地理分布式云环境下面向众包直播视频流应用的智能资源预留
网络与互联网体系结构
2021-06-07 v1 分布式、并行与集群计算
机器学习
多媒体
摘要
诸如 Facebook Live、YouNow、Douyu 和 Twitch 等众包直播视频流(直播)服务近来势头渐盛。以成本效益的方式分配有限资源,同时通过实时交付和为所有观众提供适当表示来最大化服务质量(QoS),是一个具有挑战性的问题。在本文中,我们引入了一个基于机器学习的地理分布式云站点预测性资源分配框架,考虑延迟与质量约束,以保障观众的最大 QoS 和内容提供商的最小成本。首先,我们提出一个离线优化,在靠近观众的分布式区域决定所需的转码资源,在 QoS 与总体成本之间进行权衡。其次,我们使用机器学习构建预测模型,主动预测每个云站点需提前预留的近似转码资源。最后,我们开发了贪婪最近最廉算法(GNCA)以在租用资源上执行实时广播视频的资源分配。大量仿真表明,GNCA 在系统成本上获得超过 20% 的收益,同时以相对较低延迟服务观众,从而优于众包直播流的最先进资源分配方法。
引用
@article{arxiv.2106.02420,
title = {An Intelligent Resource Reservation for Crowdsourced Live Video Streaming Applications in Geo-Distributed Cloud Environment},
author = {Emna Baccour and Fatima Haouari and Aiman Erbad and Amr Mohamed and Kashif Bilal and Mohsen Guizani and Mounir Hamdi},
journal= {arXiv preprint arXiv:2106.02420},
year = {2021}
}
备注
Published in IEEE systems journal