论文部分内容阅读
为了能够提供大规模的流媒体服务，传统单机服务器的模式已经不能适应新的要求，为此，研究人员提出以集群技术和对等计算技术来解决这一紧迫挑战。以上述两种技术来构建大规模流媒体服务需要解决一个关键技术问题，即媒体资源管理策略。它包含了三个一般性问题，即资源的存储策略、搜索策略和访问策略。在不同的技术背景下，这三个研究课题有其不同的实现策略与重要程度。 在集群环境下构建大规模流媒体服务，媒体资源管理策略主要体现为媒体数据的分布式分片存储策略和多个存储子系统资源的调度分配策略。通过提出一种新型媒体数据的分布式分片存储策略Owl，使得分片之后的分片数据由具有独立逻辑意义的块组成，可以实现多个子流的同步，减小系统运行时的资源开销。考虑到集群具有多个存储子系统，因此有必要研究一种优化的存储子系统资源调度与请求处理的模型。结合排队论思想，也研究了一种新型存储子系统的资源分配、请求调度机制。按照上述策略所实现的一个称为Wanlan的集群流媒体服务器已经得到应用。 在对等网络环境下构建大规模流媒体直播服务，媒体资源管理策略主要体现为节点对优势父亲节点的选择策略以及媒体数据在传输时的缓冲管理算法。选择一个延迟小、带宽大的父亲节点成为关键。基于此设计了一种基于近邻连接原则的拓扑结构。该结构可以满足每个节点从最邻近节点获取媒体数据的要求。另一方面，由于不同层次的节点受上层节点退出的影响不同，因此设计并提出了一种称为位置（层次）敏感的缓冲管理算法。在该算法的支持下，每个节点可以按照自己的层次动态调整缓冲区大小，从而可以规避上层节点变动带来的影响，维持本地以及所有下层节点的流媒体服务质量。上述管理策略的一个原型系统Anysee已经得到了实际部署与应用。 在基于对等网络技术实现视频点播服务时，媒体资源管理策略主要体现为媒体数据的搜索与分发机制。资源搜索策略是提高服务效率和服务质量的关键技术。提出了一种称为Lemming的资源搜索策略，该策略不仅考虑到超级节点的代理作用，同时也没有忽视叶子节点，充分考察了每个节点继往的搜索任务成功率，并保持服务的聚集性特点。媒体数据分发策略的重点在于，选择合适的时机分发数据、数据分片传送的原则以及对VCR操作的敏感。提出了一种称为Peer-Owl的媒体数据分发策略，提高了数据分发的效率、成功率。 基于一个通用的流媒体成本分析模型，对在上述两种基础设施上所实现的媒体服务系统进行成本评估是非常有必要的。评估表明，集群流媒体系统的扩展性具有局限性，其部署范围受到了规模的限制;而对等流媒体服务系统可以任意部署，其各个节点的成本付出比较均匀，扩展性好。