随着网络传输基础技术的发展,人们可以在各个终端浏览视频。视频的分辨率也越来越高,高清、超高清乃至更高的8K分辨率的概念层出不穷。根据思科的预测,得益于移动端的爆发性增长,未来的互联网流量中,视频流量将占据70%甚至更多,这一比例会在接下来的数年中继续提高。如此大规模的视频处理和传输将成为一个巨大的难题。在视频处理方面,由于云计算能够横向兼容计算资源和存储资源的特点,基于云计算的视频处理已经逐渐成为研究热点。Hadoop作为开源分布式计算框架中的佼佼者,在视频计算中的应用屡见不鲜。然而,使用Hadoop作为视频处理框架有两个不足:首先,基于Hadoop的视频处理框架难以兼容不等价的计算节点;其次,Hadoop不支持迭代式运算。本文为了解决以上两个问题,提出了基于Celery的分布式视频计算框架。本文提出的基于Celery的分布式视频处理框架借鉴了Hadoop的JobTracker和TaskTracker的分层设计,使用API服务器层、作业管理层和任务执行层的三层架构设计,使用控制流、状态流和数据流完成三层架构之间的通信。本文具体描述了架构设计的细节和一些优化工作,并通过实验数据分析了框架的优势和不足。在视频传输方面,动态自适应流媒体技术可以实现多码流的切换,成为了多屏内容传输的首选,然而目前的传输算法在性能上仍然有提高的空间。本文首先回顾了流媒体传输协议的发展历史,以及现有的两种比较典型的码率切换算法,并基于此提出了一种应用于低时延传输的码率切换算法。实验证明,该算法能够有效抑制低时延场景下视频质量抖动的现象,提高了视频传输的QoS性能。此外,本文还提出了一种基于缓存服务器的DASH架构,并提出了动态缓存算法。实验证明,该算法能够在损失比较小的QoS的代价下显著提高缓存效率,缓解主干网压力。