面向新媒体广播的云CDN系统

互联网用户的快速增长使得流媒体访问需求不断增加,庞大的流媒体访问需求和有限的服务器分发能力,造成了系统响应慢、用户体验下降等问题.针对以上问题,结合新媒体广播项目中流媒体分发的实际应用,提出了一种基于云计算的流媒体分发系统,主要利用云计算的分布式处理和CDN（Content Distributed Network）分发系统来使用户能够就近访问所需资源,在保证流媒体分发质量的同时提高分发速度,降低企业成本改善用户访问体验.本文主要阐述了面向新媒体广播的云CDN系统的总体框架和主要功能,具体介绍了借助于Hadoop实现的客户端测速技术以及基于用户访问行为的缓存策略.     

面向直播HTTP Streaming系统的HTTP缓存服务器行为优化

HTTP缓存服务器是提高HTTP Streaming系统客户并发量的关键环节。但当前主流HTTP缓存服务器,如Nginx、Squid、Varnish等,在缓存资源更新期间的行为都存在不足,当被应用在面向直播的HTTP Streaming系统中时,会周期性地把大量客户端请求转发至源服务器,从而制约了HTTP Streaming系统的可伸缩性。提出一种优化的HTTP缓存服务器在缓存更新期间的行为,即缓存服务器仅向源服务器转发一路客户端请求,缓存更新期间,拒绝其他关于该资源的请求。优化策略在使用最为广泛的Nginx服务器的基础上进行了实现。实验证明,优化后系统的伸缩性得到了显著提高。     

用户情境感知的流式移动应用推荐

在目前流式应用分发系统中,客户端的移动应用分发都是依靠系统后台管理员人工操作或者简单地依靠位置信息为用户分发应用,没有考虑到用户在不同的情境活动下对应用的需求差异问题。针对上述问题,提出一种基于用户情境感知的流式应用推荐机制。该机制通过采集流式应用场景下用户的情境信息数据,利用机器学习Xgboost算法识别用户情境活动,并根据识别的用户情境来为用户推荐应用。同时,利用用户的反馈信息进一步提高用户个性化应用推荐的准确度。实验结果表明,Xgboost算法在准确率和时间开销上性能优于传统算法,在流式应用分发系统中有很高的实际应用价值。     

基于位置信息的流式移动应用推送系统的研究

目前与位置相关的移动应用越来越多,传统应用分发模式中,用户需要手动对应用进行搜索、下载、安装以及卸载,不利于提升用户使用应用服务的体验。设计并实现了基于位置信息的流式移动应用推送系统,该系统中服务器利用移动终端位置信息将相关应用解析、安装,并推送到移动终端显示,移动终端根据用户的选择从服务器流式加载应用。该系统使得用户在切换位置时,不用下载、安装即可使用和当前位置相关的应用服务。实验表明,和传统应用分发模式相比,在3G网络环境下可以减少64.37%的应用获取时延,在4G网络环境下可以减少74.49%的应用获取时延。     

基于谱聚类的Web多级缓存替换策略

服务器缓存性能的核心是缓存替换策略, 缓存替换策略直接影响缓存的命中率, Web缓存可以解决网络拥塞和用户访问延迟问题, 提高服务器的性能. 传统缓存替换算法的命中率往往不高, 为此文中提出了一种基于谱聚类的多级缓存替换策略. 该策略利用循环滑动窗口机制提取日志文件的多项时序特征和访问属性, 通过谱聚类对过滤后的数据集进行聚类分析从而得到访问预测结果. 多级缓存替换策略综合考虑了缓存对象的局部频率、全局频率以及资源大小能更好地对低价值资源进行剔除, 同时对高价值资源进行保留. 通过与传统替换算法LRU、LFU、RC、FIFO进行实验对比, 实验结果表明本文将谱聚类和多级缓存替换策略进行结合有效地提高了缓存请求命中率和字节命中率.     

移动即时通讯软件的缓存替换策略

近年来,移动即时通讯软件功能越来越多样化,其聊天记录等数据的规模也越来越大,这给本身空间有限的移动终端的存储和处理带来很大压力。为了解决以上问题,研究和分析了移动即时通讯软件中针对不同部分的聊天记录用户的行为特点,进而探究了用户行为和缓存价值之间的联系,提出了一种基于用户浏览行为的缓存替换策略,针对每部分缓存的数据对用户的价值有选择地替换记录缓存。该策略可以很好地适应移动终端小内存、低带宽和即时通讯软件高时效性等要求。实验证明,所提策略具有较高的缓存命中率,且可有效控制即时通讯软件的缓存大小。     

基于用户行为的P2P-VoD多路径内容分发策略

通过对现有VoD用户行为的研究分析,认为VoD的用户行为具有一定的可预测性,如果分发中能考虑到用户行为的因素,可以提高分发的效率。提出了一种基于用户行为统计的内容分发方案,预测用户行为;采用提前预取的动态策略,达到系统整体性能的优化。对系统的仿真试验证明,基于用户行为的动态预取策略,相比缓存最新策略和F／CN替换策略,可以降低服务器端的带宽压力,提高用户的节点命中率,更好地发挥P2P的I陛能。     

基于Hadoop视频转码缓存策略的研究

针对实时云转码系统中已转码的媒体文件重新使用率不高的情况,引入转码缓存机制,提出一种缓存替换策略。采用云存储空间缓存视频,根据视频资源的流行度、请求间隔、视频大小和未来被访问概率计算视频的效能函数值,当缓存空间不足时替换出效能值较小的视频。实验结果表明,与传统置换算法LRU、LFU和FIFO相比,该策略的资源请求命中率分别提高了2?6％,4?3％和9?2％,在一定程度上缩短了视频分发延迟,减少了用户响应时间。     

移动边缘计算中的内容分发加速策略

针对移动边缘计算(MEC)中的内容分发加速问题,考虑MEC服务器存储空间受限对内容缓存的影响,以移动用户获取对象延时为优化目标,根据用户群对不同对象的兴趣的差异,提出了一种基于兴趣的内容分发加速策略(ICDAS)。该策略根据MEC服务器的存储空间、移动用户群对不同对象的兴趣以及对象的文件大小,选择性地在MEC服务器上缓存对象,并及时对MEC服务器上缓存的对象进行更新,最大限度地满足移动用户群的内容需求。仿真结果表明,所提策略具有良好的收敛性能,其缓存命中率相对稳定且明显优于现有策略;当系统运行达到稳定后,相较于现有策略,该策略可使用户获取对象数据的时延减少20%。     

基于Web访问特性的缓存替换策略

在分析Web轨迹的基础上,找出用户访问Web内容的访问特性:访问再次到达的概率和访问内容大小分布,并建立相应的代价公式,利用这些代价作为计算Web内容价值的要素.根据这些特性判断用户访问内容被再次访问的可能性,提出内容分发网络缓存替换策略.最后通过数值仿真计算与现有替换策略进行比较,说明了该替换策略的优越性.     

基于P2P的流媒体客户端缓存管理机制的研究

针对在基于P2P的点播系统中,由于客户端缓存区没有得到高效的利用而影响流媒体点播系统的服务质量问题,提出了一种新的基于混合P2P的流媒体点播模型P2P_VOD,该模型将客户端缓存分为三个区,并详细阐述了客户端节点缓存区的缓存替换机制,综合考虑了数据块备份量的均衡性和节点VCR操作的命中率,使得节目数据块在各节点间缓存得到全局优化并有效缓解了服务器负载。通过仿真对比实验,验证了该模型在启动延迟和服务器负载方面的优越性。     

P2P点播系统的客户端磁盘缓存策略

在基于有服务器结构对等网络环境的点播系统中,针对客户端需要缓存部分流媒体数据的问题,提出一种新型预测双缓存模型,给出相应的缓存替换算法。仿真实验表明,该模型在用户数目增多时,客户端缓存的命中率大幅提高,服务器的负载得到改善,显著降低了VCR操作时所引起的等待延迟。     

基于流行度预测的流媒体代理缓存替换算法

针对流行度随时间变化的特性，利用回归分析技术给出了一种流媒体文件的流行度预测算法，并在增加少量存储空间及计算时间消耗的情况下，将该预测算法应用于流媒体代理缓存服务器的缓存替换算法之中，模拟实验表明，该方法能减少缓存的替换次数，提高缓存命中率，性能较优。     

P2P流媒体系统中基于关联规则的缓存替换策略

随着互联网的日益发展，人们对流媒体的需求不断提高，对视频服务器提出了更高的要求。P2P视频点播系统中传统的缓存替换策略无法获得很好的用户体验。针对此问题，本文对传统的缓存算法FIFO进行改进，提出基于关联规则的FIFO替换算法(FIFO-AR)。为了进一步提升缓存替换算法的性能，提出一种新的基于关联规则的缓存替换算法（CRA-AR）。根据用户的播放记录和视频段的流行度，并结合关联规则，从而得到待缓存的视频段。实验结果表明,FIFO-AR和CRA-AR相比于传统的缓存替换算法，具有较高的命中率和较少的响应时间。     

CBC: Caching for cloud-based VOD systems

Cloud-based video on demand (VOD) service is a promising next-generation media streaming service paradigm. Being a resource-intensive application, how to maximize resource utilization is a key issue of designing such an application. Due to the special cloud-based VOD system architecture consisting of cloud storage cluster and media server cluster, existing techniques such as traditional caching strategies are inappropriate to be adopted by a cloud-based VOD system directly in practice. Therefore, in this study, we have proposed a systemic caching scheme, which seamlessly integrates a caching algorithm and a cache deployment algorithm together to maximize the resources utilization of cloud-based VOD system. Firstly, we have proposed a cloud-based caching algorithm. The algorithm models the cloud-based VOD system as a multi-constraint optimization problem, so as to balance the resource utilization between cloud storage cluster and media server cluster. Secondly, we have proposed a cache deployment algorithm. The algorithm further manages the bandwidth and cache space resource utilization inside the media server cluster in a more fine-grained manner, and achieves load balancing performance. Our evaluation results show that the proposed scheme enhances the resource utilization of the cloud-based VOD system under resource-constrained situation, and cuts down the reject ratio of user requests.     

基于高斯混合模型的Web代理服务器缓存替换策略

Web代理服务器缓存能够在一定程度上解决用户访问延迟和网络拥塞问题,Web代理缓存的缓存替换策略直接影响缓存的命中率,从而影响网络请求响应的效果;为此,使用一种通过固定大小的循环滑动窗口提取Web日志数据的多项特征,并使用高斯混合模型对Web日志数据进行聚类分析,预测在窗口时间内可能再次访问到Web对象,结合最近最少使用(LRU)算法,提出一种新的基于高斯混合模型的Web代理服务器缓存替换策略;实验结果表明,与传统的缓存替换策略LRU、LFU、FIFO、GDSF相比,该策略有效提高了Web代理缓存的请求命中率和字节命中率。     

基于缓存的分布式统一身份认证优化机制研究

企业在进行应用系统集成时,普遍使用独立的身份认证系统来实现平台中身份信息的交换和共享。如何应对高并发、大用户流量的用户请求,是保障认证系统稳定、高效运行的重要问题。针对单认证中心负载过重,容易出现单点失效及系统响应慢的问题,提出了将认证服务器集群化的方案;将认证票据存储在缓存使得多个认证节点共享认证信息,并将重要且频繁使用的数据预存到缓存中以提高响应速度;结合复杂多样的用户行为提出了基于Hybrid的多因素缓存替换算法。实验结果表明,所采用的基于缓存的分布式认证架构能够保证系统的稳定性,提高系统的响应速度,改进的缓存替换算法提高了缓存命中率。     

混合P2P流媒体的缓存替换算法研究*

给出一种有服务器的混合P2P流媒体系统模型,针对该模型提出了一种对等节点的缓存替换算法,并通过仿真试验验证了该算法的有效性。