一种应用于云媒体系统的群组带宽管理优化方法

摘要

本发明公开一种应用于云媒体系统的群组带宽管理优化方法，包括：在带有社交性质的云媒体系统中，进行群组的划分，在各群组分别选一个协调者，各群组成员的代理虚拟机必须位于同一数据中心；将云媒体系统运行周期切割成若干个时间段；在各时间段，协调者获取各群组信息；基于群组构建QoE模型，根据云媒体系统状态信息及群组信息决策出带宽分配方案；将带宽分配决策信息写入SDN交换机，进行带宽划分；根据带宽划分情况，群组中的协调者与多媒体服务器建立一条下载链路，下载内容通过P2P的方式在群组中分发。采用本方法来对云媒体系统的带宽进行管理，有效的解决了多媒体数据中心下载链路拥挤，同时能够提高下载带宽实际利用效率。

说明书

技术领域

本发明涉及视频流媒体技术和云计算资源管理领域，更具体地，涉及一种应用于云媒体系统的群组带宽管理优化方法。 

背景技术

随着近年来在线视频产业、终端技术和网络带宽的高速发展，多媒体应用已经成为人们生活中不可或缺的互联网应用。另一方面，云计算技术的日趋成熟催生了“瘦终端-云”的服务模式，在这种模式下，用户的终端设备与云端高性能计算资源互联，并享受到高质量的服务。将这种模式应用了多媒体环境滋生了一种新型的云计算服务——云媒体，如图1为云媒体系统的基本架构图。 

其核心组件是云媒体数据中心，主要包括云媒体基础设施层和多媒体应用层。从基础设施的层面来说，云媒体数据中心为每个用户终端维持一个虚拟机，其作用类似于一个高性能的代理服务器；从多媒体应用层面来说，云媒体数据中心为终端用户提供多媒体内容分发、处理(比如转码)和个性化广告推送等服务。 

在云媒体系统中，多媒体应用请求(比如观看一个视频)由用户终端发起。多媒体应用请求分为单个用户请求和群组用户请求两种，这是根据同步观看同一个多媒体资源的人数来界定的。实际上，这两种请求广泛并存于多媒体应用中：单个用户请求常见于传统的多媒体应用(比如视频点播网站)；群组请求常见于带有社交性质的多媒体系统中(比如社交电视)。 

在一个具有社交性质的云媒体系统中，当用户终端发起一个多媒体应用请求时，它的代理虚拟机会与多媒体内容服务器建立一条流式下载链路，实时地对多媒体流进行处理(比如实时转码和广告推送等)，并按需地对多媒体内容进行缓存，最后把经过处理的多媒体流发送给用户终端。这种处理流程适应于处理单个用户请求，但对于群组请求，如果群组中每个成员的虚拟机都与内容服务器建立单独的下载链路，那么会造成多媒体数据中心下载链路拥挤以及下载带宽实际利用效率不高的情况。 

综上所述，在云媒体系统中，设计一种基于社交网络关系的群组带宽管理策略，来应对群组请求带来的流量高峰以及提高云媒体数据中心下载带宽的实际利用效率是很有必要的。 

现有主要的基于社交网络关系的群组带宽管理策略主要包括以下方式： 

1)每个群组用户的代理虚拟机单独建立与多媒体内容服务器的下载链路，从服务器接收对应的媒体流(这个链路是唯一的，其它虚拟机不能占用)，并且能够对媒体进行开始、停止、暂停或进度条拖动等操作。该虚拟机对这个多媒体流拥有控制权。 

这种技术要求群组中每个虚拟机各自连接服务器，服务器需要给每个虚拟机建立单独的数据流链路，对多媒体内容服务器的计算资源和网络带宽的需求都比较大。另一方面，该方式也会造成云媒体数据中心的下载链路拥挤。 

2)群组用户的代理虚拟机被动地接收媒体流。在这个过程中，虚拟机接收流，但不能控制流，虚拟机不能进行开始、停止等操作。数据发送分为单播发送和广播发送两种方式：使用单播发送时，服务器需要将数据包复制多个拷贝，以多个点对点的方式分别发送到需要它的虚拟机，而使用广播发送时，单一的数据包拷贝将发送给所有的虚拟机，而不管该虚拟机是否需要这个数据包。 

在该技术中，不管采用哪种数据发送方式，都会非常浪费多媒体服务器的计算资源和网络带宽。另一方面，该技术不能缓解群组请求给云媒体数据中心带来的下载拥挤。 

3)该技术吸收了上述两种方式的长处，克服了上述两种技术数据发送方式的弱点，将单一的数据包拷贝发送给请求的所有虚拟机。这种方式不会复制数据包的多个拷贝传输到网络上，也不会将数据包发给不需要它的虚拟机，保证了网络上多媒体应用占用网络的最小带宽。 

该技术不仅需要多媒体内容服务器的支持，更需要有多播路由器乃至整个网络结构的支持。另外，该技术方案也没有解决群组请求所带来的下载拥挤问题。 

4)该技术采用预留带宽的策略解决群组请求带来的下载拥堵问题。通过预测云媒体系统同一时刻的群组请求个数以及群组的规模，计算出最大需求的带宽并进行部署。 

该技术大大增加了云媒体系统的带宽开销，系统空闲时过剩的带宽处于闲置状态，造成浪费。另一方面，云媒体系统的用户行为是动态的，未来的群组请求个数以及规模都是不能精确预测的，这会给预留带宽的设定带来困难。 

发明内容

为了克服现有的带社交性质的云媒体系统处理群组请求的不足，本发明提出一种应用云媒体系统中的群组带宽管理优化方法。本方法充分利用群组请求的特征，单个群组只与多媒体服务器建立一条下载链路，下载内容通过P2P的方式在群组中分发。对于云媒体数据中心下载带宽有限的情况，本发明通过建立基于群组的QoE模型，设计出基于群组的带宽分配方案，并通过SDN交换机将划分的带宽分配给对应的群组。 

为了实现上述目的，本发明的技术方案为： 

一种应用于云媒体系统的群组带宽管理优化方法，包括以下步骤： 

S1.在带有社交性质的云媒体系统中，将用户群进行群组的划分，在各群组分别选举出一个协调者，其中各群组成员的代理虚拟机必须位于同一数据中心； 

S2.将云媒体系统运行周期切割成若干个时间段； 

S3.在每一个时间段里，通过各群组的协调者获取各群组信息； 

S4.基于群组构建QoE模型，根据云媒体系统状态信息以及群组信息，动态的决策出带宽分配方案，该带宽分配方案在云媒体系统运行周期内保证带宽开销最小，同时保证用户体验质量大于一个给定阈值； 

S5.将带宽分配决策信息写入SDN交换机，SDN交换机进行带宽划分； 

S6.根据带宽划分情况，群组中的协调者与多媒体服务器建立一条下载链路，下载内容通过P2P的方式在群组中分发。 

步骤S1中的各群组的协调者可以是群组发起者，协调者负责采集本群组各个成员的信息，如是否付费用户、需求码率等。采用本方法来对云媒体系统的带宽进行管理，有效的解决了多媒体数据中心下载链路拥挤，同时能够提高下载带宽实际利用效率。 

在本发明中，系统运行期被分为一个个时间槽，本发明带宽分配方案目标是“最小化平均带宽开销(也就是运行期内产生的所有带宽开销除以时间槽的个数)”，并把“平均用户QoE值总和大于一个阈值”作为一个限制条件。 

更进一步的，步骤S4中状态信息和群组信息包括单位带宽开销、云媒体系 统中群组的个数、各群组内的付费用户的人数、各群组内的免费用户的人数，以及每个用户需求的多媒体码率。 

在多媒体系统中，QoE指标衡量了用户对服务的满意程度，是衡量一个系统最重要的指标之一。则步骤S4基于群组构建QoE模型的具体方式为： 

1)计算单个用户的QoE 

对于群组i中的用户j，其QoE为： 

${\alpha }_i^j=\left(\begin{array}{cc}{a}_{1}1n\frac{a_2{\omega }_i^{j^{\text{'}}}}{{\omega }_i^j},& {\omega }_i^{j^{\text{'}}}\le {\omega }_i^j;\\ {\alpha }_0,& {\omega }_i^{j^{\text{'}}}>{\omega }_i^j;\\ 0,& a_2{\omega }_i^{j^{\text{'}}}<{\omega }_i^j;\end{array}\right)$

其中，代表群组i分配得到的带宽，代表群组i中用户j请求的多媒体码率，a₁、a₂和α₀是常量，其值确定了QoE模型，本发明中a₁lna₂＝α₀＝5。 

用户的QoE取值空间为[0，5]，QoE值随着分配到其群组带宽的大小变化而改变； 

2)计算同一时间点t所有群组的QoE值总和q(t)的方法： 

$q\left(t\right)=\underset{i=1}{\overset{\lambda \left(t\right)}{\Sigma }}(\underset{j=1}{\overset{n_i^{\mathrm{fu}}}{\Sigma }}{\alpha }_i^j+\underset{j=n_i^{\mathrm{fu}}+1}{\overset{n_i^{\mathrm{fu}}+n_i^{\mathrm{pu}}}{\Sigma }}{\mathrm{\mu \alpha }}_i^j),$

其中，λ(t)表示t时刻云媒体系统中群组个数，表示群组i中免费用户的人数，表示群组i中付费用户的人数，μ表示付费用户的加权因子。 

在这个群组QoE模型中，如果想增加q(t)的值，那么带宽分配调度器会优先满足大群组(人数较多、付费人数较多)的带宽需求。所以这个模型能够鼓励云媒体系统中的群组行为以及刺激更多的用户成为付费用户。 

更进一步的，步骤S4中最小化带宽开销采用Lyapunov方法优化，将状态信息和群组信息作为该优化问题的已知条件，将群组QoE值作为约束条件，并 同时设置一个可容忍QoE的下界来保证用户体验质量QoE，然后解出最优解作为决策结果。 

更进一步的，为了使用Lyapunov优化框架，将基于平均时间的约束条件转化为基于队列稳定性的条件，在这个优化问题中定义一个虚拟队列Q(t)： 

$Q(t+1)=\max [Q\left(t\right)+ϵ\bar{\lambda }\bar{g}-q\left(t\right),0],$

其中ε表示单个用户QoE的下届阈值，表示λ(t)的平均值，也就是同一时刻平均群组个数。表示单个群组的平均规模，的大小取决于单个群组中用户的个数以及付费用户的比例。队列Q(t)衡量了实际QoE跟期望QoE阈值之差的累计； 

L(Q(t))用于衡量该队列的大小，Δ(Q(t))表示相邻两个时间段队列数组的变化量，即Δ(Q(t))＝L(Q(t+1))-L(Q(t))； 

依据状态信息和群组信息在每一个时间段内计算出满足min(Δ(Q(t))+V·C(d(t)·T₀))的带宽部署策略d(t)和带宽分配向量完成本时间段的决策； 

带宽分配向量通过求解GKP函数，使得其满足min(Δ(Q(t)))，即寻找一个带宽分配策略，使得它满足max(q(t))； 

上述V是一个可控参数，C(d(t)·T₀)表示一个时间段内带宽的开销，其根据ISP的计费方式得到。是采用一种基于动态规划的解决方式来实现Lyapunov优化，在实际中还可以用暴力求解或分支界限的方法求解GKP函数，达到优化的目的。 

更进一步的，还能通过对付费用户的加权因子进行调参，从而实现控制付费用户QoE值对群组QoE总和的影响。 

与现有技术相比，本发明的有益效果为：本方法充分利用群组请求的特征，单个群组只与多媒体服务器建立一条下载链路，下载内容通过P2P的方式在群组中分发。对于云媒体数据中心下载带宽有限的情况，本发明通过建立基于群组的QoE模型，设计出基于群组的带宽分配方案，并通过SDN交换机将划分的带宽分配给对应的群组。采用本方法来对云媒体系统的带宽进行管理，有效 的解决了多媒体数据中心下载链路拥挤，同时能够提高下载带宽实际利用效率。 

附图说明

图1为云媒体系统的基本架构图。 

图2为群组的划分以及成员的关系的示意图。 

图3为本发明中基于群组的带宽分配算法的流程图。 

图4为带宽分配决策主程序伪代码图。 

具体实施方式

下面结合附图对本发明做进一步的描述，但本发明的实施方式并不限于此。实施例1 

本发明的基本技术包括：群组划分、群组QoE(Quality of Experience用户体验质量)模型、基于群组的带宽分配方案、带宽分割。 

群组划分

在带有社交性质的云媒体系统中，群组的定义是同时同步观看同一个多媒体内容的用户群。在本实施例中，考虑到跨数据中心对数据传输的影响，群组的划分被加强限定：群组成员的代理虚拟机必须位于同一数据中心。图2描述了群组的划分以及成员的关系。当一个群组产生时，从群组中选举一个协调者(比如群组发起者)，协调者负责采集本群组各个成员的信息(比如是否付费用户、需求码率等)。协调者将这些信息反馈到SDN交换机，带宽分配策略生成后，协调者与对应的多媒体内容服务器建立一条下载链路，获取的流式多媒体数据将实时地通过P2P的形式分发给其他群组成员。 

群组QoE模型 

在多媒体系统中，QoE指标衡量了用户对服务的满意程度，是衡量一个系统最重要的指标之一。在本实施例中，设计出基于群组的QoE模型。 

首先，提出单个用户的QoE计算方法。对于群组i中的用户j，其QoE为： 

${\alpha }_i^j=\left(\begin{array}{cc}{a}_{1}1n\frac{a_2{\omega }_i^{j^{\text{'}}}}{{\omega }_i^j},& {\omega }_i^{j^{\text{'}}}\le {\omega }_i^j;\\ {\alpha }_0,& {\omega }_i^{j^{\text{'}}}>{\omega }_i^j;\\ 0,& a_2{\omega }_i^{j^{\text{'}}}<{\omega }_i^j;\end{array}\right)$

其中，代表群组i分配得到的带宽，代表用户j请求的多媒体码率，常量a₁、a₂和α₀的值确定了QoE模型，在本实施例中a₁lna₂＝α₀＝5。 

这样，用户的QoE取值空间为[0，5]，QoE值随着分配到其群组带宽的大小变化而改变。 

计算同一时间点t所有群组的QoE值总和q(t)的方法： 

$q\left(t\right)=\underset{i=1}{\overset{\lambda \left(t\right)}{\Sigma }}(\underset{j=1}{\overset{n_i^{\mathrm{fu}}}{\Sigma }}{\alpha }_i^j+\underset{j=n_i^{\mathrm{fu}}+1}{\overset{n_i^{\mathrm{fu}}+n_i^{\mathrm{pu}}}{\Sigma }}{\mathrm{\mu \alpha }}_i^j),$

其中，λ(t)表示t时刻云媒体系统中群组个数，表示群组i中免费用户的人数，表示群组i中付费用户的人数，μ表示付费用户的加权因子。 

在这个群组QoE模型中，如果想增加q(t)的值，那么带宽分配调度器会优先满足大群组(人数较多、付费人数较多)的带宽需求。所以这个模型可以鼓励云媒体系统中的群组行为以及刺激更多的用户成为付费用户。 

基于群组的带宽分配算法 

下面结合附图和实施例对基于群组的带宽分配方法做进一步的说明。 

如图3，为本发明中基于群组的带宽分配方法的流程图。具体步骤如下： 

(S101)将云媒体系统运行周期切割成若干个时间段； 

(S102)在每一个时间段里，通过每个群组的协调者获取各群组信息； 

(S103)根据系统状态信息以及群组信息决策出带宽分配方案，该带宽分配方案在系统运行周期内最小化带宽开销，同时保证用户体验质量大于一个给定阈值。 

(S104)将带宽分配决策信息写入SDN交换机，进行带宽划分。 

其中状态信息和群组信息包括单位带宽开销、系统中群组的个数、群组付费用户/免费用户的人数，以及每个用户需求的多媒体码率。根据这些状态信息和群组信息通过优化策略决策出本时间段的带宽分配策略。 

在本实施例中，可以将优化最小化带宽开销的问题转化为Lyapunov优化问题，将状态信息和群组信息作为该优化问题的已知条件，将群组QoE值作为约束条件，并同时设置一个可容忍QoE的下界来保证用户体验质量，然后解出最优解作为决策结果。为了使用Lyapunov优化框架，将基于平均时间的约束条件转化为基于队列稳定性的条件，在这个优化问题中定义一个虚拟队列Q(t)： 

$Q(t+1)=\max [Q\left(t\right)+ϵ\bar{\lambda }\bar{g}-q\left(t\right),0],$

其中ε表示单个用户QoE的下届阈值，表示λ(t)的平均值，也就是同一时刻平均群组个数。表示单个群组的平均规模，的大小取决于单个群组中用户的个数以及付费用户的比例。队列Q(t)衡量了实际QoE跟期望QoE阈值之差的累计。 

L(Q(t))用于衡量该队列的大小，Δ(Q(t))表示相邻两个时间段队列数组的变化量，也即Δ(Q(t))＝L(Q(t+1))-L(Q(t))。 

根据Lyapunov优化框架，可以依据状态信息/群组信息在每一个时间段内计算出满足min(Δ(Q(t))+V·C(d(t)·T₀))的带宽部署策略d(t)和带宽分配向量 完成本时间段的决策。其中，V是一个可控参数，C(d(t)·T₀)表示一个时间段内带宽的开销，其根据ISP的计费方式得到；在公式min(Δ(Q(t))+V·C(d(t)·T₀))中，d(t)的大小可以影响到C(d(t)·T₀)的值，可以影响到Δ(Q(t))的值，事实上它们是公式Δ(Q(t))+V·C(d(t)·T₀)的变量，在本实施例中选择使得Δ(Q(t))+V·C(d(t)·T₀)取到最小值的d(t)作为带宽部署量、作为带宽分配方案。该决策过程的伪代码如图4所示。 

上述方法中的GKP函数根据给定带宽部署策略计算最优带宽分配策略。这个函数实际上是求一个带宽分配策略，使得它满足min(Δ(Q(t)))。根据Q(t)的 定义，需要寻找一个带宽分配策略，使得它满足max(q(t))。这实际上是一个经典的泛化背包问题，本实施例是采用基于动态规划的解决方法。 

带宽分割 

为了实现对下载链路带宽的动态划分和管理，使用SDN交换机进行带宽划分。SDN把传统的交换机设备进行了“拆分”，传统的交换机功能从某种意义上来说，可以认为是由最底层的流量转发，以及更高级的其他处理功能(比方说网管控制、负载均衡、流量控制等)这两部分组成。SDN剥离了交换机除流量转发之外的所有高级处理功能，并且将这部分高级处理功能移到了单独的设备中，称为“控制器”。当一个时间段的带宽分配方案已经产生时，控制器可以通过流表控制各条下载链路的带宽，从而完成带宽定量分割的步骤。 

本发明的群组QoE模型用于衡量云媒体系统处理群组请求的性能，也是本发明带宽分配算法的基石，基于群组的带宽分配方法根据有限的系统状态信息和群组信息，动态地作出带宽管理决策，优化云媒体系统的带宽开销并提高群组的QoE，是本发明的核心内容。 

在实际应用过程，群组QoE模型可以作小幅修改，比如对付费用户的加权进行调参，控制付费用户QoE值对群组QoE总和的影响。 

实施例1是使用泛化背包问题对GKP函数模块进行建模，并使用动态规划思想解决该问题。实际上，泛化背包问题也可以用暴力求解或分支界限的方法进行求解。 

以上所述的本发明的实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神原则之内所作出的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。