[논문 리뷰] Cloud-Based Video Streaming Services: A Survey

Xiangbo Li, Mahmoud Darwich외 2명|arXiv (Cornell University)|2020. 11. 30.

Image and Video Quality Assessment인용 수 4

한 줄 요약

이 종합적 리뷰는 클라우드 기반 비디오 스트리밍에 대한 포괄적인 분석을 제공하며, 비디오 캡처부터 딜리버리에 이르는 기술적 파이프라인을 상세히 설명한다. 여기에는 인코딩, 패키징, CDNs를 통한 딜리버리가 포함된다. 확장성, 보안성, 저지연 스트리밍을 위한 클라우드 네이티브 솔루션을 평가하며, 지능형 작업 스케줄링, 장애 내성, 엣지 클라우드 연합 등 QoE 및 비용 효율성 향상을 위한 핵심 연구 과제를 규명한다.

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.

연구 동기 및 목표

• 인터넷 기반 비디오 스트리밍의 복잡한 기술 워크플로우를 원천 비디오에서 최종 사용자 기기까지 해소한다.
• 클라우드 컴퓨팅이 확장성, 유연성, 비용 효율적인 비디오 스트리밍 서비스를 어떻게 가능하게 하는지 분석한다.
• 지연, 장애 내성, 자원 효율성과 같은 클라우드 기반 비디오 스트리밍의 핵심 과제를 규명한다.
• 비디오 스트리밍과 클라우드 컴퓨팅의 융합 분야에서 기존 연구 및 산업 관행을 조사한다.
• 기계학습 기반 작업 스케줄링 및 연합 엣지 클라우드 아키텍처와 같은 향후 연구 방향을 제시한다.

제안 방법

• 비디오 압축, 인코딩, 패키징(예: DASH, HLS, CMAF), CDNs를 통한 딜리버리 포함 비디오 스트리밍 기술의 체계적 리뷰.
• 가상 머신 및 컨테이너를 활용한 인코딩 및 패키징을 위한 클라우드 네이티브 아키텍처 분석.
• 클라우드 기반 스트리밍 파이프라인에서의 DRM 및 암호화와 같은 보안 메커니즘 평가.
• 대규모 비디오 레포지토리 및 고처리량 액세스를 위한 최적화된 클라우드 스토리지 솔루션 조사.
• 분산 데이터 센터 내 엣지 컴퓨팅 및 콘텐츠 캐싱을 활용한 지연 감소 기법 분석.
• 장애 내성, 로드 밸런싱, 기계학습 통합 등 비디오 스트리밍 워크로드에서의 기존 문헌을 종합하여 연구 격차 규명.

실험 결과

연구 질문

• RQ1 비디오 스트리밍 시스템은 여러 기기와 네트워크를 통해 원천 비디오를 어떻게 처리 가능한 형식으로 변환하는가?
• RQ2 클라우드 컴퓨팅이 확장성과 내구성이 뛰어난 비디오 스트리밍 서비스를 가능하게 하는 주요 역할은 무엇인가?
• RQ3 기계학습은 클라우드 기반 비디오 처리에서 작업 스케줄링, 자원 할당, 실행 시간 예측을 어떻게 향상시킬 수 있는가?
• RQ4 클라우드 환경에서 장애 내성 비디오 스트리밍 시스템을 구축할 때의 과제와 기회는 무엇인가?
• RQ5 연합 엣지 클라우드 아키텍처는 글로벌 비디오 딜리버리에서 지연을 줄이고 비용 효율성을 향상시키는 데 어떻게 기여할 수 있는가?

주요 결과

• 클라우드 기반 비디오 스트리밍은 가상화 및 분산 컴퓨팅을 활용해 인코딩 및 딜리버리 워크로드를 동적으로 확장함으로써 인프라 비용을 절감하고 자원 활용도를 향상시킨다.
• 인코딩 시간 예측에 사용되는 기계학습 기법은 클라우드 환경에서 로드 밸런싱 및 자원 할당을 크게 향상시킨다.
• 비디오 스트리밍에서의 장애 내성은 VM/컨테이너 장애 및 비디오 처리 작업 장애를 다루는 전용 정책이 필요하며, 현재의 솔루션은 QoE 인식 목표와의 완전한 통합을 보이지 못하고 있다.
• 연합 엣지 클라우드 아키텍처는 지능적으로 지리적으로 분산된 엣지 데이터 센터를 통해 비디오 요청을 라우팅하고 캐시된 콘텐츠를 활용함으로써 지연을 줄이고 비용 효율성을 향상시킬 수 있다.
• 현재의 CDN 및 클라우드 시스템은 분산 엣지 자원의 잠재력을 충분히 활용하지 못하고 있어, 동적이고 정책 기반의 로드 분배 메커니즘이 필요하다.
• 비디오 스트리밍 작업에 의미적 유사도 검출 기술을 통합하면 유사한 요청 간 처리 결과 재사용이 가능해져 다중 사용자 환경에서 효율성을 향상시킬 수 있다.