本發(fā)明屬于網(wǎng)絡(luò)多媒體技術(shù)和云計(jì)算技術(shù)領(lǐng)域，具體為一種基于多云架構(gòu)的內(nèi)容分發(fā)服務(wù)資源優(yōu)化調(diào)度方法。

背景技術(shù)：

數(shù)字內(nèi)容產(chǎn)業(yè)在下一代ip網(wǎng)絡(luò)的應(yīng)用中占有十分重要的地位。新一代互聯(lián)網(wǎng)中，隨著寬帶的發(fā)展，互聯(lián)網(wǎng)應(yīng)用已經(jīng)從單純的web瀏覽轉(zhuǎn)向以豐富的內(nèi)容為中心的綜合應(yīng)用，豐富媒體內(nèi)容的分發(fā)服務(wù)將占越來越大的比重，流媒體、iptv、大文件下載、高清視頻等應(yīng)用逐漸成為寬帶應(yīng)用的主流。根據(jù)cisco2016年視頻網(wǎng)絡(luò)調(diào)查報(bào)告，2015年視頻流量占到整個(gè)internet流量超過70％。這些視頻應(yīng)用所固有的高帶寬、高訪問量和高服務(wù)質(zhì)量要求對(duì)以盡力而為為核心的互聯(lián)網(wǎng)提出了巨大的挑戰(zhàn)，如何實(shí)現(xiàn)快速的、自動(dòng)伸縮、有服務(wù)質(zhì)量保證的內(nèi)容分發(fā)傳遞成為核心問題。流媒體的服務(wù)需求經(jīng)常超出應(yīng)用服務(wù)提供商自身的it架構(gòu)能力，這就需要應(yīng)用服務(wù)提供商不斷加大系統(tǒng)硬件投入來實(shí)現(xiàn)系統(tǒng)的擴(kuò)展能力。為了節(jié)省成本和實(shí)現(xiàn)系統(tǒng)的可擴(kuò)展性，云計(jì)算的概念和技術(shù)不斷發(fā)展。云計(jì)算(cloudcomputing)，是一種基于互聯(lián)網(wǎng)的開放共享的計(jì)算方式，通過這種方式，共享的軟硬件資源和內(nèi)容可以按需求提供給用戶。云計(jì)算是分布式計(jì)算、并行處理和網(wǎng)格計(jì)算的進(jìn)一步發(fā)展，能夠向各種互聯(lián)網(wǎng)應(yīng)用提供硬件服務(wù)、基礎(chǔ)架構(gòu)服務(wù)、平臺(tái)服務(wù)、軟件服務(wù)、存儲(chǔ)服務(wù)。云計(jì)算作為一種新型的按需使用、按用付費(fèi)的商業(yè)模式，它以虛擬化技術(shù)為基礎(chǔ)，并具備了彈性擴(kuò)展，動(dòng)態(tài)分配和資源共享等特點(diǎn)，不僅改變了當(dāng)今it基礎(chǔ)設(shè)施的架構(gòu)模式，也改變了獲取、管理和使用it資源的方式。美國家標(biāo)準(zhǔn)與技術(shù)研究院(nationalinstituteofstandardsandtechnology，nist)將云計(jì)算系統(tǒng)的部署方式劃分為私有云、社區(qū)云、公有云和混合云等四種.流媒體服務(wù)的提供商首先供給私有云資源進(jìn)行內(nèi)容分發(fā)服務(wù)。由于所有物理設(shè)備均由應(yīng)用服務(wù)提供商自身維護(hù)，所以它能保證數(shù)據(jù)及網(wǎng)絡(luò)傳輸過程中的性能和安全性。但是，構(gòu)建私有云的成本較高，且可擴(kuò)展性不強(qiáng)。一旦建成私有云平臺(tái)，私有云內(nèi)的資源總量是固定的，無法隨著需求變化自動(dòng)伸縮提供資源，較低的資源利用率以及無法滿足流媒體突發(fā)請(qǐng)求將是內(nèi)容服務(wù)提供商面臨的一個(gè)重大問題。而多云架構(gòu)(multicloud)是在單一的云計(jì)算結(jié)構(gòu)基礎(chǔ)上，使用多個(gè)云計(jì)算服務(wù)的架構(gòu)，并將這些計(jì)算云或者存儲(chǔ)云邏輯上結(jié)合起來。例如，企業(yè)可以同時(shí)使用不同的云服務(wù)供應(yīng)商基礎(chǔ)設(shè)施(iaas)和軟件(saas)的服務(wù)，或者使用多個(gè)基礎(chǔ)設(shè)施(iaas)供應(yīng)商。在后一種情況下，企業(yè)可以為不同的工作負(fù)載使用不同的基礎(chǔ)設(shè)施供應(yīng)商，在不同的供應(yīng)商之間負(fù)載均衡，或者在一個(gè)供應(yīng)商的云上部署工作負(fù)載，并在另一個(gè)云上做備份。

經(jīng)對(duì)現(xiàn)有技術(shù)的文獻(xiàn)檢索發(fā)現(xiàn)，傳統(tǒng)的內(nèi)容分發(fā)網(wǎng)絡(luò)(cdn)一直依賴于傳統(tǒng)的internet數(shù)據(jù)中心(internetdatacenter，idc)技術(shù)的支撐，例如全球最大的cdn提供商akamai在遍布全球的1000多個(gè)網(wǎng)絡(luò)部署了眾多服務(wù)器，遍及九十多個(gè)國家，總數(shù)超過15萬臺(tái)。但是傳統(tǒng)的idc硬件設(shè)施固定，不能動(dòng)態(tài)擴(kuò)展，而目前的虛擬化技術(shù)支撐的云數(shù)據(jù)中心(clouddatacenter，cdc)的部署不斷壯大，包括大型云提供商例如amazon和microsoft提供的大規(guī)模云數(shù)據(jù)中心，也包括眾多小型isp提供的微型云數(shù)據(jù)中心也在蓬勃發(fā)展。云數(shù)據(jù)中心與內(nèi)容分發(fā)技術(shù)的結(jié)合趨勢已經(jīng)顯現(xiàn)，內(nèi)容分發(fā)云或內(nèi)容云(contentdeliverycloud，contentcloud)的技術(shù)也已經(jīng)出現(xiàn)，在國際學(xué)術(shù)界已經(jīng)有初步的研究，但還沒有比較成熟的技術(shù)和大規(guī)模應(yīng)用出現(xiàn)。diniu等【dcb2012，diniu,chenfeng,baochunli,atheoryofcloudbandwidthpricingforvideo-on-demandproviders,inieeeinfocom2012.】針對(duì)vod應(yīng)用提出一種云帶寬的動(dòng)態(tài)定價(jià)理論。他們提供一種新的類型服務(wù)，如netflix和hulu的視頻點(diǎn)播提供商以可協(xié)商的價(jià)格從云端資源預(yù)留相應(yīng)帶寬保障支持連續(xù)的流媒體，但最終是依托于單一云提供內(nèi)容分發(fā)服務(wù)，還沒有用到多云架構(gòu)。hongqiangliu【hyr2012，hongqiangharryliu,yewang,yangrichardyang,haowang,chentian,optimizingcostandperformanceforcontentmultihoming,sigcomm'12,371-382.】在sigcomm2012上提出目前的視頻內(nèi)容發(fā)布商經(jīng)常利用多個(gè)cdn平臺(tái)來幫助其分發(fā)視頻內(nèi)容，這稱為contentmultihoming問題，該文研究了contentmultihoming如何達(dá)到流媒體性能和所花費(fèi)用的平衡和優(yōu)化。該論文用到了多cdn技術(shù)提供流媒體服務(wù)，cdn服務(wù)不能動(dòng)態(tài)擴(kuò)展，該論文沒有用到可以靈活擴(kuò)展的多云架構(gòu)。zhewu等在國際權(quán)威會(huì)議sosp2013上發(fā)表【zmd2013，zhewu,michaelbutkiewicz,dorianperkins,ethankatz-bassett,andharshav.madhyastha,spanstore:cost-effectivegeo-replicatedstoragespanningmultiplecloudservices,sosp’13,nov.3–6,2013,usa.】提出spanstore，跨越多個(gè)云數(shù)據(jù)中心構(gòu)建高性價(jià)比的云存儲(chǔ)系統(tǒng)，spanstore通過評(píng)估應(yīng)用負(fù)載特征，確定分布式副本的放置位置，滿足應(yīng)用延遲的要求和較低的云租用成本，該成果對(duì)我們的研究有很好的借鑒作用，該方法側(cè)重于多云數(shù)據(jù)中心支持的云存儲(chǔ)技術(shù)，我們的發(fā)明側(cè)重于多云架構(gòu)支持的內(nèi)容分發(fā)服務(wù)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提出一種新型的基于多云架構(gòu)下的內(nèi)容分發(fā)服務(wù)資源優(yōu)化調(diào)度方法。本發(fā)明基于多云架構(gòu)，包含若干公有云與私有云。在這個(gè)模式中，由于公有云的動(dòng)態(tài)彈性，在內(nèi)容服務(wù)提供商內(nèi)部私有云負(fù)載達(dá)到飽和的情況下，平臺(tái)可以根據(jù)預(yù)測和實(shí)時(shí)情況完成多云環(huán)境下的初部署、擴(kuò)展與切換，以應(yīng)對(duì)流媒體服務(wù)中大量突發(fā)性的用戶請(qǐng)求。利用此機(jī)制，在降低費(fèi)用成本，保證性能的情況下，用戶體驗(yàn)度能得到進(jìn)一步提升。

本發(fā)明基于多云架構(gòu)系統(tǒng)框架，將多媒體內(nèi)容分發(fā)作為目標(biāo)應(yīng)用，設(shè)計(jì)了內(nèi)容分發(fā)服務(wù)資源優(yōu)化配置與調(diào)度方法。本發(fā)明在多云架構(gòu)下，覆蓋了多云選擇初部署、多云擴(kuò)展以及多云切換三個(gè)機(jī)制，并且加入了監(jiān)控模型、負(fù)載預(yù)測算法以及內(nèi)容資源預(yù)拷貝precopying機(jī)制，使得整個(gè)配置與調(diào)度機(jī)制更具有適用性和通用性。

本發(fā)明的技術(shù)方案具體介紹如下。

本發(fā)明提供一種基于多云架構(gòu)的內(nèi)容分發(fā)服務(wù)資源優(yōu)化調(diào)度方法，其根據(jù)預(yù)測和實(shí)時(shí)情況完成多云環(huán)境下的初部署、擴(kuò)展與切換；具體如下：

(1)多云選擇初部署階段

按照多云選擇初部署啟發(fā)式算法，尋找部署開銷最小、性能較優(yōu)的云站點(diǎn)，并啟動(dòng)虛擬機(jī)部署流媒體應(yīng)用，之后針對(duì)每一個(gè)云站點(diǎn)，找到其上游的最優(yōu)云站點(diǎn)，并拷貝流媒體內(nèi)容資源，通過兩層的優(yōu)化，減少部署的開銷；

(2)多云擴(kuò)展階段

多云擴(kuò)展階段針對(duì)可預(yù)測和云爆發(fā)架構(gòu)下的多云擴(kuò)展：

在可預(yù)測的多云擴(kuò)展方案中，基于時(shí)間序列分析的arima預(yù)測模型，通過對(duì)歷史監(jiān)控?cái)?shù)據(jù)分析并將其作為輸入，在判定為有效預(yù)測值的基礎(chǔ)上，完成對(duì)未來資源需求量以及需切換時(shí)間點(diǎn)的預(yù)測分析，并通過多云選擇初部署啟發(fā)式算法，使得分配與分發(fā)同時(shí)進(jìn)行，在得到部署拓?fù)浜?，完成流媒體應(yīng)用本身需提供的webservice及流媒體內(nèi)容的部署與拷貝；當(dāng)監(jiān)控模塊報(bào)警，即已有數(shù)據(jù)中心無法為用戶的訪問提供正常服務(wù)時(shí)，將已部署好的新數(shù)據(jù)中心激活并投入使用；

在云爆發(fā)架構(gòu)下的多云擴(kuò)展方案中，監(jiān)控模塊通過實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)檢測到超過設(shè)定的閾值時(shí)，向系統(tǒng)發(fā)出警報(bào)，通過查看部署拓?fù)?，選擇出最小存儲(chǔ)租賃開銷以及帶寬優(yōu)質(zhì)的云數(shù)據(jù)中心cdc，并在所選的新的云數(shù)據(jù)中心cdc中啟動(dòng)虛擬機(jī)集群，之后對(duì)于集群中的每一臺(tái)機(jī)器，采用預(yù)拷貝precopying的策略將常用內(nèi)容資源拷貝至虛擬存儲(chǔ)當(dāng)中，在這個(gè)過程中采用合適的沖突度小的hash算法，將內(nèi)容資源散列至不同的虛擬存儲(chǔ)中；之后將源云站點(diǎn)中各虛擬機(jī)上提供流媒體應(yīng)用訪問的webservice虛擬鏡像拷貝至新的云數(shù)據(jù)中心cdc的每一臺(tái)虛擬機(jī)中，并在所有的新的虛擬機(jī)中啟動(dòng)訪問服務(wù)；

(3)多云切換階段

首先根據(jù)監(jiān)控?cái)?shù)據(jù)作為輸入，當(dāng)帶寬資源、用戶訪問量或者整個(gè)集群全部宕機(jī)時(shí)，系統(tǒng)的決策模塊做出多云切換的決策，通過查看部署拓?fù)?，選擇開銷最小并且性能較佳的一個(gè)或者若干數(shù)據(jù)中心作為新集群部署；采用預(yù)拷貝precopying的策略進(jìn)行內(nèi)容資源初次拷貝，之后在虛擬機(jī)流媒體應(yīng)用服務(wù)啟動(dòng)好后，迅速向外提供訪問服務(wù)，并且在服務(wù)穩(wěn)定之后逐步將剩余的內(nèi)容資源拷貝至新的內(nèi)容分發(fā)數(shù)據(jù)中心中。

本發(fā)明中，多云選擇初部署階段中，基于備選多個(gè)公有云服務(wù)資源提供商的計(jì)費(fèi)策略提出一種云選擇初部署啟發(fā)式算法；通過云選擇初部署啟發(fā)式算法，完成了多云選擇初部署；所述計(jì)費(fèi)策略中，將虛擬機(jī)集群轉(zhuǎn)化為聚合的概念，定義ai為每一個(gè)聚合后的服務(wù)請(qǐng)求，將每一個(gè)ai分配給若干個(gè)虛擬機(jī)提供服務(wù)，同時(shí)最小化各項(xiàng)成本，就可得到虛擬機(jī)為了滿足用戶的請(qǐng)求所需要的最低費(fèi)用，也就是系統(tǒng)運(yùn)行的最小總費(fèi)用；系統(tǒng)運(yùn)行的最小總費(fèi)用的定義如下式：

cvi表示虛擬機(jī)租賃對(duì)于每個(gè)聚合請(qǐng)求的單價(jià)費(fèi)用，csi表示存儲(chǔ)在每個(gè)聚合請(qǐng)求上的單價(jià)費(fèi)用，cti表示虛擬機(jī)之間流量傳輸在每個(gè)聚合請(qǐng)求上的單價(jià)費(fèi)用。

本發(fā)明中，采用zabbix監(jiān)控方案周期性的獲取并保存歷史監(jiān)控信息

本發(fā)明中，多元擴(kuò)展階段，所述歷史監(jiān)控信息是包括計(jì)算節(jié)點(diǎn)和存儲(chǔ)節(jié)點(diǎn)的cpu、內(nèi)存、diski/o、網(wǎng)絡(luò)帶寬及吞吐量的狀態(tài)信息；

本發(fā)明中，在可預(yù)測的多云擴(kuò)展方案中，用基于時(shí)間序列分析的arima(自回歸積分滑動(dòng)平均模型autoregressiveintegratedmovingaveragemodel)預(yù)測模型對(duì)未來資源需求量以及需切換時(shí)間點(diǎn)進(jìn)行預(yù)測分析時(shí)，arima模型包括參數(shù)選擇p和q，平均值估計(jì)，隨機(jī)變量相關(guān)系數(shù)和白噪聲方差；計(jì)算未來的需求一共以下幾個(gè)步驟；

定義o(t)和p(t)分別表示在t時(shí)刻的觀測值和預(yù)測值；使用t表示預(yù)測的開始時(shí)刻，s表示預(yù)測的時(shí)長；開始時(shí)刻是當(dāng)前時(shí)刻；預(yù)測算法是用一系列觀測值o(0)，o(1)，...，o(t)來預(yù)測未來的需求值p(t+1)，p(t+2)，...，p(t+s)；

首先測試數(shù)據(jù)是否具有平穩(wěn)性和能迅速降低自相關(guān)的函數(shù)；如果有，算法將繼續(xù)下一步；否則，使用差分的方法，將序列平滑化，直到它是變成穩(wěn)定的序列為止；

然后，使用一個(gè)變換級(jí)數(shù)來表示數(shù)據(jù)零均值處理后的結(jié)果，這樣將預(yù)測轉(zhuǎn)化為，基于{xt}(0≤t≤t)，預(yù)測{xt}(t＞t)；

接著，針對(duì)預(yù)處理后的序列，計(jì)算自相關(guān)函數(shù)acf和偏自相關(guān)函數(shù)pacf，從而辨別采用ar，ma還是arma模型；一旦數(shù)據(jù)被轉(zhuǎn)換到變換后的序列{xt}，并且序列{xt}可以被應(yīng)用到零均值的arma模型進(jìn)行擬合后，根據(jù)aic的akaike信息準(zhǔn)則，選擇合適的p和q的值；

最后，在所有的參數(shù)都選擇好之后，做模型檢查以確保預(yù)測的精度；檢查一共有兩步，第一該模型的穩(wěn)定性和可逆性，第二殘差；如果檢查結(jié)果滿足所有的標(biāo)準(zhǔn)，便可以開始預(yù)測，否則，將會(huì)回到參數(shù)選擇和估計(jì)，并采取更細(xì)粒度的方式找到合適的參數(shù)；當(dāng)所有的數(shù)據(jù)都適合模型后，對(duì)整個(gè)過程進(jìn)行預(yù)測；

本發(fā)明中，多云擴(kuò)展階段和多云切換階段中的預(yù)拷貝precopying策略具體如下：

算法定義流媒體應(yīng)用共有n種流媒體資源，每個(gè)資源i分布在mi個(gè)機(jī)器上；定義l為不同云的地理位置，假設(shè)l＝1時(shí)為流媒體應(yīng)用服務(wù)提供商的企業(yè)私有數(shù)據(jù)中心，定義hl為在l處的服務(wù)器數(shù)量；系統(tǒng)所關(guān)注的各服務(wù)器的計(jì)算資源包括：cpu使用量，內(nèi)存需求量，磁盤和網(wǎng)絡(luò)帶寬的需求量，分別表示為pikl、rikl、dikl、bikl，代表第i^th流媒體資源在l^th地點(diǎn)的第k^th服務(wù)器，定義costikl為將第i^th流媒體資源移動(dòng)到l^th地點(diǎn)的第k^th服務(wù)器所花費(fèi)的成本開銷；

定義αikl和βikl為二進(jìn)制變量，定義如下：

定義c為流媒體資源拷貝的開銷：

本方案提出的ilp算法如下：

使得c最小化，確保：

如上述所示，公式1確保每種資源在一個(gè)單獨(dú)的服務(wù)器節(jié)點(diǎn)上，公式2到公式5確保流媒體內(nèi)容資源所占的cpu、內(nèi)存、磁盤和網(wǎng)絡(luò)帶寬資源不超過宿主機(jī)的資源總和，公式7和公式8確保所有的內(nèi)容資源在同一地理位置location；

考慮最簡單的架構(gòu)情形，即只有一個(gè)公有云和一個(gè)私有云；因此，我們定義多云間流媒體資源拷貝的開銷主要由以下三部分構(gòu)成：

i.將內(nèi)存狀態(tài)和存儲(chǔ)資源從私有云拷貝到公有云；

ii.存儲(chǔ)流媒體內(nèi)容資源數(shù)據(jù)；

iii.在公有云運(yùn)行流媒體應(yīng)用并關(guān)聯(lián)內(nèi)容資源。

定義τ為預(yù)測的過載時(shí)間長度，則有：

costikl＝tikl+(rikl*τ)+(sikl*months(τ))(公式9)

其中：

tikl＝tsikl+tmikl(公式10)

在公式9和公式10中，tikl表示所有流媒體內(nèi)容資源拷貝的網(wǎng)絡(luò)傳輸成本，具體表現(xiàn)為私有云上虛擬機(jī)的存儲(chǔ)量(如tsikl)和內(nèi)存頁狀態(tài)(如tmikl)；rikl表示在公有云上運(yùn)行虛擬機(jī)實(shí)例的每小時(shí)成本；sikl表示在公有云上使用存儲(chǔ)服務(wù)存儲(chǔ)流媒體內(nèi)容資源數(shù)據(jù)的存儲(chǔ)成本，通常按月支付。

和現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：

本發(fā)明解決了在多云環(huán)境中，流媒體應(yīng)用的自動(dòng)優(yōu)化初部署，當(dāng)訪問流量突發(fā)激增時(shí)云架構(gòu)敏捷擴(kuò)容，以及當(dāng)某個(gè)私有云數(shù)據(jù)中心或某公有云宕掉或出現(xiàn)嚴(yán)重帶寬等問題時(shí)，云服務(wù)如何快速切換的問題。

附圖說明

圖1為預(yù)測模型。

圖2多云切換流程圖。

圖3為費(fèi)用對(duì)比圖。

圖4為性能對(duì)比圖。

圖5為預(yù)拷貝過程中丟包率變化圖。

圖6為預(yù)拷貝與直接拷貝對(duì)比圖。

圖7為本發(fā)明總體結(jié)構(gòu)圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明的技術(shù)方案具體介紹如下。

本發(fā)明的目的在于提出一種新型的基于多云架構(gòu)下的內(nèi)容分發(fā)服務(wù)資源優(yōu)化配置與調(diào)度方法。如圖7所示，本發(fā)明基于多云架構(gòu)進(jìn)行內(nèi)容分發(fā)服務(wù)資源配置，包含若干公有云與私有云。視頻服務(wù)提供商自身具有內(nèi)部的私有云或者自有數(shù)據(jù)中心，在這個(gè)模式中，由于公有云的動(dòng)態(tài)彈性，在視頻服務(wù)服務(wù)提供商內(nèi)部私有云負(fù)載達(dá)到飽和或中斷的情況下，平臺(tái)可以根據(jù)預(yù)測和實(shí)時(shí)情況完成多云環(huán)境下的初部署、多云擴(kuò)展與多云切換多重保障機(jī)制，以充分應(yīng)對(duì)流媒體服務(wù)中大量突發(fā)性請(qǐng)求或者自身服務(wù)出現(xiàn)中斷的情況。利用多云內(nèi)容分發(fā)機(jī)制，在降低費(fèi)用成本，保證性能的情況下，用戶體驗(yàn)度能得到進(jìn)一步提升。

本發(fā)明中，基于多云架構(gòu)下內(nèi)容分發(fā)服務(wù)資源優(yōu)化配置與調(diào)度方法，具體分為以下三個(gè)階段：

1.多云選擇初部署方法

這里將詳細(xì)闡述多云選擇初部署算法的內(nèi)容。本算法分配與分發(fā)同時(shí)進(jìn)行。算法最終實(shí)現(xiàn)的目標(biāo)是：把區(qū)域內(nèi)的各用戶抽象為邏輯上的節(jié)點(diǎn)，通過對(duì)各個(gè)路徑開銷的計(jì)算，最終找到了一個(gè)開銷最小并且性能較高的路徑拓?fù)?，將流媒體內(nèi)容資源通過啟發(fā)式初部署算法，逐一分發(fā)至其他邏輯上的云站點(diǎn)的虛擬機(jī)中，從而完善各個(gè)區(qū)域用戶的訪問體驗(yàn)。最終的拓?fù)浣Y(jié)構(gòu)使得區(qū)域內(nèi)的所有用戶都同源節(jié)點(diǎn)直接或間接建立連接，并且從原站點(diǎn)到每個(gè)用戶節(jié)點(diǎn)只有一條路徑的最小連通圖。

每個(gè)私有云在各個(gè)節(jié)點(diǎn)都有不同的數(shù)據(jù)傳輸和數(shù)據(jù)存儲(chǔ)的代價(jià)開銷，在起始狀態(tài)，只有源站點(diǎn)的c0存有流媒體內(nèi)容數(shù)據(jù)，而其他的云站點(diǎn)上的虛擬機(jī)在初始化部署和內(nèi)容資源傳輸過程中會(huì)產(chǎn)生初部署代價(jià)。我們從流媒體應(yīng)用服務(wù)提供商的角度出發(fā)，尋找部署開銷最小、性能較優(yōu)的云站點(diǎn)，并啟動(dòng)虛擬機(jī)部署流媒體應(yīng)用，之后針對(duì)每一個(gè)云站點(diǎn)，找到其上游的最優(yōu)云站點(diǎn)，并拷貝流媒體內(nèi)容資源，通過兩層的優(yōu)化，來盡量減少部署的開銷。

下述算法1是多云選擇初部署啟發(fā)式算法的具體實(shí)現(xiàn)。算法中的數(shù)學(xué)符號(hào)描述如下：lmj表示用戶區(qū)域am到云節(jié)點(diǎn)cj的距離；是用戶站點(diǎn)am相對(duì)于流媒體l的可建立連接的云站點(diǎn)；dj是cm中的節(jié)點(diǎn)cj的下載代價(jià)；是用戶區(qū)域am對(duì)流媒體l的請(qǐng)求；oi是打開云節(jié)點(diǎn)ci的代價(jià)；是節(jié)點(diǎn)ci可以向上連接的云節(jié)點(diǎn)的集合。

算法首先計(jì)算每個(gè)區(qū)域am到各個(gè)站點(diǎn)的平均距離，并且將區(qū)域按l′m升序關(guān)系排序，得到集合a^o。從前向后遍歷a^o集合，對(duì)于每一個(gè)a^o中的云節(jié)點(diǎn)am，首先將將區(qū)域am中所有請(qǐng)求，分配到距離最小lmj的云站點(diǎn)cj，這一個(gè)步驟是為了尋找一個(gè)性能較優(yōu)的云站點(diǎn)。根據(jù)云節(jié)點(diǎn)的計(jì)費(fèi)策略，計(jì)算各節(jié)點(diǎn)同可以建立上連接的節(jié)點(diǎn)連接時(shí)的部署開銷，計(jì)算比較出來最小的開銷建立連接，這個(gè)過程中有一個(gè)前提是不能超出這個(gè)節(jié)點(diǎn)的連接最大帶寬限制。然后在每個(gè)節(jié)點(diǎn)連接的過程中需要考慮到有重復(fù)路徑的情況，也就是保證從原站點(diǎn)到用戶節(jié)點(diǎn)路徑的唯一性。如果不能滿足這種唯一性就會(huì)產(chǎn)生額外冗余的開銷。

接下來我們需要針對(duì)每一個(gè)云節(jié)點(diǎn)，找到其上游的最優(yōu)云站點(diǎn)。這個(gè)最優(yōu)云站點(diǎn)的方式就是遍歷所有用戶站點(diǎn)am相對(duì)于流媒體l的可建立連接的云站點(diǎn)，找出擁有最小連接距離的站點(diǎn)wij＝dj+oi，記錄在拓?fù)鋱D中。其中dj是cm中的節(jié)點(diǎn)cj的下載代價(jià)，使用oj代表云站點(diǎn)虛擬機(jī)的部署開銷，wij表示兩個(gè)云站點(diǎn)虛擬機(jī)之間的數(shù)據(jù)傳輸開銷，那么當(dāng)云站點(diǎn)上已完成流媒體應(yīng)用部署和內(nèi)容資源存放時(shí)，oj＝0，否則oj＝wij。

2.多云擴(kuò)展階段

前一步中建立了一個(gè)部署開銷最小的分發(fā)拓?fù)?。在多云擴(kuò)展的機(jī)制當(dāng)中，分為可預(yù)測的多云擴(kuò)展方案和云爆發(fā)架構(gòu)下的多云擴(kuò)展方案。

本方法引入一個(gè)基于差分自回歸移動(dòng)平均模型(arima模型)的負(fù)載預(yù)測算法，用來預(yù)測每一個(gè)vm的使用負(fù)載情況以及用戶服務(wù)請(qǐng)求情況。每臺(tái)vm的cpu使用率，帶寬使用，以及流請(qǐng)求數(shù)作為模型的輸入，從而預(yù)測未來的情況。

arima模型采用了廣泛的非平穩(wěn)時(shí)間序列的預(yù)測。它是arma模型的推廣，可以簡化arma過程。arima將數(shù)據(jù)進(jìn)行初步轉(zhuǎn)換，產(chǎn)生新的，可以適合到arma過程的新序列，然后進(jìn)行預(yù)測。

arima模型包括參數(shù)選擇p和q，平均值估計(jì)，隨機(jī)變量相關(guān)系數(shù)和白噪聲方差。它需要大量的計(jì)算來獲取最佳參數(shù)，它比其他線性預(yù)測方法更復(fù)雜一點(diǎn)，但是它的性能很好，并且在一定程度上可以作為預(yù)測的基本模型。

計(jì)算未來的需求一共有五個(gè)步驟，圖1描述了本發(fā)明所采用的預(yù)測模型。定義o(t)和p(t)分別表示在t時(shí)刻的觀測值和預(yù)測值。使用t表示預(yù)測的開始時(shí)刻，s表示預(yù)測的時(shí)長。開始時(shí)刻一般是當(dāng)前時(shí)刻。簡而言之，預(yù)測算法試圖用一系列觀測值o(0)，o(1)，...，o(t)來預(yù)測未來的需求值p(t+1)，p(t+2)，...，p(t+s)。

首先測試數(shù)據(jù)是否具有平穩(wěn)性和能迅速降低自相關(guān)的函數(shù)。如果有，算法將繼續(xù)下一步。否則，使用差分的方法，將序列平滑化，直到它是變成穩(wěn)定的序列為止。例如，o′(t-1)＝o(t)-o(t-1)，并測試序列o′(t-1)是否穩(wěn)定。然后，使用一個(gè)變換級(jí)數(shù)來表示數(shù)據(jù)零均值處理后的結(jié)果，例如這樣，我們將預(yù)測轉(zhuǎn)化為，基于{xt}(0≤t≤t)，預(yù)測{xt}(t＞t)。

接下來，針對(duì)預(yù)處理后的序列，計(jì)算自相關(guān)函數(shù)(acf)和偏自相關(guān)函數(shù)(pacf)，從而辨別采用ar，ma還是arma模型。

一旦數(shù)據(jù)被轉(zhuǎn)換到變換后的序列{xt}，并且序列{xt}可以被應(yīng)用到零均值的arma模型進(jìn)行擬合后，接下來的問題是，面臨著選擇合適的p和q的值。本算法選擇被稱為aic的akaike信息準(zhǔn)則，因?yàn)樗且粋€(gè)更普遍適用的模型選擇準(zhǔn)則。

在所有的參數(shù)都選擇好之后，將會(huì)做模型檢查以確保預(yù)測的精度。檢查一共有兩步，第一該模型的穩(wěn)定性和可逆性，第二殘差。如果檢查結(jié)果滿足所有的標(biāo)準(zhǔn)，便可以開始預(yù)測，否則，將會(huì)回到參數(shù)選擇和估計(jì)，并采取更細(xì)粒度的方式找到合適的參數(shù)。

當(dāng)所有的數(shù)據(jù)都適合模型后，便可以對(duì)整個(gè)過程進(jìn)行預(yù)測。

(1)可預(yù)測的多云擴(kuò)展

本節(jié)提供了一種基于預(yù)測模型的多云擴(kuò)展方案。首先監(jiān)控模塊根據(jù)歷史監(jiān)控?cái)?shù)據(jù)分析，并通過上面提出的arima預(yù)測方案預(yù)測出未來一段時(shí)間內(nèi)，現(xiàn)有的數(shù)據(jù)中心資源不足以提供足夠的帶寬訪問，此時(shí)綜合考慮備選數(shù)據(jù)中心的計(jì)費(fèi)策略c及機(jī)房地理位置p分布，類似多云選擇初部署的過程，選擇擴(kuò)展的數(shù)據(jù)中心并采用分配與分發(fā)同時(shí)進(jìn)行的策略，將流媒體應(yīng)用的webservice和內(nèi)容資源復(fù)制部署到新的云數(shù)據(jù)中心中。當(dāng)某些監(jiān)控項(xiàng)(例如cpu空閑時(shí)間、內(nèi)存使用量、diski/o、http請(qǐng)求數(shù)和網(wǎng)絡(luò)帶寬使用量等)數(shù)值超過設(shè)定的閾值或現(xiàn)有數(shù)據(jù)中心可以提供的最大訪問量時(shí)，將備用數(shù)據(jù)中心激活，完成多云擴(kuò)展的過程。

算法的目標(biāo)是，在現(xiàn)有數(shù)據(jù)中心資源提供量r達(dá)到閾值時(shí)，把放置在源節(jié)點(diǎn)c0的流媒體信息分發(fā)到其他訪問量過多的地區(qū)或現(xiàn)有地區(qū)以滿足各個(gè)區(qū)域用戶的訪問需求。本算法的核心有以下兩點(diǎn)：首先預(yù)測模塊通過歷史監(jiān)控信息預(yù)測出超過資源設(shè)定閾值的時(shí)間t和額外需要提供的網(wǎng)絡(luò)帶寬資源r′；其次通過在特定的區(qū)域集合a中對(duì)于新申請(qǐng)的云數(shù)據(jù)中心cloudbm可以視為一個(gè)多云選擇初部署的過程。最后，當(dāng)監(jiān)控模塊報(bào)警現(xiàn)有數(shù)據(jù)中心的資源無法提供正常的服務(wù)時(shí)，激活已經(jīng)部署好的cloudbm，從而以看似透明的過程完成可預(yù)測的多云擴(kuò)展。

下述算法2是可預(yù)測的多云擴(kuò)展算法的具體實(shí)現(xiàn)：

在上述算法2中，從流媒體應(yīng)用服務(wù)提供商的角度出發(fā)，基于時(shí)間序列預(yù)測分析方法arima預(yù)測模型，通過對(duì)歷史監(jiān)控?cái)?shù)據(jù)分析并將其作為輸入，在判定為有效預(yù)測值的基礎(chǔ)上，完成對(duì)未來資源需求量以及需切換時(shí)間點(diǎn)的預(yù)測分析；并通過算法1中提供的多云選擇初部署啟發(fā)式算法，使得分配與分發(fā)同時(shí)進(jìn)行，在得到部署拓?fù)鋑后，完成流媒體應(yīng)用本身需提供的webservice及流媒體內(nèi)容的部署與拷貝；當(dāng)監(jiān)控模塊報(bào)警，即已有數(shù)據(jù)中心無法為用戶的訪問提供正常服務(wù)時(shí)，將已部署好的新數(shù)據(jù)中心激活并投入使用。本算法2中數(shù)學(xué)符號(hào)描述如下：mi表示過去第i天的歷史監(jiān)控?cái)?shù)據(jù)；r′表示通過預(yù)測模塊的arima預(yù)測模型分析后，得到的額外需要提供的網(wǎng)絡(luò)帶寬等資源；其余符號(hào)同算法1。

(2)云爆發(fā)架構(gòu)下的多云擴(kuò)展

本發(fā)明采用采用云爆發(fā)模式的最大優(yōu)點(diǎn)是可以節(jié)省成本，在日常的企業(yè)運(yùn)作過程中，云爆發(fā)只需要企業(yè)為服務(wù)器集群的日常運(yùn)維所需的資源支付成本，而無須進(jìn)行超常準(zhǔn)備以應(yīng)付訪問請(qǐng)求高峰時(shí)段，這使得企業(yè)可以更加有效地利用現(xiàn)有資源，同時(shí)也可以降低總成本支出；云爆發(fā)也具有更高的靈活性，使得系統(tǒng)可以迅速適應(yīng)意料之外的高峰需求，在需求發(fā)生變化時(shí)進(jìn)行調(diào)整。

雖然目前云爆發(fā)架構(gòu)有諸多好處，然而現(xiàn)有的解決方案通常無法滿足本發(fā)明所需求的流媒體應(yīng)用大量的內(nèi)容資源遷移所能夠等待的時(shí)間，事實(shí)上，這個(gè)過程通常需要2到10天的時(shí)間才能夠?qū)⒁延械牧髅襟w內(nèi)容資源完全從私有云遷移至公有云，這對(duì)于突發(fā)狀況下用戶訪問流媒體應(yīng)用請(qǐng)求或流量激增的情況下是無法達(dá)到相應(yīng)的qos標(biāo)準(zhǔn)的。這種長時(shí)間的延遲主要原因是在私有云和公有云之間有限的帶寬連接環(huán)境下，大量的流媒體內(nèi)容資源傳輸，以及流媒體應(yīng)用本身虛擬機(jī)遷移需要復(fù)制的磁盤鏡像所產(chǎn)生的較長時(shí)間延遲。

本發(fā)明針對(duì)上述問題提出了一種基于“預(yù)拷貝(precopying)”機(jī)制的云爆發(fā)多云擴(kuò)展方法。

在上述算法3中，在云爆發(fā)的架構(gòu)下，監(jiān)控模塊通過實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)m檢測到超過設(shè)定的閾值時(shí)，向系統(tǒng)發(fā)出警報(bào)，現(xiàn)有資源可能無法為用戶提供正常速度的訪問服務(wù)，系統(tǒng)即作出在云爆發(fā)架構(gòu)下多云擴(kuò)展的決策。此時(shí)通過查看在算法1和算法2中的拓?fù)鋑，選擇出最小存儲(chǔ)租賃開銷以及帶寬優(yōu)質(zhì)的云數(shù)據(jù)中心cdc為a^o，并在所選的新的云數(shù)據(jù)中心cdc中啟動(dòng)一定配額的虛擬機(jī)集群。之后對(duì)于集群中的每臺(tái)機(jī)器，采用預(yù)拷貝precopying的機(jī)制將常用的內(nèi)容資源r0拷貝至虛擬存儲(chǔ)當(dāng)中，在這個(gè)過程中我們采用合適的沖突度小的hash算法，將內(nèi)容資源散列至不同的虛擬存儲(chǔ)中。之后系統(tǒng)將源云站點(diǎn)中各虛擬機(jī)上提供流媒體應(yīng)用訪問的webservice虛擬鏡像拷貝至新的云數(shù)據(jù)中心cdc的每一臺(tái)虛擬機(jī)hm中，并在所有的新的虛擬機(jī)中啟動(dòng)訪問服務(wù)。當(dāng)資源優(yōu)化調(diào)整后的服務(wù)器集群可以良好穩(wěn)定的提供流媒體訪問服務(wù)時(shí)，將剩余的內(nèi)容資源r′逐步拷貝至新的云數(shù)據(jù)中心cdc中。

由于云爆發(fā)架構(gòu)下多云擴(kuò)展方案的不可預(yù)測性，為了維持良好的訪問服務(wù)，需要將應(yīng)用擴(kuò)展和內(nèi)容拷貝的時(shí)延(copy-delay)盡量降低，本系統(tǒng)采用了預(yù)拷貝precopying的方案，將最常被訪問的內(nèi)容資源優(yōu)先拷貝至多云擴(kuò)展申請(qǐng)的新的云數(shù)據(jù)中心cdc中，同時(shí)完成webservice的遷移，系統(tǒng)通過監(jiān)控模塊檢測到所有的監(jiān)控項(xiàng)(monitoringmetrics)在一段時(shí)間內(nèi)處于正常的狀態(tài)后，將剩余的內(nèi)容資源在不影響現(xiàn)有的訪問服務(wù)的前提下，逐步拷貝至擴(kuò)展的云數(shù)據(jù)中心中。

3.多云切換

當(dāng)某個(gè)或某些云數(shù)據(jù)中心由于某些原因宕機(jī)或無法提供正常服務(wù)時(shí)，比如由于云數(shù)據(jù)中心突然停電、硬件故障或網(wǎng)絡(luò)帶寬受限，導(dǎo)致當(dāng)前數(shù)據(jù)中心無法正常處理用戶請(qǐng)求。此時(shí)需要暫?，F(xiàn)有出現(xiàn)問題的流媒體應(yīng)用，并申請(qǐng)新的可用的云架構(gòu)提供流媒體服務(wù)，將現(xiàn)有的流媒體訪問服務(wù)和內(nèi)容資源快速遷移到新的數(shù)據(jù)中心中，盡量減少這個(gè)過程中產(chǎn)生的延遲，從而以最小的影響來繼續(xù)為用戶提供良好的流媒體訪問服務(wù)。

我們?cè)O(shè)計(jì)的多云切換的流程如圖2所示。在現(xiàn)有云服務(wù)出現(xiàn)問題報(bào)警時(shí)，系統(tǒng)捕捉報(bào)警信號(hào)并做出多云切換的決策。首先根據(jù)監(jiān)控?cái)?shù)據(jù)作為輸入，當(dāng)帶寬資源、用戶訪問量或者整個(gè)集群全部宕機(jī)時(shí)，系統(tǒng)的決策模塊迅速做出多云切換的決策，通過查看部署拓?fù)洌x擇開銷cost最小并且性能較佳的某個(gè)或者某些數(shù)據(jù)中心作為新集群部署。在此過程中，同多云選擇初部署的不同點(diǎn)在于，我們必須盡量減少由于數(shù)據(jù)中心大規(guī)模故障，流媒體應(yīng)用受影響的時(shí)間，所以在此我們采用我們第二步設(shè)計(jì)的預(yù)拷貝precopying的策略進(jìn)行內(nèi)容資源初次拷貝。之后在相應(yīng)的虛擬機(jī)流媒體應(yīng)用服務(wù)啟動(dòng)好后，迅速向外提供訪問服務(wù)，并且在服務(wù)穩(wěn)定之后逐步將剩余的內(nèi)容資源拷貝至新的云數(shù)據(jù)中心中。

實(shí)施例1

一、多云初部署實(shí)驗(yàn)

為了實(shí)施方法發(fā)明的全過程并評(píng)估發(fā)明算法的性能，本發(fā)明實(shí)驗(yàn)部分，將應(yīng)用確定為視頻點(diǎn)播內(nèi)容分發(fā)，公有云模型使用aws的ec2，私有云使用openstack平臺(tái)。

我們?cè)趯?shí)驗(yàn)中在本地搭建了兩個(gè)基于虛擬化技術(shù)的數(shù)據(jù)中心，安裝openstack作為私有云。同時(shí)在aws上申請(qǐng)了賬號(hào)，租賃ec2服務(wù)并申請(qǐng)aws虛擬機(jī)，作為公有云。在每個(gè)云上啟動(dòng)5臺(tái)虛擬機(jī)作為流媒體服務(wù)器，所有的虛擬機(jī)上均安裝linuxcentos7系統(tǒng)。為了不占用過多的網(wǎng)絡(luò)帶寬資源，我們將帶寬最大值設(shè)定為10mbps。

在流媒體應(yīng)用初部署的實(shí)驗(yàn)中，本發(fā)明實(shí)現(xiàn)了3種選擇算法。一種算法是最優(yōu)性能算

法，此算法在選擇虛擬機(jī)時(shí)只考慮虛擬機(jī)的性能，每次租用性能最優(yōu)的虛擬機(jī)而不考慮價(jià)格。第二種是本發(fā)明中設(shè)計(jì)的多云選擇初部署啟發(fā)式算法，在一定的性能限制下，最小化租賃開銷。第三種是貪心算法，此算法在選擇虛擬機(jī)時(shí)只考慮租賃價(jià)格，每次都租用價(jià)格最低的虛擬機(jī)來部署流媒體服務(wù)，而完全不考慮性能。在本實(shí)驗(yàn)中，我們采用租賃虛擬機(jī)的總開銷和視頻流訪問的命中率作為多云初部署的主要評(píng)估指標(biāo)。

圖3顯示了3種部署方式在租賃虛擬機(jī)總開銷上的對(duì)比，橫軸表示部署流媒體內(nèi)容大小，縱軸表示租賃總開銷。

從結(jié)果中可以清晰的看出，租賃費(fèi)用曲線幾乎是呈線性遞增，通過比較這三種部署方式可知，啟發(fā)式初部署算法的租賃費(fèi)用幾乎比最優(yōu)性能算法低30％，這一點(diǎn)比較容易理解，因?yàn)樽顑?yōu)性能算法完全沒有考慮租賃價(jià)格的問題。貪心算法的租賃價(jià)格最低，但啟發(fā)式初部署算法僅高出一小部分。

雖然貪心算法的總體費(fèi)用最低，但如圖4所示，貪心算法的總租賃開銷雖然最低，但貪心算法的性能相當(dāng)之差，只有73.6％的用戶可以流利的完成對(duì)視頻的訪問。相比之下最優(yōu)性能算法的性能幾乎是100％，表示幾乎所有用戶都可以完整的看完整部視頻。而啟發(fā)式初部署算法雖然有存在對(duì)視頻訪問失敗的情況，但總體來講同最優(yōu)性能算法相差不大。

因此，本實(shí)驗(yàn)得出以下結(jié)論：啟發(fā)式初部署算法的成本同貪心算法接近，而用戶體驗(yàn)度同最優(yōu)性能算法接近，表示啟發(fā)式初部署算法在能盡量小的減少部署成本的同時(shí)，保證一定的用戶體驗(yàn)和視頻質(zhì)量。

二、多云擴(kuò)展和多云切換實(shí)驗(yàn)

本發(fā)明定義了一些針對(duì)流媒體應(yīng)用服務(wù)器的各種資源和性能測試參數(shù)作為評(píng)價(jià)流媒體服務(wù)器性能優(yōu)劣的指標(biāo)。從整體的測評(píng)角度來看，這些指標(biāo)主要包括最大的并發(fā)流數(shù)目、聚合輸出帶寬、丟包率等。

·最大并發(fā)流數(shù)目。最大并發(fā)流數(shù)目指的是流媒體服務(wù)器可以在較長的時(shí)間支持的最多客戶端的數(shù)量，在并發(fā)量增加到最大的并發(fā)流數(shù)目之前，流媒體應(yīng)用不會(huì)停止對(duì)已經(jīng)建立連接的客戶端提供服務(wù)。最大并發(fā)流數(shù)主要通過流媒體服務(wù)器的硬件配置和流媒體應(yīng)用軟件的實(shí)現(xiàn)共同來決定，同時(shí)受到所訪問的視頻流碼率的影響。

·聚合輸出帶寬。聚合輸出帶寬是指流媒體服務(wù)器向外面節(jié)點(diǎn)傳輸視頻流數(shù)據(jù)時(shí)所能夠達(dá)到的最大帶寬，理論上等于最大并發(fā)流數(shù)目乘以視頻流的碼率。影響流媒體服務(wù)器聚合輸出帶寬指標(biāo)的通常有網(wǎng)卡、內(nèi)存、cpu、磁盤i/o通道等，但隨著硬件的發(fā)展，千兆網(wǎng)卡、固態(tài)存儲(chǔ)設(shè)備以及內(nèi)存大小已經(jīng)不是流媒體系統(tǒng)的瓶頸。

·丟包率。本發(fā)明所指的丟包率是服務(wù)器端將需要發(fā)送的視頻數(shù)據(jù)丟棄。丟包通常是導(dǎo)致視頻圖像質(zhì)量不佳的本質(zhì)原因。因?yàn)橐曨l數(shù)據(jù)前后關(guān)聯(lián)，并且各類數(shù)據(jù)包對(duì)于恢復(fù)圖像所起到的作用不同，即便在很低的丟包率情況下，加碼器也有可能主動(dòng)丟棄其他數(shù)據(jù)包，引起視頻質(zhì)量下降。

基于上述實(shí)驗(yàn)環(huán)境設(shè)計(jì)并完成了預(yù)拷貝策略的驗(yàn)證實(shí)驗(yàn)，主要途徑是逐漸增加并發(fā)量，并在多云擴(kuò)展的預(yù)拷貝過程中觀察用戶請(qǐng)求丟包率的變化趨勢。我們首先在一個(gè)云(clouda)上逐漸增加并發(fā)量，如圖5所示，在并發(fā)量小于30時(shí)，單個(gè)集群處理用戶請(qǐng)求保持在很高的水平，系統(tǒng)的丟包率基本低于5％。當(dāng)我們逐漸增加并發(fā)量時(shí)，單個(gè)集群逐漸有了較大的丟包率，并且當(dāng)并發(fā)量達(dá)到55的時(shí)候，丟包率高達(dá)35％，此時(shí)單個(gè)集群的系統(tǒng)很難去處理如此高的并發(fā)量訪問請(qǐng)求。此時(shí)我們采用多云擴(kuò)展的策略，并且將clouda上的內(nèi)容資源通過預(yù)拷貝的方式拷貝到cloudb中，并繼續(xù)增加并發(fā)量?？梢钥闯觯S著預(yù)拷貝的逐漸進(jìn)行，系統(tǒng)丟包率在逐漸下降，由于內(nèi)容資源的豐富性和空間大的特點(diǎn)，系統(tǒng)的丟包率不會(huì)立刻恢復(fù)到很低的水平，大概一段時(shí)間之后，丟包率恢復(fù)到了5％以下。此后我們重復(fù)上述過程，逐漸增加請(qǐng)求的并發(fā)量，并在丟包率接近30％時(shí)繼續(xù)擴(kuò)展cloudc，可以從圖5中看到在采用預(yù)拷貝的策略后，系統(tǒng)的丟包率在逐漸下降。

我們接下來做了一組對(duì)比實(shí)驗(yàn)，其中一組采用預(yù)拷貝策略，另外一組將內(nèi)容資源直接拷貝至新的云中。實(shí)驗(yàn)結(jié)果如圖6所示，當(dāng)系統(tǒng)在多云擴(kuò)展過程中采用預(yù)拷貝策略對(duì)內(nèi)容資源進(jìn)行拷貝時(shí)，可以在較短的時(shí)間完成較多的內(nèi)容資源拷貝，從而迅速降低系統(tǒng)的丟包率，提升系統(tǒng)處理請(qǐng)求的能力；而使用直接拷貝時(shí)，由于存在大量的內(nèi)容資源，導(dǎo)致系統(tǒng)無法及時(shí)的將大量的多媒體內(nèi)容資源及時(shí)拷貝到新的集群中，采用直接拷貝的方式遷移內(nèi)容資源對(duì)于擴(kuò)展的丟包率降低效果并沒有預(yù)拷貝的效果顯著。

多云切換實(shí)驗(yàn)同樣是在較短時(shí)間迅速增加新的內(nèi)容分發(fā)服務(wù)資源來取代失效的服務(wù)，我們也是采用預(yù)拷貝方法，試驗(yàn)效果和多云擴(kuò)展是一致大的。