一种面向云视频服务的请求分配方法
【技术领域】
[0001] 本发明涉及云视频服务技术领域，特别地，涉及一种面向云视频服务的请求分配 方法。
【背景技术】
[0002] 互联网视频对带宽和CPU的性能要求都很高。一方面，据思科公司2013年预测， 2017年全球互联网视频流量对整个互联网流量的贡献将由2012年的57%增至69%，互联 网视频流量的年增率将达到34% ;另一方面，为满足不同的应用需求，通常需要对视频做一 些计算密集型处理工作如压缩、转码、编码/反编码、自适应、摘要提取、渲染等。例如，在线 视频游戏场景需要随着玩家的动作进行动态渲染；不同玩家因设备屏幕不同通常需要不同 的视频编码。然而，为降低客户端压力，与这些步骤相关的计算密集型任务通常在视频服务 提供商（Video Service Provider，VSP) -方执行，这给VSP如何实时高效地部署服务以满 足用户请求带来了巨大挑战，尤其当用户请求呈突发性到达时情况更复杂。
[0003] 云计算模式为VSP提供了一种便捷的即付即用方式来部署其服务，此方式能根据 用户需求动态地调整从云服务提供商租用的计算资源。与传统方法相比，云计算模式为VSP 消除了购买和维护基础设施的成本。通常，VSP需租用地理分布的数据中心以满足不同地区 的用户需求。因此，VSP需将用户请求动态分配至合适的数据中心，在保证用户满意的体验 质量（Quality of Experience，QoE)的同时尽量减少租用虚拟机（VM，Virtual Machine) 的成本，以保持其在市场上的竞争优势。。
[0004] 然而，对于VSP来说，在向用户提供适当的QoE水平前提下，动态地分配用户请求 至数据中心并最小化资源租赁成本是具有挑战性的。首先，用户的请求到达率是动态的，并 且突发性聚集请求是不可预测的。并且由于这些请求具有不同的QoE要求，要找到一种方 式将他们以最佳的方式分配到云中的各类资源非常困难。其次，在云计算资源租用花费与 用户QoE之间进行权衡本身就是一困难的决策问题。例如，更高QoE可能使得VSP在短期 内花费更多，但是在长期来看却有利于增加其利润。再者，单个云服务商所拥有的服务器可 能不足以覆盖范围更广的VSP用户。此种情况下，VSP不得不租用来自多个云服务提供商 (Cloud Service Provider，CSP)的地理分布的数据中心来向用户提供满意的QoE。然而不 同CSP之间的不同价格以及不同时段的价格变化更加剧了用户请求分配问题的复杂性。 [0005]虽然已有一些请求调度相关的工作，但大部分解决方案依赖一些不合理的假设： 已知的负载分布，相同的QoE要求，单个CSP服务所有用户等等。然而，实际应用中这些假 设通常不成立，导致其解决方案缺乏实际应用价值。
[0006] 针对现有请求分配技术对云视频服务模型实际情况考虑不足的问题，目前尚缺乏 有效的应对策略。
【发明内容】
[0007] 针对现有请求分配技术对云视频服务模型实际情况考虑不足的问题，本发明的目 的在于提出一种面向云视频服务的请求分配方法，建模时考虑实际情况，使之能够在实际 应用环境中有效工作。
[0008] 基于上述目的，本发明提供的技术方案如下：
[0009] 根据本发明的一个方面，提供了一种面向云视频服务的请求分配方法，包括：
[0010] 从云视频服务系统中获取系统参数；
[0011] 根据系统参数获得最小花费函数与优化约束；
[0012] 使用李雅普诺夫优化框架获得最小花费函数的位移-惩罚函数及其上界；
[0013] 从位移-惩罚函数中的上界中提取出与请求分配有关的部分并计算出请求分配 方案。
[0014]其中，根据系统参数获得最小花费函数与优化约束，为使用系统参数描述租用花 费与体验质量水平，并根据租用花费与体验质量水平描述最小花费函数与优化约束。
[0015]并且，从云视频服务系统中获取系统参数包括数据中心集合、服务类型集合、虚拟 机类型集合、某时刻某数据中心为某服务租用某类虚拟机的数量数组、以及某时刻某数据 中心中某类虚拟机的价格数组；使用系统参数描述租用花费，为使用该两数组之积对数据 中心集合、服务类型集合与虚拟机类型集合分别求和描述租用花费。
[0016]同时，从云视频服务系统中获取系统参数包括用户对某服务的可容忍延迟、以及 用户从该服务可获得的最大体验质量水平；使用系统参数描述体验质量水平，为根据用户 对某服务的可容忍延迟、某时刻某数据中心中某服务实际延迟、以及用户从该服务可获得 的最大体验质量水平使用一个有门限阈值的线性测量方法来描述体验质量水平。
[0017]并且，从云视频服务系统中获取系统参数包括数据中心集合、服务类型集合、虚拟 机类型集合、用户区域集合、某时刻分配至某数据中心的某类服务请求集合、某用户到某数 据中心的距离、某时刻某用户的某服务请求分配至某数据中心的个数、某时刻某数据中心 某类未完成服务请求集合；某时刻某数据中心中某服务实际延迟，为该时刻该用户的该服 务请求分配至该数据中心的个数与该用户到该数据中心的网络延迟之积在用户区域集合 上求和的值，加上该时刻该数据中心的队列延迟在该时刻分配至该数据中心的该类服务请 求集合上求和的值；其中，该用户到该数据中心的网络延迟与该用户到该数据中心的距离 成正相关性，该时刻该数据中心的队列延迟与该时刻该数据中心该类未完成服务请求集合 大小成正相关性。
[0018]同时，根据租用花费与体验质量水平描述优化约束，为根据租用花费与体验质量 水平确保某时刻分配给所有数据中心的服务请求与系统中产生的请求相等、确保分配的虚 拟机数量不超过数据中心所能提供的数量、确保所有用户服务请求至少应达到最小体验质 量水平，并根据上述3个确保条件描述优化约束。
[0019]另外，从云视频服务系统中获取系统参数，包括某时刻某数据中心某类未完成服 务请求集合，使用李雅普诺夫优化框架获得最小花费函数的位移-惩罚函数及其上界，具 体包括：
[0020] 根据最小花费函数与优化约束、与某时刻某数据中心某类未完成服务请求集合， 描述某时刻某数据中心某类未完成服务请求的实际队列；
[0021] 根据最小花费函数与优化约束，为某数据中心某服务构建一虚拟队列，描述某时 刻某数据中心用户体验质量水平的变化情况；
[0022] 根据实际队列与虚拟队列使用李雅普诺夫优化框架构建李雅普诺夫函数；
[0023] 根据李雅普诺夫函数计算获得m时隙李雅普诺夫位移与位移-惩罚函数；
[0024] 计算位移-惩罚函数的最小上界。
[0025] 并且，从位移-惩罚函数中的上界中提取出与请求分配有关的部分并计算出请求 分配方案，为从位移-惩罚函数中提取出请求分配有关的部分并计算最小权重问题获得某 时刻某用户的某类服务请求分配至某数据中心的数量数组，某时刻某用户的某类服务请求 分配至某数据中心的数量数组即为请求分配方案。
[0026] 从上面所述可以看出，本发明提供的技术方案通过计算云视频服务系统的最小 花费函数与优化约束并将最小花费函数问题使用李雅普诺夫优化框架转化为位移-惩罚 函数上界问题计算请求分配方案的技术手段，考虑了动态到达的请求、不同QoE要求、多个 CSP同时服务等实际应用中出现的场景并提供了在此复杂场景下的解决方案，具有实际应 用价值。
【附图说明】
[0027] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所 需要使用的附图作简单地介绍。显然，下面描述中的附图仅仅是本发明的一些实施例，对于 本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他 的附图。
[0028] 图1为根据本发明实施例的一种面向云视频服务的请求分配方法的流程图；
[0029] 图2为根据本发明实施例的一种面向云视频服务的请求分配方法中，多个用户 群、VSP、多个数据中心与多个虚拟机的从属与连接关系图；
[0030] 图3为根据本发明实施例的一种面向云视频服务的请求分配方法中，Youtube历 史数据、WoWAH数据集、随机数据集与综合数据集在两天内每分钟的变化情况折线图；
[0031] 图4为根据本发明实施例的一种面向云视频服务的请求分配方法中，每个时隙系 统产生的花费变化情况与每类VM的花费比例随时隙的变化情况折线图；
[0032] 图5为根据本发明实施例的一种面向云视频服务的请求分配方法中，参数V对花 费与QoE的影响折线图；
[0033] 图6为根据本发明实施例的一种面向云视频服务的请求分配方法中，参数m对花 费与QoE的影响折线图；
[0034] 图7为根据本发明实施例的一种面向云视频服务的请求分配方法中，不同容忍 延迟设置下，不同服务随时间变化的花费比例对比折线图；
[0035] 图8为根据本发明实施例的一种面向云视频服