动设备的服务器带宽开销降低机制 |
3.1. 引言 |
3.2. 邻居节点选择算法(NCS) |
3.2.1. 节点缓冲区模型 |
3.2.2. 邻居节点选择算法 |
3.2.3. 数据块下载算法 |
3.3. 分布式线性税收算法(DLT) |
3.3.1. 线性税收算法模型 |
3.3.2. 分布式线性税收算法 |
3.4. 模拟实验评价 |
3.4.1. 模拟实验参数 |
3.4.2. 带宽费用开销评估 |
3.4.3. 节点请求拒绝数评估 |
3.4.4. 节点下载速率评估 |
3.4.5. 分布式线性税收算法评估 |
3.5. 本章小结 |
3.6. 本章参考文献 |
第四章 面向服务器请求带宽预测机制 |
4.1. 引言 |
4.2. P2P-VoD系统贡献与消耗平衡模型 |
4.3. 在线节点数量预测 |
4.3.1. 基于历史数据的在线节点数量预测算法 |
4.3.2. 无历史数据的在线节点数量预测算法 |
4.4. 种子节点上传带宽数量预测 |
4.5. 下载节点上传带宽数量预测 |
4.6. 模拟实验评价 |
4.6.1. 基于历史数据的在线节点数预测结果 |
4.6.2. 无历史数据的在线节点数预测结果 |
4.6.3. 种子节点上传带宽预测结果 |
4.6.4. 服务器带宽请求数预测结果 |
4.7. 本章小结 |
4.8. 本章参考文献 |
第五章 基于云预留资源的单云视频移植 |
5.1. 引言 |
5.2. 最小化预留带宽优化算法 |
5.2.1. 视频移植费用模型 |
5.2.2. 视频请求分配模型 |
5.2.3. 云带宽预留优化算法 |
5.3. 视频内容数据移植策略 |
5.4. 云预留资源视频移植系统举例 |
5.5. 模拟实验评价 |
5.5.1. 模拟实验参数设置 |
5.5.2. 稳定状态下性能评估 |
5.5.3. 高峰状态下性能评估 |
5.6. 本章小结 |
5.7. 本章参考文献 |
第六章 基于可信拍卖机制的多云视频移植 |
6.1. 引言 |
6.2. 云辅助VoD系统拍卖算法模型 |
6.3. 基于最低价格中标的拍卖算法 |
6.3.1. 视频实例定价机制 |
6.3.2. 基于最低价格的视频实例分配算法 |
6.3.3. 实例替换算法 |
6.3.4. 基于k-Vickrey的费用支付算法 |
6.4. 基于AEM的联盟限制算法 |
6.5. 实验评价 |
6.5.1. 实验设置 |
6.5.2. 实验结果 |
6.6. 讨论 |
6.7. 本章小结 |
6.8. 本章参考文献 |
第七章 结束语 |
7.1. 论文总结 |
7.2. 进一步研究工作 |
致谢 |
攻读博士学位期间发表和录用的论文 |
(7)分布式服务系统基于分层的存储资源管理研究(论文提纲范文)
摘要 |
ABSTRACT |
目录 |
表格 |
插图 |
算法 |
第1章 绪论 |
1.1 流媒体技术与VoD系统 |
1.2 覆盖网络 |
1.2.1 内容分发网络 |
1.2.2 对等网络 |
1.3 VoD系统的资源管理 |
1.3.1 接入控制 |
1.3.2 缓存管理 |
1.4 本文的研究内容与创新点 |
1.5 本文的组织结构 |
第2章 相关研究工作以及系统模型介绍 |
2.1 相关研究工作简介 |
2.1.1 分段缓存 |
2.1.2 热度 |
2.1.3 视频点播服务的用户行为特征 |
2.2 流媒体系统的CDN-P2P模型 |
2.2.1 系统模型 |
2.2.2 缓存资源的分层 |
2.3 热度估计 |
2.3.1 热度估计算法 |
2.3.2 仿真实验与分析 |
2.4 小结 |
第3章 内容分发网络代理缓存部署策略 |
3.1 代理缓存问题 |
3.2 平均点播时延 |
3.3 基于数据预取的缓存策略 |
3.4 仿真实验与分析 |
3.5 小结 |
第4章 流媒体服务器RAM缓存策略 |
4.1 缓存优化模型 |
4.2 缓存优化的贪心算法 |
4.3 基于POMDP的优化算法 |
4.3.1 POMDP |
4.3.2 RAM缓存的POMDP模型 |
4.3.3 基于观测的随机策略 |
4.4 仿真实验与分析 |
4.4.1 HLL算法仿真与分析 |
4.4.2 POMDP优化算法仿真与分析 |
4.5 小结 |
第5章 终端节点的缓存策略 |
5.1 同构网络的缓存策略 |
5.2 异构网络的缓存策略 |
5.3 源节点选择算法 |
5.4 仿真实验与分析 |
5.5 小结 |
第6章 总结与展望 |
参考文献 |
附录A 主要符号对照表 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
(8)P2P流媒体系统的测量分析和建模研究(论文提纲范文)
致谢 |
中文摘要 |
ABSTRACT |
图表清单 |
缩略语 |
第一章 绪论 |
1.1 P2P流媒体的起源和发展 |
1.1.1 直播系统 |
1.1.2 点播系统 |
1.2 选题的目的与意义 |
1.2.1 P2P流媒体的研究现状 |
1.2.2 需要解决的问题 |
1.3 主要工作和创新点 |
1.4 本文的结构安排 |
第二章 P2PVOD系统中节点的下载状态转换模型 |
2.1 研究背景 |
2.2 基于P2P速率的下载状态转换机制 |
2.2.1 理论基础 |
2.2.2 建立模型 |
2.3 基于本地存储量的下载状态转换机制 |
2.3.1 线性漂移布朗运动的首达时 |
2.3.2 理论基础 |
2.3.3 基于本地存储量的状念转换机制的描述 |
2.3.4 建立模型 |
2.4 两种机制的数值评估与实测比较 |
2.4.1 数值评估比较 |
2.4.2 实测数据比较 |
2.5 本章小结 |
第三章 P2PVOD系统中节点的播放流畅度模型 |
3.1 研究背景 |
3.2 VBR视频的播放流畅度模型 |
3.3 VBR与CBR视频的性能比较 |
3.3.1 理论分析 |
3.3.2 数值评估 |
3.4 不同播放码率的VBR视频的比较 |
3.4.1 理论分析 |
3.4.2 数值评估 |
3.5 本章小结 |
第四章 P2PLIVE系统共享机制的测量分析与建模研究 |
4.1 研究背景 |
4.2 缓存结构和共享机制 |
4.2.1 测量数据简介 |
4.2.2 单个共享窗口系统的特征分析 |
4.2.3 多个共享窗口系统的特征分析 |
4.3 系统的共享环境的特征分析 |
4.3.1 窗口跳跃模型 |
4.3.2 单个窗口与多个窗口共享机制的性能对比 |
4.3.3 系统相位波动特征的分析 |
4.4 PPSTREAM与PPLIVE的比较 |
4.5 本章小结 |
第五章 P2P流媒体系统的用户行为分析 |
5.1 研究背景 |
5.2 直播系统用户行为的分析 |
5.2.1 用户日观看节目的行为特点 |
5.2.2 用户连续观看节目的行为特点 |
5.2.3 用户驻留观看节目的行为特点 |
5.2.4 用户行为的建模的思考 |
5.3 点播系统用户行为的分析 |
5.4 分析结果的参考意义 |
5.5 本章小结 |
第六章 P2P流媒体系统在移动环境下的性能研究 |
6.1 研究背景 |
6.2 数据收集 |
6.3 服务中断时间分析 |
6.4 邻居拓扑变化分析 |
6.5 播放进度分析 |
6.6 本章小结 |
第七章 总结 |
7.1 本文贡献 |
7.2 问题与展望 |
参考文献 |
附录A 各相位人数模型的讨论 |
附录B 解微分方程 |
作者简历 |
独创性声明 |
学位论文数据集 |
(10)基于用户行为特征的交互式P2P视频点播系统存储机制研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状与分析 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 本文的主要内容和意义 |
1.3.1 本文的主要内容 |
1.3.2 本文的研究意义 |
1.4 论文组织结构 |
第二章 P2P 视频点播的相关理论 |
2.1 P2P 技术介绍 |
2.1.1 P2P 的概念 |
2.1.2 P2P 的特点 |
2.1.3 P2P 网络模型 |
2.1.4 P2P 的应用 |
2.2 P2P 流媒体技术相关理论 |
2.2.1 视频编码技术 |
2.2.2 内容分发技术 |
2.2.2.1 单源分发策略 |
2.2.2.2 多源分发策略 |
2.2.3 流媒体传输协议 |
2.2.3.1 RTSP 协议 |
2.2.3.2 RTP/RTCP 协议 |
2.2.3.3 RSVP 协议 |
2.3 视频点播 |
2.4 P2P VoD 系统结构 |
2.5 P2PVoD 系统模型 |
2.5.1 基于树状的P2P VoD 系统模型 |
2.5.1.1 单棵树分发 |
2.5.1.2 多棵树分发 |
2.5.2 基于Gossip 协议的网状P2P VoD 系统模型 |
2.5.3 基于混合结构的P2P VoD 系统 |
2.6 仿真工具 |
2.7 本章小结 |
第三章 基于用户行为特征的数据预取机制 |
3.1 数据预取机制 |
3.2 数据预取相关研究工作 |
3.3 数据预取策略 |
3.3.1 用户随机搜索行为特征模型与数据预取范围的确定 |
3.3.2 数据块流行度及其计算 |
3.3.3 基于用户行为特征的数据预取算法 |
3.4 仿真实验 |
3.4.1 关键性能指标 |
3.4.2 仿真结果分析 |
3.5 本章小结 |
第四章 基于价值的缓存更新策略 |
4.1 数据缓存技术 |
4.2 缓存管理的相关研究工作 |
4.2.1 缓存策略 |
4.2.2 替换策略 |
4.3 缓存及更新策略 |
4.3.1 P2P VoD 系统的缓存与存储模型 |
4.3.2 流媒体数据分块策略 |
4.3.3 基于价值的缓存及更新策略 |
4.4 仿真试验 |
4.4.1 关键性能指标 |
4.4.2 仿真环境 |
4.4.3 性能评价 |
4.4.3.1 数据块命中率及响应延迟 |
4.4.3.2 系统可扩展性 |
4.5 本章小结 |
第五章 基于激励机制的数据复制策略 |
5.1 数据复制策略 |
5.2 数据复制技术的相关研究工作 |
5.3 基于激励机制的数据复制策略 |
5.3.1 激励机制 |
5.3.2 复制节点的选取 |
5.3.3 基于激励机制的数据主动复制算法 |
5.4 仿真试验 |
5.4.1 关键性能指标 |
5.4.2 仿真环境 |
5.4.3 仿真结果分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读硕士学位期间发表的论文 |
致谢 |
四、分布预取式VOD系统的设计与实现(论文参考文献)
- [1]面向新型流媒体的网络资源分配和传输调度研究[D]. 王小东. 中国科学技术大学, 2020(01)
- [2]P2P VOD系统下基于两层关系的预取策略[D]. 王旭. 大连理工大学, 2014(07)
- [3]流媒体系统基于用户行为分析的资源管理研究[D]. 张西文. 中国科学技术大学, 2014(10)
- [4]异构环境中SVC-P2P-VoD分片调度研究[D]. 张希. 重庆大学, 2014(01)
- [5]无线移动自组网下主动性流媒体认知服务研究[D]. 贾世杰. 北京邮电大学, 2014(04)
- [6]云辅助P2P-VoD系统服务器带宽资源优化关键技术研究[D]. 丛鑫. 北京邮电大学, 2013(04)
- [7]分布式服务系统基于分层的存储资源管理研究[D]. 巫旭敏. 中国科学技术大学, 2012(01)
- [8]P2P流媒体系统的测量分析和建模研究[D]. 危婷. 北京交通大学, 2012(10)
- [9]基于用户行为特征的P2P视频点播系统数据预取机制[J]. 王娟,纪其进,朱艳琴. 小型微型计算机系统, 2010(10)
- [10]基于用户行为特征的交互式P2P视频点播系统存储机制研究[D]. 王娟. 苏州大学, 2010(02)