跨域流媒体边缘云资源调整策略

《跨域流媒体边缘云资源调整策略》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、跨域流媒体边缘云资源调整策略江坤奚宏生中国科学技术大学信息科学技术学院摘要：随着云计算技术的成熟，跨域边缘云模式下的流媒体服务正逐渐兴起。但流媒体相关的用户请求随时间波动较大，边缘云需要动态调整需租赁的云资源来同时保证用户服务质量和资源利用率。文中提出的云资源调整策略综合考虑了跨域流媒体边缘云的资源消耗模型、相关用户服务质量指标的量化以及跨域转发用户请求对系统服务的影响，通过系统资源调整阶段和子云资源调整阶段策略的合理协调，在保证用户服务质量的同时节约了系统总体云资源的租赁代价，同时仿真结果表明文中策略能够取得上述优化效

2、果。关键词：流媒体边缘云;资源调整;服务质量;租赁代价;作者简介：江坤（1992-）,男，硕士研究生，主要研究方向：网络传播与控制。作者简介：奚宏生（1950-）,男，硕士，教授，主要研究方向：离散事件动态系统、不确定随机系统的鲁棒估计器和控制器设计、通信网络的性能分析和优化、信息安全。收稿日期:2017-05-14基金：国家自然科学基金（61233003）Aresourceadjustmentstra/tegyforcrossdomainstrearningmediaedgeCloudJiangKunXiHongshe

3、ngSchoolofInformationScienceandjechnology,UniversityofScienceandTechnologyofChina;Abstract：Withthematurityofcloudcomputingtechnology,thestreamingmediaservicesinthecross-domainedgecloudmodearegraduallyrising.Whilestreamingmedia-relateduserrequestsfluctuateintensel

4、y,itisnecessarytodynamicallyadjustthecloudresource1easingscheme.Theproposedstraitegytakesintoaccounttheresourceconsumptionmodelofthecross-domainstreamingmediaedgecloud,thequantizationoftherelevantuserservicequalityindicators,andtheimpactofthecross-domainforwardin

5、guserrequesttosystemtoreasonablyadjustcloudresource1easingscheme,andtoensurethequalityofcustomerserviceundorthepremiseofminimizingtheoverallsystemrentalcoststhroughthesystemresourceadjustmentphaseandsub-cloudresourceadjustmentphase.TheSimulationresultshowsthatthe

6、proposedstrategycanachievetheaboveoptimizationeffect.Keyword：strcomingmediaedgeCloud;resourceodjustment;qualityofservice;rentalcost;Received：2017-05-140引言近年来，流媒体相关的互联网流量正急剧増长皿，到2019年，与Z相关的网络连接和网络设备的数量将从2014年的140亿增长至240亿⑵。传统的流媒体服务技术，由于建设成本和服务能力的不足，无法满足当前流媒体服务的需求RL

7、而随着云计算技术的兴起与成熟，流媒体服务商可以利用跨域流媒体边缘云(StreamingMediaEdgeCloud,MEC)将存储影片资源和响应用户请求的工作交由位于边缘网络的云平台完成匕1，从而降低了传输时延，保证了用户服务质量。同时该模式下，流媒体服务商可以根据需求动态调整需租用的云资源。由于各区域用户请求的数量往往会随时间波动，假如按照请求高峰所需的资源租用云服务，在非请求高峰期间会造成云资源的闲置，但若租用的云资源无法响应高峰时的用户请求，则会影响用户服务质量固。因此，非常有必要兼顾上述需求动态调整需租赁的云资源

8、。1跨域流媒体边缘云木文采用的跨域流媒体边缘云服务架构包括:调整全局云资源的资源调整控制器、跨域分配用户请求的OpenFlow控制器、作为各个区域转发代理的OpenFlow交换机以及向各个域提供服务的流媒体边缘云，具体架构如图1所示。图1中，OpenFlow控制器根据各个区域用户请求的分布状况预测下个时刻流行度分布，