俞 冶，金逸超，尹麗英

(1.嘉興市廣播電視集團(tuán) 總工程師辦公室，浙江 嘉興314001;2.南洋理工大學(xué)，新加坡639798;3.西安郵電大學(xué) 經(jīng)濟(jì)管理學(xué)院，陜西 西安710121;4.西安電子科技大學(xué) 經(jīng)濟(jì)管理學(xué)院，陜西 西安710071)

隨著全媒體時(shí)代的來(lái)臨，媒體內(nèi)容分發(fā)經(jīng)歷了從模擬到數(shù)字，從標(biāo)清到高清，從信息孤島到互聯(lián)互通的一系列重大革新。當(dāng)前，媒體業(yè)務(wù)系統(tǒng)的IT化程度越來(lái)越高，用戶(hù)對(duì)于媒體互聯(lián)互通業(yè)務(wù)需求的不斷增長(zhǎng)以及國(guó)家三網(wǎng)融合戰(zhàn)略的高速推進(jìn)，傳統(tǒng)廣電業(yè)務(wù)系統(tǒng)低效、響應(yīng)時(shí)間長(zhǎng)、可擴(kuò)展性差等問(wèn)題也逐漸暴露出來(lái)。在此背景下，云計(jì)算技術(shù)與廣電業(yè)務(wù)系統(tǒng)的結(jié)合，媒體云已成為實(shí)現(xiàn)廣電媒體內(nèi)容的彈性部署、高效分發(fā)的必經(jīng)之路［1］。系統(tǒng)的建設(shè)目標(biāo)為，使媒體內(nèi)容的管理與分發(fā)，能夠按需分配、靈活調(diào)整、高效運(yùn)行。

在構(gòu)建媒體云的過(guò)程中，如何進(jìn)一步改善用戶(hù)的響應(yīng)時(shí)延是必須考慮的因素。媒體內(nèi)容響應(yīng)時(shí)延的長(zhǎng)短將直接決定終端用戶(hù)的體驗(yàn)，并最終成為用戶(hù)是否認(rèn)可并購(gòu)買(mǎi)媒體云服務(wù)的依據(jù)。本文以此為目標(biāo)，考慮在廣電混合云環(huán)境下，提出利用全局Bloom Filter優(yōu)化媒體云網(wǎng)絡(luò)中的內(nèi)容路由。在此基礎(chǔ)上，提出兩種優(yōu)化路由設(shè)計(jì)，使得用戶(hù)的平均響應(yīng)時(shí)延得到有效下降。

文中將從理論推導(dǎo)和仿真實(shí)驗(yàn)兩方面，對(duì)所提出的方案進(jìn)行驗(yàn)證。在理論上，采用Jackson排隊(duì)網(wǎng)絡(luò)對(duì)傳統(tǒng)以及優(yōu)化后的路由策略進(jìn)行系統(tǒng)建模。在仿真實(shí)驗(yàn)中，使用OMNeT++［2］網(wǎng)絡(luò)仿真器對(duì)路由策略進(jìn)行仿真。其結(jié)論與仿真結(jié)果的一致性良好。

1 基于全局Bloom Filter的路由設(shè)計(jì)

1.1 廣電云內(nèi)容分發(fā)系統(tǒng)架構(gòu)

典型的廣電音視頻云系統(tǒng)如圖1所示，主要包括位于省廣電總臺(tái)的廣電云數(shù)據(jù)中心，以及分散在各個(gè)地市縣的小型內(nèi)容分發(fā)節(jié)點(diǎn)構(gòu)成的內(nèi)容分發(fā)網(wǎng)絡(luò)。廣電云數(shù)據(jù)中心包含集群式的虛擬化主機(jī)群，以提供基于存儲(chǔ)區(qū)域網(wǎng)絡(luò)(SAN)的媒體數(shù)據(jù)海量存儲(chǔ)，以及強(qiáng)大的云計(jì)算資源用于媒資信息的高效與彈性管理。廣電內(nèi)容分發(fā)網(wǎng)絡(luò)則用來(lái)備份與存儲(chǔ)媒體內(nèi)容到靠近終端用戶(hù)的地市縣廣電分發(fā)節(jié)點(diǎn)［3］，從而縮短媒體內(nèi)容與用戶(hù)間的距離，提升用戶(hù)體驗(yàn)?；诖讼到y(tǒng)架構(gòu)，位于不同地理位置區(qū)域的用戶(hù)均能得到一致的、低時(shí)延的、快速響應(yīng)的用戶(hù)媒體內(nèi)容服務(wù)。

圖1 廣電云內(nèi)容分發(fā)系統(tǒng)架構(gòu)內(nèi)容分發(fā)

基于現(xiàn)有的廣電云內(nèi)容分發(fā)系統(tǒng)架構(gòu)，本文將研究如何通過(guò)改善內(nèi)容分發(fā)策略，從而進(jìn)一步減少用戶(hù)響應(yīng)時(shí)延，提升用戶(hù)體驗(yàn)。并將首先分析廣電云內(nèi)容分發(fā)進(jìn)程的排隊(duì)網(wǎng)絡(luò)模型。在此基礎(chǔ)上，討論基于分布式哈希表(DHT)的傳統(tǒng)內(nèi)容路由策略，同時(shí)給出了兩種利用Bloom Filter的新型內(nèi)容路由策略。

1.2 媒體云內(nèi)容分發(fā)隊(duì)列分析

媒體云內(nèi)容分發(fā)過(guò)程主要涉及到4個(gè)不同功能的處理與執(zhí)行隊(duì)列如圖2所示，其中3個(gè)隊(duì)列路由隊(duì)列、檢索隊(duì)列以及響應(yīng)隊(duì)列，位于每個(gè)內(nèi)容分發(fā)節(jié)點(diǎn)上;此外，還有位于媒體云數(shù)據(jù)中心的內(nèi)容提取隊(duì)列。路由隊(duì)列主要負(fù)責(zé)將特定的用戶(hù)請(qǐng)求路由到特定的內(nèi)容分發(fā)節(jié)點(diǎn)，在基于DHT的內(nèi)容路由策略中，節(jié)點(diǎn)和內(nèi)容會(huì)被哈希到同一個(gè)數(shù)據(jù)空間，根據(jù)內(nèi)容和節(jié)點(diǎn)的哈希值匹配映射，每個(gè)節(jié)點(diǎn)將會(huì)服務(wù)特定范圍的內(nèi)容請(qǐng)求。本文用μij標(biāo)識(shí)為從內(nèi)容分發(fā)網(wǎng)絡(luò)入口節(jié)點(diǎn)i路由到負(fù)責(zé)該請(qǐng)求分發(fā)節(jié)點(diǎn)j的處理速率。當(dāng)內(nèi)容請(qǐng)求達(dá)到該節(jié)點(diǎn)時(shí)，檢索隊(duì)列則負(fù)責(zé)本地檢測(cè)所請(qǐng)求的內(nèi)容是否已被分發(fā)節(jié)點(diǎn)緩存。標(biāo)識(shí)μl為分發(fā)節(jié)點(diǎn)的內(nèi)容檢測(cè)速率。若請(qǐng)求內(nèi)容已被緩存，則請(qǐng)求直接進(jìn)入響應(yīng)隊(duì)列，以服務(wù)用戶(hù)請(qǐng)求。標(biāo)識(shí)μr為內(nèi)容分發(fā)節(jié)點(diǎn)的請(qǐng)求響應(yīng)速率。若請(qǐng)求內(nèi)容未被緩存，則分發(fā)節(jié)點(diǎn)將首先向后端數(shù)據(jù)中心請(qǐng)求提取數(shù)據(jù)，該請(qǐng)求將進(jìn)入數(shù)據(jù)中心的內(nèi)容提取隊(duì)列，待分發(fā)節(jié)點(diǎn)得到該內(nèi)容后，再響應(yīng)用戶(hù)請(qǐng)求。標(biāo)識(shí)μo為數(shù)據(jù)中心的請(qǐng)求響應(yīng)速率。

圖2 媒體云內(nèi)容分發(fā)網(wǎng)絡(luò)的排隊(duì)網(wǎng)絡(luò)模型

1.3 傳統(tǒng)內(nèi)容分發(fā)路由策略

基于所給出的排隊(duì)網(wǎng)絡(luò)模型，給出了傳統(tǒng)的線(xiàn)性?xún)?nèi)容路由策略的數(shù)據(jù)流分析，如圖3所示。在該策略中，用戶(hù)請(qǐng)求首先以一定的速率λ到達(dá)距離最近的內(nèi)容分發(fā)節(jié)點(diǎn)。在完成路由后，節(jié)點(diǎn)進(jìn)行本地內(nèi)容檢測(cè)，并根據(jù)是否緩存當(dāng)前請(qǐng)求內(nèi)容的情況，決定是否需要從數(shù)據(jù)中心獲取請(qǐng)求內(nèi)容。若緩存(cache)命中，則直接返回請(qǐng)求內(nèi)容;否則緩存丟失，該節(jié)點(diǎn)將向數(shù)據(jù)中心獲取請(qǐng)求內(nèi)容。最終，指定節(jié)點(diǎn)才對(duì)用戶(hù)請(qǐng)求做出響應(yīng)。

圖3 傳統(tǒng)線(xiàn)性?xún)?nèi)容路由策略

1.4 利用Bloom Filter優(yōu)化內(nèi)容路由策略

1.4.1 基本思路

從對(duì)傳統(tǒng)線(xiàn)性路由策略的分析中可發(fā)現(xiàn)，由于入口節(jié)點(diǎn)并不知道用戶(hù)所請(qǐng)求的內(nèi)容是否已經(jīng)存在于內(nèi)容分發(fā)網(wǎng)絡(luò)中，因此，大部分時(shí)間將被消耗在內(nèi)容路由和內(nèi)容檢索的過(guò)程中。

基于此判斷，本文提出利用一個(gè)由所有內(nèi)容分發(fā)節(jié)點(diǎn)共同維護(hù)的全局Bloom Filter［4］來(lái)標(biāo)識(shí)已經(jīng)緩存在網(wǎng)絡(luò)中的內(nèi)容信息，從而使得每個(gè)內(nèi)容分發(fā)節(jié)點(diǎn)都能夠了解整個(gè)網(wǎng)絡(luò)中內(nèi)容緩存的情況。這樣，在內(nèi)容沒(méi)有被緩存的情況下，內(nèi)容分發(fā)節(jié)點(diǎn)可直接將用戶(hù)請(qǐng)求告知數(shù)據(jù)中心，從而減少整個(gè)用戶(hù)響應(yīng)時(shí)延。即根據(jù)內(nèi)容獲取的方式不同，將提出兩種新型的內(nèi)容路由策略，并行式路由和直通式路由。

1.4.2 并行式路由

并行式路由策略的數(shù)據(jù)流分析如圖4所示。當(dāng)用戶(hù)請(qǐng)求在進(jìn)入第一個(gè)內(nèi)容分發(fā)節(jié)點(diǎn)時(shí)，即根據(jù)Bloom Filter的標(biāo)識(shí)，來(lái)判斷所請(qǐng)求的內(nèi)容是否已被緩存。若緩存命中，則按照與傳統(tǒng)路由相同的策略，依次進(jìn)入內(nèi)容路由隊(duì)列、內(nèi)容檢索隊(duì)列以及請(qǐng)求響應(yīng)隊(duì)列。若請(qǐng)求內(nèi)容沒(méi)有被緩存，則入口節(jié)點(diǎn)通過(guò)多播(Multicast)的方式，并行地將請(qǐng)求發(fā)送至特定的內(nèi)容分發(fā)節(jié)點(diǎn)以及后端數(shù)據(jù)中心。后端數(shù)據(jù)中心首先將該內(nèi)容發(fā)送至入口節(jié)點(diǎn)，并回復(fù)給用戶(hù)。然后通過(guò)路由找到該內(nèi)容的指定節(jié)點(diǎn)后，再將該緩存從入口節(jié)點(diǎn)移至本地。這樣，在緩存丟失的情況下，該策略提高了內(nèi)容路由、內(nèi)容檢索與內(nèi)容獲取的串行執(zhí)行效率，減少了用戶(hù)的響應(yīng)時(shí)延。

圖4 并行式路由策略

1.4.3 直通式路由

直通式路由策略的數(shù)據(jù)流分析如圖5所示。同樣的，當(dāng)用戶(hù)請(qǐng)求在進(jìn)入第一個(gè)內(nèi)容分發(fā)節(jié)點(diǎn)時(shí)，首先根據(jù)Bloom Filter判斷內(nèi)容是否被緩存。若緩存命中，則依照相同的數(shù)據(jù)流策略。若緩存丟失，則一方面將請(qǐng)求路由到指定節(jié)點(diǎn)就行緩存;另一方面將請(qǐng)求直接重定向到數(shù)據(jù)中心，繞過(guò)內(nèi)容分發(fā)網(wǎng)絡(luò)直接由數(shù)據(jù)中心給用戶(hù)響應(yīng)。在緩存丟失的情況下，相比并行式路由，該策略進(jìn)一步減少了響應(yīng)請(qǐng)求隊(duì)列的處理時(shí)間。但該方案也有顯著的缺點(diǎn)，其同時(shí)將請(qǐng)求的內(nèi)容推送至用戶(hù)端和指定的內(nèi)容分發(fā)節(jié)點(diǎn)，這將使數(shù)據(jù)中心端的數(shù)據(jù)吞吐量增加一倍。

圖5 直通式路由策略

2 內(nèi)容路由策略建模分析

2.1 系統(tǒng)假設(shè)

為了對(duì)本文所提出的路由策略進(jìn)行理論建模，文中給出一系列系統(tǒng)假設(shè):(1)在內(nèi)容分發(fā)網(wǎng)絡(luò)中，本文只考慮隊(duì)列處理時(shí)延，而忽略數(shù)據(jù)傳輸時(shí)延與傳播時(shí)延。事實(shí)上，在網(wǎng)絡(luò)系統(tǒng)中，相比較大的隊(duì)列處理時(shí)延，數(shù)據(jù)的傳輸時(shí)延與傳播時(shí)延較小，故可忽略不計(jì)。(2)根據(jù)文獻(xiàn)［5］對(duì)大規(guī)模媒體系統(tǒng)的分析，用戶(hù)的請(qǐng)求模型基本符合泊松過(guò)程［6］。本文假設(shè)進(jìn)入到每個(gè)內(nèi)容分發(fā)節(jié)點(diǎn)的用戶(hù)請(qǐng)求均符合泊松過(guò)程，并標(biāo)識(shí)λci為以?xún)?nèi)容分發(fā)節(jié)點(diǎn)i為入口請(qǐng)求內(nèi)容為c的用戶(hù)請(qǐng)求速率期望。(3)假設(shè)每個(gè)隊(duì)列的處理速率服從指數(shù)分布，且所有分發(fā)節(jié)點(diǎn)的處理能力大致相同。這樣所有的服務(wù)隊(duì)列都能夠被建模成為M/M/1排隊(duì)模型。這些M/M/1隊(duì)列所組成的隊(duì)列流則可利用Jackson排隊(duì)網(wǎng)絡(luò)模型［7］進(jìn)行建模，從而得到這些策略下的平均用戶(hù)響應(yīng)時(shí)延的期望值。(4)假設(shè)內(nèi)容分發(fā)網(wǎng)絡(luò)中共有N個(gè)位于不同地點(diǎn)的內(nèi)容分發(fā)節(jié)點(diǎn)，內(nèi)容分發(fā)網(wǎng)絡(luò)中的節(jié)點(diǎn)i到節(jié)點(diǎn)j的網(wǎng)絡(luò)帶寬資源為Cij，內(nèi)容分發(fā)網(wǎng)絡(luò)到后端數(shù)據(jù)中心的網(wǎng)絡(luò)帶寬資源為Co。(5)根據(jù)已有文獻(xiàn)［8］對(duì)大規(guī)模網(wǎng)絡(luò)系統(tǒng)的分析，假設(shè)用戶(hù)請(qǐng)求媒體內(nèi)容的分布符合Zipf分布，即大量的用戶(hù)請(qǐng)求只針對(duì)小部分的媒體內(nèi)容。

2.2 系統(tǒng)穩(wěn)定性

在對(duì)路由策略進(jìn)行建模前，必須保證系統(tǒng)模型是穩(wěn)定的，否則得到的用戶(hù)響應(yīng)時(shí)延將趨向于無(wú)窮大。具體來(lái)說(shuō)，為了保證系統(tǒng)穩(wěn)定，則在任意時(shí)間段內(nèi)，每個(gè)隊(duì)列的長(zhǎng)度必須是有限的，且網(wǎng)絡(luò)傳輸量不能超過(guò)網(wǎng)絡(luò)帶寬資源。

首先考慮各個(gè)內(nèi)容分發(fā)節(jié)點(diǎn)的穩(wěn)定性。內(nèi)容分發(fā)節(jié)點(diǎn)之間通過(guò)信息交互，完成內(nèi)容路由功能。因此，內(nèi)容路由的速率必須大于用戶(hù)請(qǐng)求的速率。此外用戶(hù)請(qǐng)求的速率也不能大于節(jié)點(diǎn)間的網(wǎng)絡(luò)帶寬。即式(1)必須被滿(mǎn)足來(lái)保證內(nèi)容分發(fā)節(jié)點(diǎn)的穩(wěn)定性。

此外，后端數(shù)據(jù)中心的穩(wěn)定性也必須得到保證。由于只有在內(nèi)容分發(fā)網(wǎng)絡(luò)緩存丟失的情況下，才會(huì)產(chǎn)生到數(shù)據(jù)中心的請(qǐng)求，所以到達(dá)數(shù)據(jù)中心的用戶(hù)速率取決于內(nèi)容是否已被緩存。標(biāo)識(shí)pc為內(nèi)容c是否被緩存，若已被緩存則pc=1，否則pc=0。這樣，到達(dá)數(shù)據(jù)中心的請(qǐng)求速率表示為。同樣，該速率不能超過(guò)數(shù)據(jù)中心的處理速率以及其帶寬資源。

2.3 平均響應(yīng)時(shí)延

在保證系統(tǒng)穩(wěn)定性的前提下，對(duì)上文中的3種路由策略所產(chǎn)生的平均響應(yīng)時(shí)延進(jìn)行理論分析。

2.3.1 傳統(tǒng)內(nèi)容路由

根據(jù)數(shù)據(jù)流分析，可以得到各個(gè)隊(duì)列上的請(qǐng)求到達(dá)速率如式(3)

其中，λ1，λ2，λ3，λ4分別為內(nèi)容路由隊(duì)列、內(nèi)容檢索隊(duì)列、內(nèi)容提取隊(duì)列以及請(qǐng)求響應(yīng)隊(duì)列的處理速率;λ為總用戶(hù)請(qǐng)求速率;β為真實(shí)緩存丟失率。

通過(guò)Jackson網(wǎng)絡(luò)模型，能夠得到各個(gè)隊(duì)列上的平均處理時(shí)延的期望。式(4)首先給出了內(nèi)容路由隊(duì)列的平均時(shí)延期望

其中，N為內(nèi)容分發(fā)節(jié)點(diǎn)數(shù)，「log2N?是基于DHT結(jié)構(gòu)的路由策略所要經(jīng)過(guò)節(jié)點(diǎn)的期望值;后一項(xiàng)則為每個(gè)內(nèi)容分發(fā)節(jié)點(diǎn)上處理時(shí)延的期望值。

式(5)給出了傳統(tǒng)路由策略下，內(nèi)容檢索隊(duì)列的處理時(shí)延期望

其中，μl為分發(fā)節(jié)點(diǎn)的內(nèi)容檢測(cè)速率。

式(6)給出了傳統(tǒng)路由策略下，內(nèi)容提取隊(duì)列的處理時(shí)延期望

其中，μo為數(shù)據(jù)中心的請(qǐng)求響應(yīng)速率。

式(7)則給出了傳統(tǒng)路由策略下，請(qǐng)求響應(yīng)隊(duì)列的處理時(shí)延期望

其中，μr為內(nèi)容分發(fā)節(jié)點(diǎn)的請(qǐng)求響應(yīng)速率。

基于4個(gè)隊(duì)列上的處理時(shí)延期望，可得到傳統(tǒng)策略的總用戶(hù)平均響應(yīng)時(shí)延Rt，如式(8)

2.3.2 并行式路由

采用同樣的方式，依照并行式路由數(shù)據(jù)流模型，對(duì)并行式路由進(jìn)行理論分析，各個(gè)隊(duì)列上的請(qǐng)求到達(dá)速率如下

其中，α'=α+fp－fn為系統(tǒng)判斷緩存命中的概率;α為真實(shí)緩存命中率;fp為引入Bloom Filter所產(chǎn)生的偽命中率;fn為同步全局Bloom Filter時(shí)，在兩次同步之間所產(chǎn)生的偽丟失率。fp和fn的理論分析將在下文給出。同樣，β'=1－α－fp+fn為系統(tǒng)判斷緩存丟失的概率。

在并行式路由策略中，各個(gè)隊(duì)列的處理時(shí)延如式(10)～式(13)所示

由此，可得到并行式路由策略下的平均用戶(hù)時(shí)延Rp

2.3.3 直通式路由

在直通式路由策略下，各個(gè)隊(duì)列上的請(qǐng)求到達(dá)速率如下

可以發(fā)現(xiàn)，λ1，λ2，λ3的表達(dá)式與并行式完全相同，因而直通式路由策略中的前3個(gè)隊(duì)列的處理時(shí)延也與并行式路由相同。直通式策略的不同點(diǎn)在于，在內(nèi)容響應(yīng)隊(duì)列上，緩存丟失情況下的用戶(hù)請(qǐng)求已經(jīng)直接由數(shù)據(jù)中心給予響應(yīng)，因此其請(qǐng)求到達(dá)速率將會(huì)相應(yīng)減小為λ4=(α'－fp)λ。這樣可得到直通式路由策略下的平均用戶(hù)時(shí)延Rc如式

3 內(nèi)容路由策略仿真分析

3.1 仿真環(huán)境與參數(shù)設(shè)置

本文利用OMNet++對(duì)廣電云內(nèi)容分發(fā)網(wǎng)絡(luò)進(jìn)行了仿真。仿真實(shí)驗(yàn)設(shè)置共N=50個(gè)同構(gòu)的位于不同地理位置的內(nèi)容分發(fā)節(jié)點(diǎn)，這些節(jié)點(diǎn)按照DHT環(huán)的方式基于Chord協(xié)議［9］進(jìn)行協(xié)同工作。所有內(nèi)容分發(fā)節(jié)點(diǎn)的存儲(chǔ)空間為數(shù)據(jù)中心保存的總媒體內(nèi)容的2%。分發(fā)網(wǎng)絡(luò)的緩存替換策略采用最近最少使用(LRU)。實(shí)驗(yàn)采用GT－ITM［10］來(lái)生成真實(shí)的Internet網(wǎng)絡(luò)拓?fù)淠Ｐ?，Transit－Stub模型。本實(shí)驗(yàn)只考慮一個(gè)媒體云數(shù)據(jù)中心，其中存有50 000個(gè)不同的媒體內(nèi)容，其總大小約為5 GB。每個(gè)內(nèi)容分發(fā)節(jié)點(diǎn)的處理速率為600個(gè)請(qǐng)求/秒，而數(shù)據(jù)中心的處理速率為1 200個(gè)請(qǐng)求/秒。本文假設(shè)用戶(hù)請(qǐng)求數(shù)據(jù)包的大小為60 Byte(即Sr=60 Byte)。此外，還設(shè)定每個(gè)分發(fā)節(jié)點(diǎn)的帶寬限制為100 MB/s，數(shù)據(jù)中心端的帶寬限制與之相同。

實(shí)驗(yàn)同時(shí)也設(shè)置了100個(gè)位于不同區(qū)域的用戶(hù)群，總請(qǐng)求速率符合泊松過(guò)程，其期望值為100個(gè)請(qǐng)求/秒。這些用戶(hù)通過(guò)Zipf分布生成，其分布參數(shù)為γ=0.79。在此設(shè)置下，式(1)和式(2)得以滿(mǎn)足，從而保證了系統(tǒng)的穩(wěn)定性。

對(duì)于Bloom Filter的設(shè)置，本實(shí)驗(yàn)為每個(gè)內(nèi)容的URL生成一個(gè)128位的MD5簽名［11］，并將改簽名順序分為4個(gè)32位的Byte，每個(gè)Byte的模即為對(duì)應(yīng)的哈希值。因每個(gè)節(jié)點(diǎn)大致需要緩存1 000個(gè)不同的媒體內(nèi)容，因此每個(gè)節(jié)點(diǎn)負(fù)責(zé)的Bloom Filter的大小可設(shè)置為5 kB，而總的全局Bloom Filter即為250 kB。此外，采用Delta壓縮方式，對(duì)Bloom Filter和同步數(shù)據(jù)進(jìn)行壓縮，使得網(wǎng)絡(luò)數(shù)據(jù)傳輸量可減少約20%。仿真實(shí)驗(yàn)將考慮兩種同步機(jī)制，定時(shí)同步和事件觸發(fā)同步。

3.2 平均響應(yīng)時(shí)延

在此試驗(yàn)中，模擬了兩種數(shù)據(jù)量環(huán)境。一種是低網(wǎng)絡(luò)流量場(chǎng)景，即內(nèi)容訪(fǎng)問(wèn)量和內(nèi)容大小成反比，最小的媒體內(nèi)容擁有最多的訪(fǎng)問(wèn)量;另一種是大網(wǎng)絡(luò)流量場(chǎng)景，即內(nèi)容訪(fǎng)問(wèn)量與內(nèi)容大小成正比，最大的媒體內(nèi)容擁有最多的訪(fǎng)問(wèn)量。本實(shí)驗(yàn)采用基于事件的同步方式，同步周期設(shè)置為每個(gè)內(nèi)容分發(fā)節(jié)點(diǎn)每服務(wù)400個(gè)請(qǐng)求進(jìn)行一次同步。通過(guò)設(shè)定Bloom Filter的初始狀態(tài)，控制不同的緩存命中率，從而考察這些命中率下，用戶(hù)的平均響應(yīng)時(shí)延。該仿真持續(xù)了1 000 s。

圖6給出了不同網(wǎng)絡(luò)環(huán)境和3種路由策略，用戶(hù)平均響應(yīng)時(shí)延與緩存命中率的關(guān)系。其中獨(dú)立的點(diǎn)為實(shí)驗(yàn)仿真結(jié)果，而連續(xù)的線(xiàn)則為根據(jù)式(8)、式(14)和式(16)，所得到的理論結(jié)果。由此可以發(fā)現(xiàn)，實(shí)驗(yàn)仿真結(jié)果與理論推導(dǎo)結(jié)果一致性良好。

圖6(a)給出了低網(wǎng)絡(luò)流量場(chǎng)景下的實(shí)驗(yàn)結(jié)果。其中根據(jù)仿真實(shí)驗(yàn)的設(shè)置，理論推導(dǎo)的參數(shù)設(shè)置如下，λ=100 req/s，μt=300 req/s，μl=500 req/s，μo=1 200 req/s，μr=60 req/s?？砂l(fā)現(xiàn)，在所有的緩存命中率下，直通式路由策略下的用戶(hù)平均時(shí)延總是最小，而傳統(tǒng)線(xiàn)性策略所產(chǎn)生的用戶(hù)平均時(shí)延總是最大。在緩存命中率在0～100%變化時(shí)，當(dāng)緩存命中率為0時(shí)，并行路由與直通式路由所降低的用戶(hù)時(shí)延最多。其中并行式路由則降低了23.6%的用戶(hù)響應(yīng)時(shí)延，而直通式路由降低了65.2%的響應(yīng)時(shí)延。隨著緩存命中率的上升，3種路由策略下的平均用戶(hù)響應(yīng)時(shí)延逐漸變得一致。這是由于，在緩存命中的情況下，3種路由策略的數(shù)據(jù)流模型均是一致的。當(dāng)緩存命中率為100%時(shí)，3種路由策略取得了完全一致的用戶(hù)響應(yīng)時(shí)延。

從圖6(a)中，還有一個(gè)有趣的現(xiàn)象，隨著緩存命中率的上升，傳統(tǒng)路由與并行式路由所產(chǎn)生的用戶(hù)響應(yīng)時(shí)延均逐漸變小，而直通式路由產(chǎn)生的響應(yīng)時(shí)延則逐漸變大。該現(xiàn)象說(shuō)明只要數(shù)據(jù)中心端沒(méi)有產(chǎn)生網(wǎng)絡(luò)擁塞，將緩存丟失的用戶(hù)請(qǐng)求直接重定向到數(shù)據(jù)中心可有效降低用戶(hù)響應(yīng)時(shí)延。

圖6(b)給出了大網(wǎng)絡(luò)流量場(chǎng)景下的實(shí)驗(yàn)結(jié)果。其中根據(jù)仿真實(shí)驗(yàn)的設(shè)置，理論推導(dǎo)的參數(shù)設(shè)置如下μt=100 req/s，μl=500 req/s，μo=260 req/s，μr=8 req/s。在該仿真設(shè)置中，相比傳統(tǒng)路由策略，并行式路由仍能夠在所有的緩存命中率下，一定程度的降低平均用戶(hù)響應(yīng)時(shí)延。而直通式路由在緩存命中率低于30%時(shí)，則會(huì)引發(fā)網(wǎng)絡(luò)擁塞，從而導(dǎo)致響應(yīng)時(shí)延甚至高過(guò)傳統(tǒng)式路由。但當(dāng)緩存命中率高于40%時(shí)，網(wǎng)絡(luò)擁塞現(xiàn)象消失，其產(chǎn)生的用戶(hù)響應(yīng)時(shí)延重新變?yōu)?種策略中的最小值。通過(guò)該現(xiàn)象的啟發(fā)將在下一步的工作中，提出一種基于文中3種內(nèi)容路由策略的自適應(yīng)路由方法。當(dāng)不會(huì)產(chǎn)生網(wǎng)絡(luò)擁塞時(shí)，采用直通式路由，而當(dāng)數(shù)據(jù)量變大時(shí)，則采用并行式路由來(lái)降低用戶(hù)響應(yīng)時(shí)延。

圖6 不同網(wǎng)絡(luò)環(huán)境下，用戶(hù)平均響應(yīng)時(shí)延與緩存命中率的關(guān)系

4 結(jié)束語(yǔ)

本文在媒體云日益成為下一代廣電網(wǎng)絡(luò)核心發(fā)展方向的背景下，研究了媒體云內(nèi)容分發(fā)網(wǎng)絡(luò)的路由策略，以進(jìn)一步減少用戶(hù)響應(yīng)時(shí)延。在分析現(xiàn)有廣電云系統(tǒng)架構(gòu)以及內(nèi)容分發(fā)網(wǎng)絡(luò)特性的基礎(chǔ)上，提出利用全局Bloom Filter優(yōu)化媒體云網(wǎng)絡(luò)中的內(nèi)容路由，并通過(guò)兩種優(yōu)化的路由設(shè)計(jì)，使得用戶(hù)的平均響應(yīng)時(shí)延得到有效下降。此外采用Jackson排隊(duì)網(wǎng)絡(luò)模型對(duì)傳統(tǒng)的線(xiàn)性路由以及所提出的兩種路由策略進(jìn)行理論建模和數(shù)學(xué)分析，給出了平均用戶(hù)響應(yīng)時(shí)延的理論結(jié)果。同時(shí)使用OMNeT++網(wǎng)絡(luò)仿真器對(duì)媒體云內(nèi)容分發(fā)系統(tǒng)進(jìn)行了仿真，其仿真結(jié)果與理論結(jié)論均表現(xiàn)出良好的一致性。結(jié)果顯示，優(yōu)化后的路由策略，在不同的場(chǎng)景下，最多能夠節(jié)省65.2%的平均響應(yīng)時(shí)延。文中對(duì)廣電云內(nèi)容分發(fā)網(wǎng)絡(luò)中的內(nèi)容路由策略進(jìn)行了完整與全面的研究，所提出的新型路由策略將有利于媒體云網(wǎng)絡(luò)的構(gòu)建與優(yōu)化。

［1］ 盧群，姚永暉.云計(jì)算及廣電應(yīng)用需求探析［J］.廣播與電視技術(shù)，2010(10):44－53.

［2］VARGA A.OMNeT++［EB/OL］.(2007－01－05)［2013－04－06］http://www.hit.bme.hu/phd/vargaa/omnetpp.htm

［3］VENKATA N P，WANG H J，PHILIP A，et al.Distributing streaming media content using cooperative networking［C］.Proceedings of the 12th International Workshop on Network and Operating Systems Support for Digital Audio And Video，2002.

［4］BLOOM B H.Space/time tradeoffs in hash coding with allowable errors［J］.Communications of the ACM，1970(13):422－426.

［5］H YU，ZHENG D，ZHAO B Y，et al.Understanding user behavior in large－scale video－on－demand systems［C］.In Proceedings of ACM Eurosys，2006.

［6］ARLITT M F，WILLIAMSON C L.Internet web servers:workload characterization and performance implications［J］.IEEE/ACM Transactions on Networking，1997(5):631－645.

［7］JACKSON J R.Jobshop－like queueing systems［J］.Management Science，1963(10):131－142.

［8］BRESLAU L，CAO P，F(xiàn)AN L，et al，Web caching and zipflike distributions:evidence and implications［C］.Hangzhou:IEEE Infocom，1999.

［9］ION S，ROBERT M，DAVID L N，et al.Chord:A scalable peer－to－peer lookup protocol for internet applications［J］.Beijing:IEEE/ACM Transactions on Networking，2003(11):17－32.

［10］ZEGURA E，CALVERT K，BHATTACHARJEE S.How to model an internetwork［C］.IEEE Infocom，1996.

［11］RIVEST R L.The md5 message digest algorithm［R］.MA USA:Request for Comments(RFC)1321，1992.