[论文解读] Crowdsourced Live Streaming over the Cloud

Fei Chen, Cong Zhang+2 more|arXiv (Cornell University)|Feb 23, 2015

Image and Video Quality Assessment参考文献 10被引用 6

一句话总结

本文提出了一种基于云的、成本效益高的众包实时流媒体框架，通过动态租赁地理分布的云资源以最小化延迟和帧丢失。通过根据实时需求和延迟，在异构云实例之间自适应地迁移服务，所提出的最优迁移（OM）策略相比集中式和固定分配方法，将流媒体延迟降低了近50%，并节省了高达30%的资源 provision 成本。

ABSTRACT

Empowered by today's rich tools for media generation and distribution, and the convenient Internet access, crowdsourced streaming generalizes the single-source streaming paradigm by including massive contributors for a video channel. It calls a joint optimization along the path from crowdsourcers, through streaming servers, to the end-users to minimize the overall latency. The dynamics of the video sources, together with the globalized request demands and the high computation demand from each sourcer, make crowdsourced live streaming challenging even with powerful support from modern cloud computing. In this paper, we present a generic framework that facilitates a cost-effective cloud service for crowdsourced live streaming. Through adaptively leasing, the cloud servers can be provisioned in a fine granularity to accommodate geo-distributed video crowdsourcers. We present an optimal solution to deal with service migration among cloud instances of diverse lease prices. It also addresses the location impact to the streaming quality. To understand the performance of the proposed strategies in the realworld, we have built a prototype system running over the planetlab and the Amazon/Microsoft Cloud. Our extensive experiments demonstrate that the effectiveness of our solution in terms of deployment cost and streaming quality.

研究动机与目标

• 解决由于视频源地理分布广泛且动态变化，导致众包实时流媒体中高延迟和高成本的挑战。
• 在价格和网络延迟各不相同的异构云站点之间，优化云资源租赁。
• 在尊重集中式服务器基准预算约束的前提下，最小化端到端流媒体延迟和帧丢失。
• 实现可扩展的、实时适应动态观众需求和源可用性的实时流媒体系统。

提出的方法

• 设计一种通用的云服务框架，根据实时需求和源分布，以细粒度的自适应租赁周期分配云资源。
• 开发一种最优迁移（OM）策略，通过成本-延迟权衡模型，选择延迟和成本最低的云实例。
• 将云租赁建模为动态优化问题，其中服务迁移决策由实时往返时间（RTT）延迟和实例定价驱动。
• 实施一种协作式租赁策略，通过在多个云区域之间均衡负载，以减少端到端延迟并提升服务质量。
• 使用基于 trace 的仿真和在 PlanetLab 以及 AWS/Azure 上的真实实验，评估在真实流量模式下的性能表现。
• 采用与 RTT 成反比的偏好函数，优先在决策中选择低延迟云实例。

实验结果

研究问题

• RQ1 如何在分布式的、异构的云实例之间最优租赁云资源，以最小化众包实时流媒体中的端到端流媒体延迟？
• RQ2 众包源的地理分布对流媒体质量和成本有何影响？如何通过智能服务部署来缓解这一影响？
• RQ3 与静态或集中式部署相比，跨云实例的自适应服务迁移对成本节约和质量保障有何影响？
• RQ4 在预算约束下，云租赁策略是否能够实现接近最优的延迟和帧丢失表现，同时降低资源 provision 成本？
• RQ5 在观众需求和源活动随时间变化的系统中，基于预测的动态云租赁能在多大程度上提升性能？

主要发现

• 所提出的最优迁移（OM）策略相比集中式专用服务器（CDS）基准，将流媒体延迟降低了近50%。
• 在高峰需求期间，OM 策略在保持流媒体质量与 TOP（排名第一）策略相差不超过5%的同时，资源 provision 成本最高可节省30%。
• 当观众集中在与中心服务器连接延迟较高的区域时，帧丢失的减少效果最为显著，尤其是在上午8点前和晚上9点后，此时源分布发生变化。
• CP（最近提供商）策略仅在大多数观众靠近单一源区域时才表现出性能提升，凸显了本地化资源 provision 的局限性。
• 尽管使用了价格各异的分布式实例，OM 策略的成本比率仍低于基准成本，这得益于智能迁移和负载均衡。
• 在 PlanetLab 和 AWS/Azure 上的真实实验结果表明，该框架能有效平衡成本与质量，展现出对动态源和需求模式的可扩展性和适应性。