买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民大学

摘要：本发明公开了一种基于异构算力节点协同的视频分发方法，涉及通信技术领域。本发明通过部署不同云服务的分布式节点构建算力网络来协同处理视频提升服务可用性，设计强化学习模型规划视频传输路径并合理选取处理转码节点，采用优先级排队对不同视频任务进行调度并自适应调整节点资源以降低对计算和网络资源的突发竞争，克服了节点计算和网络的异构性和动态性，实现了低时延高带宽的视频分发，能够满足超高清视频直播的实时性需求，也适用于视频点播等其它相关场景。

主权项：1.一种基于异构算力节点协同的视频分发方法，其特征在于，该方法主要包括以下步骤：步骤1、建立视频分发节点决策模型，该模型建立包括以下步骤：步骤1.1、部署多云分布式节点来构建算力网络，使视频分发采用的CDN服务器节点具有足够算力；步骤1.2、监测节点资源，通过节点中选择出的控制器及时掌握算力节点资源的动态变化，合理编排各节点资源用于处理视频分发任务；步骤1.3、在线模型选择，通过在线追踪异构节点的计算和网络资源变化，合理选择最大化视频分发效率的传输和转码节点；步骤2、设计合理的多任务调度策略，该策略包括以下步骤：步骤2.1、对视频进行优先级排队，缓解同时发起分发任务处理请求的多个视频流对节点计算和网络资源的竞争，根据视频块播放期限的临近程度设置排队优先级依次处理，以缓解资源竞争压力；步骤2.2、对各种资源进行自适应配置，降低突发流量峰值导致资源容量不足的风险，对视频分发请求削峰填谷提升节点的弹性；其中，所述步骤1.1通过以下步骤构建算力网络：步骤1.1.1，将多个云服务的全球分布式节点位置都作为候选算力节点位置，去除包含候选节点位置较多的地理区域内性能较差的节点以节约资源成本，具体地，测量所有候选节点位置两两之间往返时延RTT，设个候选节点位置间的测量集合为，取各节点位置到其它节点位置中最小RTT值，在各区域内根据该值进行排序并去除其中一定比例值较大的节点位置，其中该比例常用值为13；步骤1.1.2，对上述选定的节点位置各部署一个节点实例，对于不同云服务在各节点位置提供的不同类型的实例配置，选择其中单位价格处理速率最高的配置，具体地，使用所有个类型配置的实例分别对同一代表性视频进行编解码，记录其各自总用时，并查询各种配置的价格，通过1计算单位价格处理速率对所有实例配置排序，按结果值最高的配置进行实例部署；步骤1.1.3，基于上述部署节点构建算力网络作为视频分发CDN，利用靠近直播源的CDN服务器节点完成视频摄取，而视频转码工作在视频分发的过程中卸载到用于传输的CDN服务器节点完成；所述步骤1.3通过以下步骤进行在线模型选择：步骤1.3.1，构建一个强化学习模型，其中利用神经网络NN来表示其迭代更新的控制策略，其中为一组参数，状态的各元素分别输入两个相似的多层神经网络，其中一个称为Actor基于提取的特征输出动作，另一个称为Critic用于判断动作价值，其中NN具体层数和每层单元数根据实际情况调整，每个神经网络的输入层都采用一维卷积神经网络1D-CNN来提取集合序列的特征，而全连接FC层都采用tanh激活函数来增强学习能力，Actor网络的输出层以softmax作为激活函数，生成选择每个动作的概率分布，其提供概率最大的动作；而Critic网络的输出层是一个线性神经元，它估计从当前状态开始的预期总奖励，Actor网络根据Critic网络计算出的最优价值迭代更新策略函数，最终决策出视频传输和转码的最优节点，为了适应在线推断的要求，在模型训练中采用邻近策略优化PPO促使模型快速收敛算法，平滑更新策略参数以尽快稳定生成合理决策；步骤1.3.2，上述强化学习模型以收集的节点资源使用情况为状态进行学习，以确定传输和转码节点集合向量为需要决策的动作，每次执行动作后会产生新状态，从而启动新一轮的学习和决策，注意当需要服务不同区域多个目标用户时，则对不同目标分别做传输和转码决策，这里允许在分发过程中进行一跳中转，如无需中转则设置为0；转码节点是从源邻近、目标邻近或中转节点中选择的用于转码的合适节点；步骤1.3.3,设置动作关联的奖励reward函数使模型从过去的经验中学习，以最小化正在分发的所有视频流在传视频块的最大传输完成时间，即尾时延为目标，这里视频块传输用时包含各段节点间传输用时以及转码计算用时，计算公式为： ，其中为视频块大小，、、、分别依次为直播源、源邻近节点、中转节点、目标邻近节点、目标用户之间的链路带宽，当没有中转节点时用替代，为确定的转码节点的计算用时；奖励函数设置为当前状态相比上一个状态在所有在传视频块传输尾时延上的降低情况，即 ，其中表示视频流当前在传视频块的传输用时，其中动作的奖励值是在下一个状态产生时计算的，此时可以准确获取各节点在执行视频分发过程中资源使用情况用于上述传输用时计算。

全文数据：

权利要求：

百度查询： 中国人民大学 一种基于异构算力节点协同的视频分发方法