《多媒体云计算》由会员分享，可在线阅读，更多相关《多媒体云计算（20页珍藏版）》请在金锄头文库上搜索。
1、多媒体云计算编者按：多媒体云计算是一种可用于提供多媒体服务和应用的新兴技术。本文详细介绍了热门的云计算与多媒体相融合的多媒体云计算技术发展和未来趋势。多媒体云计算（图片来自于网络）本文介绍了多媒体云计算的主要概念，并提出了一种新的框架。我们将从多媒体云和云多媒体这两个角度探讨多媒体云计算。首先，我们提出了“媒体云”的概念，用于探讨云怎样执行分布式多媒体处理和存储，并为多媒体服务提供服务质量（QoS）配置。为了提供较高的 QoS，我们提出一个“媒体边缘云（MEC）”架构，其中的存储、中央处理单元（CPU）和图形处理单元（GPU）集群部署在云边缘位置，以便为各类设备提供分布式并行处理和 QoS 适
2、配。然后，我们提出了“云媒体”概念，用于探讨多媒体服务和应用（例如数据存储和共享、媒体创作和融合、自适应资源分配和传输，以及渲染和检索）怎样才能最大限度地利用云计算资源，以达到更好的用户体验质量（QoE）。我们也指出了相应的研究方向和所遇到的问题。引言云计算是一种新兴技术，其目标是通过互联网提供各种计算服务和存储服务1,2，包括基础设施即服务（IaaS）、平台即服务(PaaS)和软件即服务(SaaA)等服务模式。云服务提供商主要提供数据中心硬件和软件，利用互联网实现存储服务和计算服务。通过使用云计算，用户可以像使用“超级”计算机那样从云中获取服务。用户把数据存储在云中，而不是存储在自己的设备上
3、，从而可以随时随地访问数据。通过在更强大的云计算平台上运行应用程序并在云中配置软件，可有效减轻用户在本地设备中进行软件安装和频繁升级的负担。在 Web 2.0 时代，网络多媒体是以服务的形式兴起的。通过提供多元化的媒体服务，多媒体计算已经成为一项受人瞩目的技术，它可以生成、编辑、处理、搜索各种媒体内容，如图像、视频、音频、图形。对于基于互联网和移动无线网络的多媒体应用和服务而言，由于同时服务于数百万网民和移动用户，需要大量的计算资源，因此对多媒体云计算的需求也非常大。在这种基于云的新型多媒体计算模式中，用户可以在云中分布式地存储和处理多媒体应用数据，不需要在计算机或终端设备上安装媒体应用软件，
4、进而减轻了用户对多媒体软件维护和升级的负担，避免了在用户设备上进行计算，延长了移动终端的续航时间。在云中进行多媒体信息处理带来了巨大的挑战，下面介绍其面临的几个基本挑战：(1) 多媒体和服务异构性。由于存在多种不同类型的多媒体和服务，如 VoIP、视频会议、照片共享和编辑，多媒体流化、图像搜索、基于图像的渲染、视频编码转换和适配，多媒体内容传送等等，云必须为数百万用户同时提供不同类型的多媒体和多媒体服务支持。(2) QoS 异构性。由于不同的多媒体服务具有不同的 QoS 需求，云必须提供自适应的 QoS 配置和支持各种类型的多媒体服务，以满足不同多媒体的 QoS 要求。(3) 网络异构性。由于
5、不同的网络（如互联网、无线局域网、蜂窝网等）具有不同的网络特性（如带宽、延迟和抖动），云须提供与网络环境相适配的多媒体内容，以便将数据以最优方式传送到具有不同网络带宽和时延的各种设备上。(4) 设备异构性。由于不同类型的设备（如电视、电脑和手机）有着不同的多媒体处理功能，包括 CPU、GPU、显示器、内存、存储器和电源，云须拥有多媒体适配功能，以适应不同类型的设备。对云中的多媒体计算来说，由于严格的多媒体 QoS 要求以及整个互联网范围内大量用户的同时访问，云中同时突发的多媒体数据访问、处理和传输会在通用云中产生瓶颈。当前的云计算通常分配一个用户定额的计算（如 CPU）资源，这对一般数据任务是
6、非常有效的。但是，对多媒体应用来说，除 CPU 和存储要求外，另一个非常重要的因素是带宽、延迟和抖动等方面的 QoS 要求。因此，使用互联网中的通用云来处理多媒体服务，可能会产生不可接受的媒体QoS 或用户 QoE（用户体验质量）3。移动设备的内存、计算能力和电池工作时间是有限的，因此它们对利用云来解决计算和通信之间矛盾的需求更大。据预测，对移动应用和服务来说，云计算可能会成为一种“颠覆性”技术4。具体说来，在移动媒体应用和服务中，由于多媒体的功率要求5和无线信道具有随时间变化的特点，云计算对 QoS 的支持变得比互联网更难。总之，对云中的多媒体计算而言，关键是怎样在（有线）互联网和移动互联网
7、中提供 QoS 保障的多媒体应用和服务。图 1 多媒体云计算基本概念为满足多媒体服务在互联网和移动无线网络中的 QoS 要求，我们引入了多媒体云计算概念，如图 l 所示。具体地说，我们提出了多媒体云计算框架，它采用云计算，通过互联网和移动互联网提供多媒体应用和服务，井拥有 QoS 支持功能。我们从多媒体云和云多媒体两方面来探讨多媒体云计算。媒体云主要研究如何使云为多媒体应用和服务提供 QoS 支持。云媒体则重点研究多媒体怎样在云中执行内容存储、处理、适配、渲染等任务，以最好地利用云计算资源，进而为多媒体服务提供高 QoE 服务。图 2 阐述了媒体云服务和云媒体服务之间的关系。再具体一些，媒体云
8、提供原始资源，如硬盘、CPU 和 GPU，这些资源由媒体服务提供商（MSPs)出租给用户。MSPs 利用媒体云资源来开发多媒体应用和服务，如存储、编辑、流化、渲染等。图 2 媒体云和云媒体服务的关系在媒体云中，我们提出了媒体边缘云（MEC）结构以降低时延，其中媒体内容及其处理根据用户位置被推到云的边缘。在这种结构中，MEC 是个子云，数据以物理方式放在边缘。MEC 在边缘存储、处理和传送媒体数据，以实现更短的延迟。媒体云由多个 MEC 构成，可通过集中或对等（P2P)方式对其进行管理。首先，为了更好地处理 MEC 中各种类型的媒体服务，我们建议按照属性将类型相似的媒体服务放在同一个服务器集群中
9、。具体来说，我们建议使用DHT（分布式散列表）6进行数据存储，同时使用 CPU/GPU 集群进行多媒体计算。第二，为提高 MEC 中的计算效率，我们建议对 GPU 或 CPU 集群中的多媒体应用和服务采用分布式并行处理模型。第三，在 MEC 的移动代理/边缘服务器上，我们建议对异构移动设备的媒体服务进行媒体适配/编码变换，以实现高 QoE。在云媒体中，云媒体应用和服务既可以全都在云中进行，也可以部分在云中进行。对于前者而言，将由云来完成所有的多媒体计算，例如对于终端处理能力较弱的手机情形。对于后者来说，主要问题是怎样在云和客户端之间分配用于多媒体计算的资源（例如 CPU 和 GPU）。在本文中
10、，我们将介绍多媒体应用（例如处理、适配、渲染等）如何最好地利用云计算资源，以实现高 QoE。相关工作一般而言，多媒体云计算是与网格多媒体计算、内容分发网络（CDN）、基于服务器的计算和 P2P 多媒体计算相关的。更具体地说，网格多媒体计算是从高性能计算（HPC）的方面7来解决针对多媒体的基础设施计算问题。CDN 则侧重于如何在边缘提供多媒体功能，以减少传输延迟或最大限度地扩大客户访问数据的带宽。具体例子包括 Akamai 技术公司、亚马逊CloudFront 和 Limelight 网络。YouTube 使用 Akamai 公司的 CDN 来提供视频。基于服务器的多媒体计算针对的是桌面计算，其
11、中所有的多媒体计算都是在一组服务器中完成，而客户端仅与服务器打交道8。具体例子包括微软远程显示协议和 ATT 虚拟网络计算。P2P 多媒体计算指的是一种分布式应用架构，它在对等体之间分配多媒体计算任务或工作负荷。具体例子包括 Skype、PPLive 和 Coolstream。本文所介绍的媒体云侧重于解决云如何为多媒体运算提供QoS 支持。据我们所知，文献中有关多媒体云计算的资料凤毛麟角。IBM 曾经提出了一项云计算计划（http:/ 等提出了用于多媒体流化的联合 P2P 和云计算架构实现方案，并提出了 QoS 成本函数9。媒体云媒体云需要具备下述功能：1）为拥有不同 QoS 要求的各种多媒
12、体服务提供 QoS 配置和支持；2）分布式并行多媒体处理； 3）具备多媒体 QoS 适配功能，以适应各类设备和网络带宽。在本节中，我们首先介绍媒体云的架构。然后，我们将讨论媒体云中的分布式并行多媒体处理。媒体云计算架构在本节中，我们提出一个 MEC 计算架构，目的是从 QoS 的角度处理多媒体计算。MEC是一个子云，而服务器在物理上被放置云的边缘，以向用户提供高 QoS（例如低延迟）的媒体服务。请注意，MEC 架构类似于 CDN 边缘服务器架构，其区别在于 CDN 用于多媒体传输，而 MEC 是用于多媒体计算。使用 CDN 边缘服务器向最终用户提供多媒体传输服务，其延迟可能会小于直接从原始服务
13、器进行传输的方法。由此可以看出，与位于云中央的所有多媒体内容相比，在 MEC 中进行多媒体计算可以产生较少的多媒体流量，并减少延迟。如图 3（a）及（b），MEC 有两种类型的架构：一种情况下，所有用户的媒体数据都基于其用户特征或位置存储在 MECs 上，而所有与用户和内容地点有关的信息都由其负责人（lead）通过 P2P 传输；另一种情况下，中心管理员（master）负责维护所有与用户和内容位置相关的信息，而 MEC则以分布的方式保 存所有内容数据。图 3 （a）基于 P2P 的 MEC 计算架构，以及（b）中央控制型 MEC 计算架构在 MEC 中，我们采用 P2P 技术，进行分布式媒体数
14、据存储和计算。在 P2P 架构中，每个节点都是同等重要的，因此，MEC 具有媒体数据存储和多媒体计算的高可伸缩性、可用性和鲁棒性。为了支持移动用户，我们提出了云代理概念，它驻留在 MEC 的边缘或网关上，如图3（a）和（b）所示，用于执行多媒体处理（如适配和转码）和缓存，以弥补移动设备计算能力弱和电池续航时间短的局限性。分布式并行多媒体处理传统上，多媒体处理是在客户端或专有服务器上进行的。在多媒体云计算中，多媒体处理通常是第三方的云数据中心进行的（除非有人喜欢建设私有云，这是很昂贵的）。随着多媒体处理转移到云中，多媒体云计算面临的主要挑战之一是云如何为包括移动用户在内的数百万用户提供多媒体数据
15、的分布式并行处理。为了解决这个问题，多媒体存储和计算需要以分布式和并行的方式执行。在 MEC 中，我们建议存储集群使用 DHT 进行媒体数据存储，而 CPU 或GPU 集群使用带有媒体负载均衡器的多媒体处理程序并行执行模型，用于媒体计算。如图4（a）所示，对于媒体存储，我们对数据跟踪器赋以与数据相关的独特键值，数据跟踪器用于管理媒体数据以何种方式分配到存储集群中。对于媒体计算，我们使用程序跟踪器或所谓的负载均衡器，以分布方式安排媒体任务；接着，在 MEC 中由 CPU 或 GPU 集群执行媒体任务。此外，我们在 MEC 内使用并行分布式多媒体处理来执行大型多媒体程序，如图 4（b）所示。具体来
16、说，首先，我们可以在用户级别上执行媒体负载均衡10。其次，我们可以在多媒体任务级别上运行并行媒体处理。换句话说，我们提出的方法不仅在用户级别上实现了分布式负载平衡，而且在多媒体任务级别上实现了多媒体任务并行处理。在下面的案例研究中，我们将进一步加以说明。图 4 （a）用于多媒体服务的数据和程序跟踪器；（b）分布式并行多媒体处理案例研究为了进一步阐述我们前面所讨论的内容，我们将以 Photosynth 为例，来说明多媒体并行处理是如何工作的，以及它如何优于传统方法。Photosynth（http:/ PhotoSynth 网站。目前， PhotoSynth 图像计算是在本地 PC 完成的。PhotoSynth 的主要计算任务是图像转换、特征提取、图像匹配和重
