[論文レビュー] Cloud-Based Video Streaming Services: A Survey

Xiangbo Li, Mahmoud Darwich+2 more|arXiv (Cornell University)|Nov 30, 2020

Image and Video Quality Assessment被引用数 4

ひとこと要約

本サーベイは、クラウドベースの動画ストリーミングについて包括的な分析を提供し、動画キャプチャから配信までの技術的パイプライン（変換、パッケージング、CDNを介した配信を含む）を詳細に説明する。スケーラビリティ、セキュリティ、低レイテンシーストリーミングを実現するクラウドネイティブソリューションを評価し、知能的なタスクスケジューリング、フェイルセーフ、エッジクラウド連携といった、QoEおよびコスト効率の向上に向けた主な研究課題を特定する。

ABSTRACT

Video streaming, in various forms of video on demand (VOD), live, and 360 degree streaming, has grown dramatically during the past few years. In comparison to traditional cable broadcasters whose contents can only be watched on TVs, video streaming is ubiquitous and viewers can flexibly watch the video contents on various devices, ranging from smart-phones to laptops and large TV screens. Such ubiquity and flexibility are enabled by interweaving multiple technologies, such as video compression, cloud computing, content delivery networks, and several other technologies. As video streaming gains more popularity and dominates the Internet traffic, it is essential to understand the way it operates and the interplay of different technologies involved in it. Accordingly, the first goal of this paper is to unveil sophisticated processes to deliver a raw captured video to viewers' devices. In particular, we elaborate on the video encoding, transcoding, packaging, encryption, and delivery processes. We survey recent efforts in academia and industry to enhance these processes. As video streaming industry is increasingly becoming reliant on cloud computing, the second goal of this survey is to explore and survey the ways cloud services are utilized to enable video streaming services. The third goal of the study is to position the undertaken research works in cloud-based video streaming and identify challenges that need to be obviated in future to advance cloud-based video streaming industry to a more flexible and user-centric service.

研究の動機と目的

• インターネットベースの動画ストリーミングの複雑な技術的ワークフロー（生動画からエンドユーザー端末への変換）を解明すること。
• クラウドコンピューティングがスケーラブルで柔軟かつコスト効率の良い動画ストリーミングサービスをどのように可能にするかを分析すること。
• レイテンシ、フェイルセーフ、リソース効率性といった、クラウドベースの動画ストリーミングにおける重要な課題を特定すること。
• 動画ストリーミングとクラウドコンピューティングの交差分野における既存の研究および産業実務を調査すること。
• 機械学習を用いたタスクスケジューリングやフェデレーテッドエッジクラウドアーキテクチャを含む、今後の研究方向性を提示すること。

提案手法

• 動画圧縮、変換、パッケージング（例：DASH、HLS、CMAF）、CDNを介した配信を含む、動画ストリーミング技術の体系的レビュー。
• 仮想マシンおよびコンテナを用いた変換およびパッケージングのためのクラウドネイティブアーキテクチャの分析。
• クラウドベースのストリーミングパイプラインにおけるDRMおよび暗号化メカニズムの評価。
• 大規模な動画リポジトリおよび高スループットアクセスを最適化したクラウドストレージソリューションのサーベイ。
• 分散データセンターにおけるエッジコンピューティングおよびコンテンツキャッシュを活用したレイテンシ低減技術の検討。
• フェイルセーフ、負荷分散、動画ストリーミングワークロードにおける機械学習統合に関する既存文献の統合を通じた研究ギャップの同定。

実験結果

リサーチクエスチョン

• RQ1 動画ストリーミングシステムは、複数のデバイスおよびネットワークを介して生動画をどのように配信可能なフォーマットに変換するか？
• RQ2 クラウドコンピューティングがスケーラブルでレジリエントな動画ストリーミングサービスを実現するために果たす主な役割は何か？
• RQ3 機械学習は、クラウドベースの動画処理におけるタスクスケジューリング、リソースプロビジョニング、実行時間推定をどのように改善できるか？
• RQ4 クラウド環境におけるフェイルセーフな動画ストリーミングシステムの構築における課題と機会は何か？
• RQ5 フェデレーテッドエッジクラウドアーキテクチャは、グローバルな動画配信においてレイテンシを低減し、コスト効率を向上させるためにどのように機能するか？

主な発見

• クラウドベースの動画ストリーミングは、仮想化および分散コンピューティングを活用して、変換および配信ワークロードを動的にスケーリングし、インfra構築コストを削減するとともにリソース利用効率を向上させる。
• 変換時間の予測に用いられる機械学習技術は、クラウド環境における負荷分散およびリソース割り当てを顕著に改善する。
• 動画ストリーミングにおけるフェイルセーフ性は、VM／コンテナの障害および動画処理タスクの障害に対処するための特別なポリシーを要するが、現行のソリューションはQoE指向の目的と完全に統合されていない。
• フェデレーテッドエッジクラウドアーキテクチャは、地理的に分散されたエッジデータセンター間で動画リクエストを知的にルーティングし、キャッシュされたコンテンツを活用することで、レイテンシを低減しコスト効率を向上させることができる。
• 現在のCDNおよびクラウドシステムは、分散エッジリソースの潜在的利点を十分に活用していないため、動的でポリシー駆動の負荷分散メカニズムの導入が求められている。
• 動画ストリーミングタスクにおける意味的類似度検出の統合により、類似リクエスト間で処理結果を再利用可能となり、マルチユーザー環境における効率性が向上する可能性がある。