流媒體系統(tǒng)基于用戶行為分析的資源管理研究.pdf

1、隨著通信技術(shù)和互聯(lián)網(wǎng)的發(fā)展，視頻點(diǎn)播服務(wù)(Video on Demand，VoD)以其訪問便捷、內(nèi)容豐富等特征越來越受到人們的關(guān)注并得到了飛速發(fā)展，成為互聯(lián)網(wǎng)上的主流應(yīng)用。為應(yīng)對(duì)龐大的用戶規(guī)模、海量的數(shù)據(jù)存儲(chǔ)和動(dòng)態(tài)的用戶交互請(qǐng)求，內(nèi)容分發(fā)網(wǎng)絡(luò)和對(duì)等網(wǎng)絡(luò)等構(gòu)建于物理網(wǎng)絡(luò)之上的邏輯覆蓋網(wǎng)絡(luò)被用于流媒體系統(tǒng)的開發(fā)，以提高系統(tǒng)的吞吐量和可擴(kuò)展性。用戶在視頻訪問過程中的交互式操作和分布式系統(tǒng)中節(jié)點(diǎn)及資源的動(dòng)態(tài)變化都制約了流媒體服務(wù)的服務(wù)質(zhì)量，研究

2、流媒體中的用戶行為模型和資源管理策略，對(duì)提供高質(zhì)量的流媒體服務(wù)具有重要的現(xiàn)實(shí)意義。
　　本文以國(guó)家863項(xiàng)目“融合網(wǎng)絡(luò)業(yè)務(wù)體系的開發(fā)”課題和國(guó)家科技支撐計(jì)劃“支持跨區(qū)域、多運(yùn)營(yíng)商的新一代廣播電視服務(wù)系統(tǒng)”課題為研究背景，以提高系統(tǒng)資源利用效率、保障流媒體服務(wù)的服務(wù)質(zhì)量為目的，在多媒體覆蓋網(wǎng)絡(luò)中研究系統(tǒng)的資源管理和服務(wù)組合策略，通過對(duì)用戶在流媒體播放過程中的交互式操作行為的統(tǒng)計(jì)建模，實(shí)現(xiàn)高性能的流媒體數(shù)據(jù)緩存預(yù)取策略。本文主要研究?jī)?nèi)

3、容包括以下三個(gè)方面:
　　(1)提出一種保障QoS分布式流媒體系統(tǒng)資源管理策略
　　針對(duì)動(dòng)態(tài)分布式環(huán)境下服務(wù)節(jié)點(diǎn)資源分配和流媒體服務(wù)的QoS保障等問題，在傳統(tǒng)的內(nèi)容分發(fā)網(wǎng)絡(luò)的基礎(chǔ)上提出采用多媒體覆蓋網(wǎng)整合和管理分布式系統(tǒng)中的資源，并采用具有QoS保證的服務(wù)組合算法向用戶提供具有QoS偏好的流媒體服務(wù)。通過對(duì)系統(tǒng)中各種資源的分析及服務(wù)質(zhì)量各個(gè)屬性的定義，提出了元服務(wù)QoS模型以及組合服務(wù)的QoS計(jì)算方法，在給出具有服務(wù)質(zhì)量保證

4、的服務(wù)組合問題的數(shù)學(xué)模型的基礎(chǔ)上，提出基于學(xué)習(xí)自動(dòng)機(jī)理論的服務(wù)組合算法。該算法通過對(duì)服務(wù)覆蓋網(wǎng)中資源與服務(wù)狀況的感知與學(xué)習(xí)，尋找滿足資源約束條件與用戶給定服務(wù)質(zhì)量的服務(wù)組合策略，在實(shí)驗(yàn)設(shè)定由5-90個(gè)元服務(wù)構(gòu)成的組合服務(wù)時(shí)，使用該學(xué)習(xí)算法可以在多項(xiàng)式時(shí)間內(nèi)選擇出最優(yōu)或次優(yōu)的服務(wù)組合策略，并具有良好的可擴(kuò)展性。
　　(2)建立基于隱馬爾可夫模型的用戶交互式行為模型
　　建立和分析用戶的交互行為模型可以對(duì)系統(tǒng)的性能進(jìn)行有針對(duì)性的

5、優(yōu)化，以提高服務(wù)效率。本文在統(tǒng)計(jì)和分析用戶觀看視頻過程中的交互行為的基礎(chǔ)上，將用戶觀看行為建模為隱馬爾可夫模型，并在所建立模型的基礎(chǔ)上對(duì)用戶瀏覽狀態(tài)進(jìn)行預(yù)測(cè)，該策略使用Baum-Welch法對(duì)隱狀態(tài)的轉(zhuǎn)移概率參數(shù)進(jìn)行極大似然估計(jì)，并利用系統(tǒng)參數(shù)的部分先驗(yàn)信息，避免所估計(jì)參數(shù)的似然函數(shù)陷入局部極大值，然后根據(jù)系統(tǒng)參數(shù)和單個(gè)用戶的在線操作行為更新用戶瀏覽狀態(tài)的后驗(yàn)概率，使用最大后驗(yàn)概率準(zhǔn)則對(duì)用戶行為進(jìn)行判決。通過貝葉斯推理，跟蹤用戶瀏覽狀態(tài)

6、的變化，充分利用了HMM模型的先驗(yàn)知識(shí)和當(dāng)前用戶記錄在流媒體服務(wù)器上的操作信息，尤其是對(duì)于熱門視頻的觀看行為，得益于用戶在觀看熱門視頻過程中豐富的VCR操作，對(duì)用戶的交互操作預(yù)測(cè)準(zhǔn)確率能達(dá)到77.5％以上，該策略具有較為明顯的建模能力。
　　(3)提出一種基于模型預(yù)測(cè)的流媒體預(yù)取策略
　　本文綜合計(jì)算了用戶在視頻訪問過程中的初始訪問延遲以及視頻對(duì)象在播放過程中因無法及時(shí)獲得所需數(shù)據(jù)而導(dǎo)致的網(wǎng)絡(luò)抖動(dòng)延遲，結(jié)合媒體對(duì)象各數(shù)據(jù)段的

7、初始訪問概率和條件訪問概率提出了降低延遲的優(yōu)化公式。根據(jù)模型參數(shù)和用戶當(dāng)前所處狀態(tài)對(duì)用戶下一時(shí)刻可能訪問的數(shù)據(jù)段進(jìn)行判決，由判決結(jié)果計(jì)算影片數(shù)據(jù)段的預(yù)取價(jià)值和緩存價(jià)值并實(shí)施預(yù)取策略以降低用戶訪問視頻過程中的延遲和抖動(dòng)。實(shí)驗(yàn)表明，本算法針對(duì)交互操作頻繁的熱門視頻，采用預(yù)取技術(shù)能充分利用系統(tǒng)的帶寬并及時(shí)獲得用戶將要訪問的數(shù)據(jù)從而降低訪問延遲發(fā)生的概率，提高流媒體系統(tǒng)的服務(wù)質(zhì)量，其延時(shí)降低量比采用簡(jiǎn)單統(tǒng)計(jì)的預(yù)取算法高出6％左右，比單純采用LR