2018-08-29 17:20:01
一种改进在线视频传输的编码缓存方案

伦敦帝国学院的研究人员开发了一种新的编码缓存方法,可以改善在线流行视频内容的传递。arXiv上预先发布了一篇概述他们发现的研究论文,概述了该技术及其与其他缓存方案相比的性能。

越来越多的人在网上流式传输视频内容,一些视频变得特别流行,主导了无线数据流量。这导致了主动缓存系统的发展,该系统在非高峰流量期间预取视频内容,并将其存储在网络边缘或直接存储在用户设备中。这些系统可以减轻流量负荷并减少特别流行的视频内容的延迟。

主动缓存有两个阶段:放置阶段,在非高峰流量期间,系统填充用户缓存;交付阶段,一旦用户需求被披露(高峰流量时),系统就会进行。传统的未编码缓存方案使用正交单播传输,这需要信息发送者和目的地之间一对一的关联,每个目的地都标识一个接收者。

一种称为编码缓存的新模式利用网络上的缓存资源,通过为多播传输创造机会来优化放置和传递阶段,这需要在一次传输中同时将数据报路由到许多接收者。在他们的研究中,研究人员提出了一种新的策略来解决现有编码缓存系统的两个局限性。

迄今为止,大多数开发编码缓存方法的研究主要集中在静态场景上,在静态场景中,固定数量的用户同时从内容库中发出请求。这些缓存方案的性能是通过满足所有用户需求的延迟来衡量的。然而,实际上,不同地方的人们在不同的时间点开始在线观看视频,有时会在视频结束前打断视频。这种特定的用户行为由观众保持率来表示,这是由主流视频平台(如YouTube和Netfix )引入的衡量标准,它平均定义了用户观看的特定视频部分。

观众保留率可以帮助流媒体服务更好地理解和模拟用户对不同视频内容的喜爱程度。在他们的研究中,研究人员发现部分缓存,其中只缓存视频的大部分观看部分,可能有助于实现更高效的缓存。

研究人员在他们的论文中解释说:“我们研究视频文件的编码缓存,考虑到每个视频的观众保留率。”。“我们认为每个视频文件由等长的块组成,每个块的观众保留率是在相应视频的总视图中观看该块的用户比例。"

与先前关于编码缓存的文献相反,研究人员提出了一个动态需求到达模型,称为部分编码缓存( PCC )。这个模型更现实,因为它认为用户在不同的时间点开始和停止观看视频。此外,研究人员提出了两种不同的缓存分配方案,将用户的缓存分配给库中不同的视频文件块;称为最佳缓存分配( OCA )和基于流行度的缓存分配( PCA )。

研究人员在他们的论文中写道:“结果显示,与未编码缓存相比,所提出的方案在平均交付率方面有了显著改进,或者将其他已知交付方法扩展到异步场景。”。

未来,这种新的部分编码缓存方案将有助于解决低延迟的问题,并在高数据流量时改善在线流行视频的视频传输。这对流行的流媒体平台非常有用,比如YouTube、Netflix和亚马逊Prime视频。

猜您喜欢的其它内容