论文部分内容阅读
由于网络视频业务市场需求的不断增加,业务开展相关的技术研究也受到越来越多的关注,其中在系统资源成本的有限的情况下,针对用户对系统访问的集中性和突发性问题进行系统性能优化一直是相关研究的热点,而解决此问题需要做到三个方面的基本要求：●明确系统中引起访问量集中和突增的因素●建立用户访问行为模型以描述和监测系统负载的变化情况●建立完善的负载均衡和接入控制机制本文针对以上三方面要求,对用户访问行为模型及利用模型进行系统性能优化的相关技术进行研究。首先提出了用户到达率模型的改进及其预测算法,并在此模型的基础上进行了接入控制策略和多服务器协作策略的研究和探讨。本文的主要工作和创新点如下：(1)分析了视频服务器用户访问行为的多模式性,提出利用时间序列模型来描述用户到达率的变化过程,并使用Markov预测模型来预测用户到达强度。(2)提出使用Fisher最优分割算法对历史数据进行模式分割,使用高斯混合模型(GMM)来拟合用户到达时间序列的概率分布,并用于计算时间序列预测时各序列点间的联合概率分布以提高Markov预测模型的预测精度。(3)深入分析了视频服务器资源瓶颈,使用排队论对用户的访问行为建模,在用户请求到达率预测模型的基础上,提出分时段按照用户到达率的预测值进行用户访问请求的接入控制策略。针对已有的接入控制算法无法进行在线计算的情况,提出了一种准动态阈值接入控制算法,并利用一种改进的粒子群算法(PSO)来进行阈值的搜索,有效的提高了算法的实时性。(4)对系统具有多个异地服务器,不同服务器具有不同容量,不同用户访问模式的情况进行了分析,提出使用服务器间协作的方式提高系统的容量,最后给出了服务器资源利用率的分析方法以及对用户请求进行内容路由的算法。本文所提出的模型和算法都通过实际数据集或仿真实验进行了验证,最终结果表明了这些模型和算法的有效性。