云辅助的P2P视频点播分发机制研究.docx

云辅助的P2P视频点播分发机制研究.docx

《云辅助的P2P视频点播分发机制研究.docx》由会员分享，可在线阅读，更多相关《云辅助的P2P视频点播分发机制研究.docx（35页珍藏版）》请在冰豆网上搜索。

云辅助的P2P视频点播分发机制研究

收稿日期：

２０１２０７０５；修回日期：

２０１２０８１０　　基金项目：

国家“８６３”计划基金资助项目（２００８ＡＡ０１Ａ３１５）；国家教育部高等学校博士学

科科研基金资助项目（２０１１４１０１１１０００７）；河南省教育厅２０１１年创新人才资助项目（２０１１ＨＡＳＴＩＴ００３）；河南省信息化工程项目（２００８ｘｘｈ００１）

作者简介：

郭红方（１９８１），女，河南濮阳人，博士，主要研究方向为网络多媒体、云服务等（ｈｆｇｕｏ＠ｚｚｕ．ｅｄｕ．ｃｎ）；林予松（１９７３），男，副教授，博

士，主要研究方向为计算机网络、Ｗｅｂ服务；王宗敏（１９６４），男（通信作者），教授，博士，主要研究方向为计算机应用技术．

云辅助的Ｐ２Ｐ视频点播分发机制研究

郭红方１，２，林予松１，２，王宗敏１

（１．郑州大学　河南省信息网络重点学科开放实验室，郑州４５００５２；２．郑州大学信息工程学院，郑州４５０００１）

摘　要：

提出一种新的流媒体分发混合网络模型Ｐ２Ｃｌｏｕｄ，通过将云技术引入到Ｐ２Ｐ模式中，充分利用云技术的

高可靠性、高存储及处理能力来协助Ｐ２Ｐ完成视频点播服务。

针对Ｐ２Ｃｌｏｕｄ模型的关键问题———视频片段的分

布，引入数据片段有用值的概念，不但考虑到视频片段的流行度，同时考虑已加入节点的失效性，进而提出根据

有用值来决定数据块向云平台的上传策略。

并通过形式化的成本估算模型对Ｐ２Ｃｌｏｕｄ点播应用成本进行量化，

以指导点播服务提供商降低其部署成本。

实验验证了提出的Ｐ２Ｃｌｏｕｄ在用户满意度、带宽节约率及带宽消耗方

面优于现有方案。

关键词：

视频点播；对等网络；云服务；成本模型；流行度；内容分发

中图分类号：

ＴＰ３９３　　　文献标志码：

Ａ　　　文章编号：

１００１３６９５（２０１３）０２０５２５０４

ｄｏｉ：

１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１３．０２．０５７

ＲｅｓｅａｒｃｈｏｎｓｔｒｅａｍｉｎｇｄｉｓｔｒｉｂｕｔｉｏｎｏｆｃｌｏｕｄａｓｓｉｓｔｅｄＰ２Ｐｖｉｄｅｏｏｎｄｅｍａｎｄ

ＧＵＯＨｏｎｇｆａｎｇ１，２，ＬＩＮＹｕｓｏｎｇ１，２，ＷＡＮＧＺｏｎｇｍｉｎ１

（１．ＨｅｎａｎＰｒｏｖｉｎｃｉａｌＫｅｙＬａｂｏｎＩｎｆｏｒｍａｔｉｏｎＮｅｔｗｏｒｋｉｎｇ，ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ４５００５２，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎ＆Ｅｎｇｉ

ｎｅｅｒｉｎｇ，ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ４５０００１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：

Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｈｙｂｒｉｄｓｔｒｅａｍｉｎｇｄｉｓｔｒｉｂｕｔｉｏｎｏｖｅｒｌａｙ，ｃａｌｌｅｄＰ２Ｃｌｏｕｄ，ｗｈｉｃｈｓｕｐｐｏｒｔｅｄＰ２ＰＶｏＤｓｅｒｖｉｃｅｂｙ

ｉｎｔｒｏｄｕｃｉｎｇｃｌｏｕｄｔｅｃｈｎｏｌｏｇｙｗｉｔｈｈｉｇｈｒｅｌｉａｂｉｌｉｔｙ，ｓｔｏｒａｇｅ，ａｎｄｐｒｏｃｅｓｓｉｎｇａｂｉｌｉｔｙ．ＴｏａｄｄｒｅｓｓｔｈｅｋｅｙｉｓｓｕｅｏｆＰ２Ｃｌｏｕｄ—ｔｈｅ

ｖｉｄｅｏｓｅｇｍｅｎｔｄｉｓｔｒｉｂｕｔｉｏｎ，ｔｈｅｓｅｇｍｅｎｔｕｓｅｆｕｌｎｅｓｓｃｏｎｓｉｄｅｒｉｎｇｐｏｐｕｌａｒｉｔｙａｎｄｐｅｅｒｅｆｆｅｃｔｉｖｅｎｅｓｓｗａｓｉｎｔｒｏｄｕｃｅｄ，ｉｔｐｒｏｐｏｓｅｄａ

ｍｉｇｒａｔｉｎｇｐｏｌｉｃｙａｃｃｏｒｄｉｎｇｔｏｔｈｅｓｅｇｍｅｎｔｕｓｅｆｕｌｎｅｓｓａｓｗｅｌｌ．ＡｎｄｉｔｐｒｏｐｏｓｅｄｔｈｅｆｏｒｍａｌｉｚｅｄｃｏｓｔｍｏｄｅｌｏｆＰ２Ｃｌｏｕｄｔｏｇｕｉｄｅｔｈｅ

ＶｏＤｓｅｒｖｉｃｅｔｏｒｅｄｕｃｅｔｈｅｄｅｐｌｏｙｍｅｎｔｃｏｓｔ．ＴｈｅｅｘｔｅｎｓｉｖｅｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｓｖａｌｉｄａｔｅｔｈａｔＰ２Ｃｌｏｕｄｏｕｔｐｅｒｆｏｒｍｓｔｈｅｅｘｉｓｔｉｎｇ

ｓｏｌｕｔｉｏｎｓｉｎｔｅｒｍｏｆｔｈｅｕｓｅｒ’ｓｓａｔｉｓｆａｃｔｉｏｎ，ｂａｎｄｗｉｄｔｈｓａｖｉｎｇ，ｂａｎｄｗｉｄｔｈｃｏｎｓｕｍｐｔｉｏｎ．

Ｋｅｙｗｏｒｄｓ：

ＶｏＤ；Ｐ２Ｐ；ｃｌｏｕｄｓｅｒｖｉｃｅ；ｃｏｓｔｍｏｄｅｌ；ｐｏｐｕｌａｒｉｔｙ；ｃｏｎｔｅｎｔｄｉｓｔｒｉｂｕｔｉｏｎ

!

　引言

随着宽带互联网的普及和多媒体技术的发展，视频点播服

务已经成为互联网生活的重要组成部分，然而庞大的用户规

模、动态的用户操作和海量的流媒体数据向点播服务提出了更

大的挑战。

如何在现有的物理网络上以较低的代价向大规模

的动态用户提供交互性的流媒体应用也一直是点播应用需要

解决的关键问题［１，２］。

Ｐ２Ｐ技术通过普通节点相互协作实现了

免费的资源共享，成为视频点播应用最有前景的实现方案。

然

而Ｐ２Ｐ视频点播系统中，用户行为的时间不同步性、兴趣独立

性、节点的高度动态性降低了节点间相互协作共享资源的机

率，不能满足用户对视频的需求，也不满足高资源利用率及系

统的快速扩展。

据统计，对于前２５名的流行视频文件就需消耗６０％的服

务器带宽。

另外，视频点播应用存在时间局部性，例如每天的

晚８点为视频点播的黄金时间，此时用户量很大，然而一天的

其他时间用户都在上班，用户量小，因此为了满足用户的需求，

视频点播服务提供商不得不部署大量的服务器支持用户量最

大时的点播服务。

这导致了大量的服务器资源大部分时间内

是浪费的，没有充分的利用。

这在一些重大事件、运动会、比赛

等期间尤其突出。

云服务“ｐａｙａｓｙｏｕｇｏ”的付费模式［３］，充足的存储空间与

快速的处理能力为点播应用的发展提供了新的发展空间。

如

果把整个视频服务都移到云平台上，用户所有的请求都被定向

到云服务，就成了传统意义上的Ｃ／Ｓ模式。

这种模式不但不

能充分利用节点自身的资源，用户的频繁访问还使得点播服务

提供者向云服务者付出巨额资金，其成本往往要比点播提供商

自己部署服务器要大。

根据文献［４］提到的ＭＭＶＥ服务，假设

每１２ｈ平均的流量是２７ＴＢ，而ＡｍａｚｏｎＥＣ２按０．０８!

／ＧＢ标

准收取费用［５］，则每个月带宽的消耗就得花费大概１３万美元。

从此不难看出，对于海量的流媒体视频数据如果全部都利用云

服务，那代价更是不可想象。

为了克服Ｐ２Ｐ流媒体点播系统中节点的不可靠性、请求时

间的局部性、服务器的可扩展性等导致的用户点播服务不能满

足的问题，本文结合Ｐ２Ｐ与云服务，提出一种新的视频点播内容

分发架构Ｐ２Ｃｌｏｕｄ，通过考虑Ｐ２Ｐ点播应用于中的数据片段的流

行度与节点的离开行为对要迁移到云平台的点播数据片段的选

择进行设计。

云辅助的Ｐ２Ｃｌｏｕｄ不但避免了Ｐ２ＰＶｏＤ中节点不

第３０卷第２期２０１３年２月　计算机应用研究ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ

Ｖｏｌ．３０Ｎｏ．２

Ｆｅｂ．２０１３

可靠性导致的跳转时延过长，也降低了点播服务提供商为了满

足用户的需求而不断部署新服务器带来的成本。

"　相关工作

根据Ｐ２Ｐ技术与云服务结合的模式，将其分为以下两类：

ａ）Ｐ２ＰｉｎＣｌｏｕｄ模式。

云平台对于一个服务提供商来说，

整个云平台可以被认为是一个集中式的资源，这些数据中心会

分布在不同的地方。

一个Ｃｌｏｕｄｌｉｋｅ的架构支持平台的服务，

存在严重的单点失效问题。

现有的一些研究侧重在利用Ｐ２Ｐ

技术优化云服务端的拓扑结构［６～１０］，例如，ＧＦＳ文件存储系统

为了克服ｍａｓｔｅｒ目录主服务器的性能瓶颈，文献［８］就通过结

构化的ＤＨＴ组织所有的ＴｒｕｎｋＳｅｒｖｅｒ服务器。

也有的研究利

用部署多个ｍａｓｔｅｒ目录主服务器来减少单点失效的风险［９］。

Ｒａｎｊａｎ等人［１０］提出了采用Ｐ２Ｐ技术连接不同的云服务的功

能，不仅仅只部署在存储服务上。

Ｐ２ＰｉｎＣｌｏｕｄ主要是面向云

服务器端的，本文关注的是从用户角度向云服务转移的应用的

ＣｌｏｕｄｉｎＰ２Ｐ模式。

ｂ）ＣｌｏｕｄｉｎＰ２Ｐ模式。

文献［４］通过结合Ｐ２Ｐ资源与

Ｃｌｏｕｄ资源来支持大规模的ＭＭＶＥ应用，Ｃｌｏｕｄ给节点提供了

可信任的资源，极大地提高了其扩展性，并且达到负载均衡。

文献［１１］提出了一种基于Ｐ２Ｐ与Ｃｌｏｕｄ的移动设备流数据的

分发结构，其中Ｃｌｏｕｄ端提供存储与及处理请求的任务，移动

终端之间则通过Ｐ２Ｐ来合作分发数据、分散负载。

文献［１２］

提出基于云服务传递网络的弹性Ｐ２ＰＶｏＤ覆盖网络构造方

法。

文献［１３］则构建了一种基于ＣｌｏｕｄＰ２Ｐ的恶意代码联合

防御网络。

与以上研究不同，本文的主要工作如下：

ａ__________）提出云辅助的

视频点播分发模型，解决其成本高、资源利用率低等问题；ｂ）

进而引出其关键问题数据片段备份策略选择优化问题及系统

部署的形式化成本估算模型；ｃ）通过模拟仿真实验及对比对

所提策略的性能进行分析，验证其有效性。

#　云辅助的&#&视频点播分发模型

云辅助的Ｐ２ＰＶｏＤ服务模型构建的重要依据从以下三方

面来分析：

ａ）Ｐ２Ｐ模式需要云模式的辅助，由于Ｐ２Ｐ流媒体服务中，

节点的不可靠性、服务器的可扩展性等导致的服务不能满足的

情况及服务器带宽消耗高等问题，利用云服务提供的存储空

间、可靠服务，将视频数据分发的部分功能转移到云服务中，从

而实现部分的负载转嫁，达到了降低点播服务提供商服务器的

负载，降低其成本。

ｂ）网络中既然有超级节点这个角色［１４］，２０％的超级节点

完成了８０％的请求服务，所以设计思路就可以将Ｃｌｏｕｄ网络作

为Ｐ２Ｐ网络中的超级节点。

在Ｃｌｏｕｄ中，存储服务器可以作为

Ｐ２Ｐ网络中的边缘服务器对流数据进行快速可靠的转发。

ｃ）云模式需要Ｐ２Ｐ模式的辅助，由于云模式下的流媒体

服务是通过租用服务器资源来实现的，所以为了减低其运行成

本，Ｐ２Ｐ免费资源共享服务是理想的选择。

#"　设计思路

利用云平台提供的存储空间、可靠服务，将视频点播中数

据分发的部分功能转移到云服务中，从而实现部分的负载转

嫁，达到降低点播服务提供商服务器的负载，降低其成本的目

的。

其中需要解决的关键问题是哪些数据应该转移到云服务

中，需要转移多少数据流量等。

这些都直接关系到点播服务提

供商需要向云服务商付出的成本。

本文将利用Ｃｌｏｕｄ网络作为Ｐ２Ｐ网络中的超级节点来辅

助解决由于海量流媒体与高带宽消耗带来的Ｐ２ＰＶｏＤ服务得

不到满足的问题。

而新的服务结构面临的关键问题与挑战如

下：

ａ）整个数据转发网络包括参加的用户节点、点播应用提

供商的服务器及引入的云服务器，通过合理的部署进行快速的

数据转发。

ｂ）视频片段的放置问题，根据数据片段的流行度与节点

失效率来决定数据片段向云平台转移的策略。

ｃ）对于视频点播服务提供商最关心的带宽消耗问题，通过模

型化的分析以指导提供商需要部署服务器的方案，降低其成本。

##　云辅助的&#&视频点播架构———&#'（）*+

本文提出了Ｐ２Ｃｌｏｕｄ视频点播服务内容分发模型，如图１

所示。

!

"#$%

&'#（）%*'

$&"#+%

-'*+.）/0

!

#/-*/-

&'#（）%*'

%#1/"#+%

-'*+.）/0

$&"#+%

-'*+.）/0

%#1/"#+%

-'*+.）/0

2/-*'/*-

$&"#+%

-'*+.）/0

!

3456"#$%

"#$%

$,*',

Ｐ２Ｃｌｏｕｄ包括三个主要参与对象：

ａ）内容提供商（ｃｏｎｔｅｎｔｐｒｏｖｉｄｅｒ，ＣＰ）。

内容提供商拥有源

视频资源，除了负责整个系统的传统的节点管理、内容分发功

能外，还需负责与另一参与对象———云服务提供者ＣＬＰ（ｃｌｏｕｄ

ｐｒｏｖｉｄｅｒ）的交互。

ｂ）终端用户ＵＳ（ｕｓｅｒｓ）。

它是整个系统服务的终端用户，

其动态的用户请求及对服务质量的需求是系统设计的关键参

考因素。

终端用户间可通过向内容提供商请求、互相协作、向

云服务提供者请求资源。

ｃ）云服务提供者ＣＬＰ（ｃｌｏｕｄｐｒｏｖｉｄｅｒ）。

ＣＬＰ根据当前用

户请求及ＣＰ提供服务情况，协助合理地向用户提供数据资源

以满足用户的请求。

对于Ｐ２Ｃｌｏｕｄ中用户，其请求操作可通过Ｐ２Ｐ端用户协

作、内容提供商的私有服务器及租用的云服务器三种方式实

现。

如图２所示。

当用户发起一个请求，首先需要在通过Ｐ２Ｐ

网络来搜索其目标资源，资源的快速准确定位是Ｐ２ＣｌｏｕｄＰ２Ｐ

端研究的重要内容。

若在Ｐ２Ｐ端没有找到目标资源，根据传

统的方法，此时需要向内容提供商部署的私有服务器获取。

对

于Ｐ２Ｃｌｏｕｄ模式，用户根据本文提出的成本估算模式得到应该

向云服务提供商还是内容提供商服务请求。

#$　点播应用与云平台交互方式

Ｐ２Ｃｌｏｕｄ需要解决的关键问题是哪些数据应该转移到云

服务中，转移多少数据以及点播应用如何与云平台交互等，这

些关系到点播服务提供商需要向云服务商付出的成本。

图３给

出了点播应用与云平台交互的结构。

其中Ｂｒｏｋｅｒ是云提供商与

其客户通信接口。

当接到有用户上传或下载数据的请求时，内

·５２６·计算机应用研究第３０卷

容提供商需与云服务提供商就租用不同服务级别、服务器类型

等成本进行协商，进而通过虚拟机调度机制对虚拟机群的资源

进行调度。

在此需要指出的是，内容提供者与普通用户都可以

向云平台上传资源，这样也降低了内容提供者私有服务器的负

载。

不难看出，在此有两个关键问题需要解决：

ａ）数据片段内容

放置策略（也可看做是迁移策略）；ｂ）如何为内容提供商设计准

确的成本模型，使得能及时合理地选择要租用的服务。

!

"#$%

&'（）

*"#$%

+,（）

!

-./

&'（）

!

01+,2

&'（）

$%34

56789:

;<01

56789:

;<01

$%

$%

$%

01+,2

-=>+,2

?

!

"#$%&'（）

$%34@A

$%B

!

"#$

%&'（

!

"#）*!

"#+,

-./0123456

.789

!

"#$%"

:

;<=>?

@A

&

BCDA

'

<=EFG

H

（

9IJ.K%&'LMN'

#%　视频数据片段备份上传策略

由于点播用户行为是高度动态变化的，对视频片段的喜好

也遵循时间局部性，对于一些热门片段，访问的用户量多并不

能说明此时提供数据的节点也多，因为大量的用户观看完之后

会选择离开或跳播到其他节目片段。

这也从对实际系统的监

测数据中得到验证，如图４所示，对于服务器端的流量，流行度

前２５％的文件夹要消耗６０％的带宽资源，越流行的视频并没

有由于请求的节点多而互相共享达到节约带宽资源。

!

!

"#$%&'（）'*

"#$

"#$%&'（）*（+,

"#$%&,'-&&./

"#$%&+,'-&&./

0122032400

5%'6-7.8（9&.7（'-5:

4;0

0;<

0;=

0;>

?

;!

0

所以对于影响带宽资源的流行度高的文件，为了满足用户

的需求，其流行度将作为是否要上传至云平台的一个重要因

素。

同时为了降低上传至云平台的成本，只有在现有节点通过

共享不能满足用户需求时，才会向云平台上转移。

本文提出了

数据片段有用值的概念，不但考虑到视频片段的流行度，同时

也考虑了已加入节点的失效性，进而提出了根据有用值来决定

数据块备份的上传策略ＰＰＬ（ｐｏｐｕｌａｒｉｔｙａｎｄｐｅｅｒｌｉｆｅ）。

定义１　在ｔ时刻，若缓冲区的状态是Ｓ（Ｔ）＝（ｎ１（ｔ），

ｎ２（ｔ），ｎ３（ｔ），…，ｎｍ（ｔ）），ｍ是一个影片包括的数据块的数目，

ｎｉ（ｔ）是存储有数据块ｉ的节点集。

对于在时间段［ｔ，ｔ＋θ］内，

如果对于存储数据块的节点集离开的概率为Ｆθ（Ｔ）＝

（ｆθ

１（ｔ），ｆθ

２（ｔ），…，ｆθ

ｍ（ｔ）），则定义该段时间内缓冲区中节点

有用值为

Σｍ

ｉ＝１（１－Πｎｉ（ｔ）

ｊ＝１ｆθｉｊ（ｔ））／ｍ

在此加入已经得到的访问概率信息，设在时间段［ｔ，ｔ＋θ］

内，数据块ｉ的访问概率是ｐθｉ

（ｔ），则此数据块ｉ在整个系统的

效用值可表示为

（１－Πｎｉ（ｔ）

ｊ＝１ｆθｉｊ（ｔ））／ｐθｉ（ｔ）

以上定义是说明数据片段ｉ对于整个系统的有用值，然而

此有用值需要已知系统全局信息情况，这样又会加重服务器的

压力，带来服务器性能瓶颈，浪费大量的资源。

本文提出的

ＰＰＬ策略通过节点与邻居节点交换信息，选出需要上传的数据

片段，把任务分散到每个节点，这样就减少了服务器的负载。

以下是对选择数据块的理论分析与定义。

定义２　假设节点ｉ在ｔ时刻的邻居节点集为ｎｅｉｇｈｂｏｒ

（ｔ），其中存储有数据块ｋ的邻居节点定义为ｎｅｉｇｈｂｏｒｋ（ｔ），如

果数据块ｋ不在节点ｉ本地缓存区中，即ｋｌｏｃａｌｃａｃｈｅｉ（ｔ），则

节点ｉ选择预存的数据块的方法是通过找到邻居节点中效用

值最小的数据块，如下：

ｍｉｎｃ∈（１，２，…，ｍ）

［（１－Πｎｅｉ∈ｎｅｉｇｈｂｏｒｋ（ｔ）

ｆθｎｅｉ（ｔ））／ｑθｊ（ｔ）］ｋｌｏｃａｌｃａｃｈｅｉ（ｔ）

０ｋ∈ｌｏｃａｌｃａｃｈｅｉ（ｔ{）

根据以上分析，数据块的上传策略考虑到其节点离开失效

的情况，利用以上定义的计算公式比较效用值，这种解决方案

更适合高度动态的视频点播应用。

$　系统成本估算模型

向云服务中转移部分的视频点播服务不得不考虑成本问

题，采用流媒体数据流量的传输作为指标分析了Ｐ２Ｃｌｏｕｄ视频

点播的成本估算。

图５描述了视频点播服务在五类节点间的

数据转发模式。

其中源服务器不但要服务部分用户节点，还要

向云平台上传视频数据；Ｐ２Ｃｌｏｕｄ也充许普通节点向云平台上

传视频内容。

!

"#$%

&'（）*+

!

-.&'

（）*+

/01%23

45（）*+

67458

9-.:

;

<=1%

>?

1%

@9:

;4

&'（）*+

9AB-.C

9DE-.C

!

"!

#$%&'

-.C

F

（!

"）$%&'

67GEHI

J1%DK67

!

45L9:

;M67NJ

"

定义：

ｃｏｓｔ１

为视频点播服务提供商向节点分发数据的流

量，ｃｏｓｔ２

为视频点播服务提供商向云服务上传的视频资源流

量，ｃｏｓｔ３

为普通节点向云服务上传视频资源流量，ｃｏｓｔ４

节点从

云服务上获取视频资源的流量，ｃｏｓｔ５

为租用的存储服务器的

成本。

其中：

ｃｏｓｔ２

、ｃｏｓｔ３

、ｃｏｓｔ４

、ｃｏｓｔ５

都是云服务提供商向点播

服务提供商收取的；ｃｏｓｔ１

、ｃｏｓｔ２

为视频点播服务提供商自己部

署服务器的成本。

成本估算参数描述如表１所示。

表１　成本估算参数描述

参数功能描述

ε考查的时间段

ｃｉ数据块ｉ

ｓ（ｉ）数据块ｉ的大小

ｔｏｃｓ__________ε（ｔ）在ε内源服务器向云服务上传的数据块

ｔｏｃｐε（ｔ）在ε内普通节点向云服务上传的数据块

ＳＳＣａｐａｃｉｔｙＳＳ服务器的带宽服务能力

Ｒｅｑｕｅｓｔε（ｔ）节点在ε时间段内对数据块的平均请求

ＳＳｔｏＰｅｅｒε（ｔ）节点在ε时间段源服务器提供的平均带宽

Ｐ２Ｐε（ｔ）节点在ε时间段相互资源共享平均带宽

ＣＳＳ（ｔ）在ｔ时刻存储在云服务上的存储空间

第２期郭红方，等：

云辅助的Ｐ２Ｐ视频点播分发机制研究·５　２７　·　

　　根据以上分析，下面给出了成本计算的形式化表示，对于

时间段［ｔ，ｔ＋ε］内根据参数说明表１所示的参数说明，可以得

出总成本ｃｏｓｔ为

ｃｏｓｔ＝ｃｏｓｔ１

×ＳＳＣａｐａｃｉｔｙ＋Σ

ｉ∈ｔｏｃｓε（ｔ）

ｃｏｓｔ２

×ｓ（ｉ）＋Σ

ｊ∈ｔｏｃｐε（ｔ）

ｃｏｓｔ３

×ｓ（ｊ）＋

ｃｏｓｔ５

×ＣＳＳ（ｔ）＋ｃｏｓｔ４

×（Ｒｅｑｕｅｓｔε（ｔ）－ＳＳｔｏＰｅｅｒε（ｔ）－Ｐ２Ｐε（ｔ））

为求最小的成本消耗，根据租用成本计算模块，使系统能

自适应地在源服务器、终端节点与云服务器间进行资源请求的

最优配置。

在保证用户请求得到满足的情况下，λ１、λ２代表源

服务器与云服务器提供资源占用的比例。

可形式化成求最小

值问题，如下：

Ｍｉｎｉｍｉｚｅ：

Ｃ＝λ１×ＳＳｔｏＰｅｅｒε（ｔ）×ｃｏｓｔ１

＋λ２Ｃｌｏｕｄε×ｃｏｓｔ４（ｔ）

Ｃｏｎｓｔｒａｉｎｔｓ：

Ｐ２Ｐε（ｔ）＋ＳＳｔｏＰｅｅｒε（ｔ）＋Ｃｌｏｕｄε（ｔ）≥Ｒｅｑｕｅｓｔε（ｔ）

%　性能测试与分析

%"　实验配置

本节对Ｐ２Ｃｌｏｕｄ进行了仿真实验，优化了基于事件驱动的

Ｐ２Ｐ视频点播模拟器［１５］，模拟了云计算平台环境，并实现本文

提出的策略，测量了基于Ｐ２Ｃｌｏｕｄ视频点播应用的操作成本与

性能，并与Ｐ２Ｐ、Ｃ／Ｓ结构进行对比分析。

比较了三种结构在节

点失效时对点播服务的影响。

对提出的ＰＰＬ策略进行了多方

面的测量分析，根据所提出的成本估算模型作了模拟实验，对成

本消耗进行量化。

主要性能指标如下所示：

ａ）未满足用户请求的概率。

节点没能获得服务的请求数

量与所有请求的数量比值。

ｂ）带宽节约率。

请求云服务器上的数量与所有请求的比率。

ｃ）成本率。

采用Ｐ２Ｃｌｏｕｄ所消耗的成本与传统的Ｃ／Ｓ模

式的成本比值。

本实验的视频总共包括７２０块，节点数目是１６０００。

每个

节点的请求可以是１～７２０的任意一数据块。

数据块的流行度

采用ｌｏｇｎｏｒｍａｌ分布［１６］，参数仍是σ＝１．３５，μ＝０．０１５９。

由图

２得知，前２５％受欢迎的数据要占服务６０％的带宽，在模拟实

验中，本文采用了这些数据。

%#　实验结果分析

４２１　未满足用户请求的概率

图６描述了在部分节点失效的情景下，纯Ｓｅｒｖｅｒ、Ｐ２Ｐ、

Ｐ２Ｃｌｏｕｄ三种模型性能的对比。

模拟实验假定节点的请求高

于服务器最多能支持的请求。

对于服务器模式下１６０００个节

点请求，刚开始服务器只能处理４０％的请求，随着节点失效数

量的增加，在６０％节点都失效时，服务器就能满足所有用户的

需求了。

但对于Ｐ２Ｐ模式，由于７２０块的数据分散在整个网络

中，只有持有这些数据块的大部分节点都离开，节点才不能满

足请求。

当９０％以上的节点都失效，Ｐ２Ｐ中没有数据源，其失

败的请求也随之快速增加。

在不考虑成本的情况下，Ｐ２Ｐ＋

Ｃｌｏｕｄ模式对网络的动态性有较强的鲁棒性。

４２２　云服务中转移数据块策略

图７显示了Ｐ２Ｃｌｏｕｄ按流行度效用值的高低来选择要上

传资源的策略性能。

图中采用了两个纵坐标，其中右边的纵坐

标与上面介绍的一样，都是代表请求没有得到满足节点数与所

有请求的比值。

本文假定不考虑Ｐ２Ｐ模式的作用，根据服务

器带宽对于前２５％的文件要消耗６０％的带宽，在此基础上，本

实验测量了Ｐ２Ｃｌｏｕｄ对点播服务提供商服务器的带宽节约情

况，选择了前２０名的数据块作为对象。

!

"#$%&'（

!

"#$"#

%&%

%&%'（）*+,

-

./0

.12

.13

.1&

..1&.13.12.10-

）*+,（

-

2

）*+,./01%

&2345

（）*+,!

455657",5"#$"#8*5754$69:

（）*+,!

455657",+5"#;46）#"<+"57

67）8（

=>

.1?

?

.