...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of network and computer applications >Cloud based Video-on-Demand service model ensuring quality of service and scalability
【24h】

Cloud based Video-on-Demand service model ensuring quality of service and scalability

机译：基于云的视频点播服务模型可确保服务质量和可扩展性

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Abstract Increasing availability and popularity of cloud Storage as a Service (STaaS) offers alternatives to traditional on-line video entertainment models, which rely on expensive Content Delivery Networks (CDNs). In this paper, we present an elastic analytic solution model to ensure Quality of Service (QoS) when providing Video-on-Demand (VoD) using several third party elastic cloud storage services. First, we individually gather cloud storage start-up delays, and characterize them to show that they are heavy-tailed. Then, we perform a meta-characterization of these delays using Principal Component Analysis (PCA) to create a characteristic cloud delay trace. By using different estimation techniques of the Hurst Parameter, we demonstrate that this new trace (also heavy-tailed) exhibits self-similarity, a property not sufficiently studied in cloud storage environments. Finally, we pursue stochastic modeling using different heavy-tailed probability distributions to derive prediction models and elasticity parameters from the cloud VoD system. We obtain a stochastic self-similar model and compare it with trace based simulation results by testing different heavy-tailed probability distributions, meta-cloud elasticity values and Hurst parameters. Since our approach optimizes QoS, we guarantee a specific video start-up delay for a number of arriving clients. This is a strong commitment for a VoD service, because traditional cloud approaches often focus on a best-effort paradigm optimizing performance, cost, and bandwidth, among other parameters.
机译： 摘要 提高云的可用性和普及性存储即服务（STaaS）提供了传统在线视频娱乐模型的替代方案，后者依赖昂贵的内容交付网络（CDN）。在本文中，我们提出了一种弹性分析解决方案模型，以在使用多个第三方弹性云存储服务提供视频点播（VoD）时确保服务质量（QoS）。首先，我们分别收集云存储启动延迟，并对其进行表征，以表明它们是重尾的。然后，我们使用主成分分析（PCA）对这些延迟进行元表征，以创建特征性云延迟轨迹。通过使用赫斯特参数的不同估计技术，我们证明了这种新迹线（也是重尾的）表现出自相似性，这是在云存储环境中尚未充分研究的特性。最后，我们使用不同的重尾概率分布进行随机建模，以从云VoD系统导出预测模型和弹性参数。我们获得了一个随机的自相似模型，并通过测试不同的重尾概率分布，超云弹性值和赫斯特参数，将其与基于轨迹的仿真结果进行比较。由于我们的方法优化了QoS，因此我们为许多到达的客户保证了特定的视频启动延迟。这是对VoD服务的坚定承诺，因为传统的云方法通常专注于尽力而为的范例，以优化性能，成本和带宽以及其他参数。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号