基于Bloom Filter的云內(nèi)容路由優(yōu)化

俞 冶，金逸超，尹麗英

(1.嘉興市廣播電視集團 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)濟管理學(xué)院，陜西 西安710121;4.西安電子科技大學(xué) 經(jīng)濟管理學(xué)院，陜西 西安710071)

隨著全媒體時代的來臨，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化程度越來越高，用戶對于媒體互聯(lián)互通業(yè)務(wù)需求的不斷增長以及國家三網(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)時間長、可擴展性差等問題也逐漸暴露出來。在此背景下，云計算技術(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、高效運行。

在構(gòu)建媒體云的過程中，如何進(jìn)一步改善用戶的響應(yīng)時延是必須考慮的因素。媒體內(nèi)容響應(yīng)時延的長短將直接決定終端用戶的體驗，并最終成為用戶是否認(rèn)可并購買媒體云服務(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，使得用戶的平均響應(yīng)時延得到有效下降。

文中將從理論推導(dǎo)和仿真實驗兩方面，對所提出的方案進(jìn)行驗證。在理論上，采用Jackson排隊網(wǎng)絡(luò)對傳統(tǒng)以及優(yōu)化后的路由策略進(jìn)行系統(tǒng)建模。在仿真實驗中，使用OMNeT++［2］網(wǎng)絡(luò)仿真器對路由策略進(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

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的廣電云數(shù)據(jù)中心，以及分散在各個地市縣的小型內(nèi)容分發(fā)節(jié)點構(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群，以提供基于存儲區(qū)域網(wǎng)絡(luò)(SAN)的媒體數(shù)據(jù)海量存儲，以及強大的云計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)則用來備份與存儲媒體內(nèi)容到靠近終端用戶的地市縣廣電分發(fā)節(jié)點［3］，從而縮短媒體內(nèi)容與用戶間的距離，提升用戶體驗?；诖讼到y(tǒng)架構(gòu)，位于不同地理位置區(qū)域的用戶均能得到一致的、低時延的、快速響應(yīng)的用戶媒體內(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改善內(nèi)容分發(fā)策略，從而進(jìn)一步減少用戶響應(yīng)時延，提升用戶體驗。并將首先分析廣電云內(nèi)容分發(fā)進(jìn)程的排隊網(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)隊列分析

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

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

1.3 傳統(tǒng)內(nèi)容分發(fā)路由策略

基于所給出的排隊網(wǎng)絡(luò)模型，給出了傳統(tǒng)的線性內(nèi)容路由策略的數(shù)據(jù)流分析，如圖3所示。在該策略中，用戶請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。在完成路由后，節(jié)點進(jìn)行本地內(nèi)容檢測，并根據(jù)是否緩存當(dāng)前請求內(nèi)容的情況，決定是否需要從數(shù)據(jù)中心獲取請求內(nèi)容。若緩存(cache)命中，則直接返回請求內(nèi)容;否則緩存丟失，該節(jié)點將向數(shù)據(jù)中心獲取請求內(nèi)容。最終，指定節(jié)點才對用戶請求做出響應(yīng)。

圖3 傳統(tǒng)線性內(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

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

基于此判斷，本文提出利用一個由所有內(nèi)容分發(fā)節(jié)點共同維護(hù)的全局Bloom Filter［4］來標(biāo)識已經(jīng)緩存在網(wǎng)絡(luò)中的內(nèi)容信息，從而使得每個內(nèi)容分發(fā)節(jié)點都能夠了解整個網(wǎng)絡(luò)中內(nèi)容緩存的情況。這樣，在內(nèi)容沒有被緩存的情況下，內(nèi)容分發(fā)節(jié)點可直接將用戶請求告知數(shù)據(jù)中心，從而減少整個用戶響應(yīng)時延。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)用戶請求在進(jìn)入第一個內(nèi)容分發(fā)節(jié)點時，即根據(jù)Bloom Filter的標(biāo)識，來判斷所請求的內(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)容路由隊列、內(nèi)容檢索隊列以及請求響應(yīng)隊列。若請求內(nèi)容沒有被緩存，則入口節(jié)點通過多播(Multicast)的方式，并行地將請求發(fā)送至特定的內(nèi)容分發(fā)節(jié)點以及后端數(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，并回復(fù)給用戶。然后通過路由找到該內(nèi)容的指定節(jié)點后，再將該緩存從入口節(jié)點移至本地。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，減少了用戶的響應(yīng)時延。

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)用戶請求在進(jìn)入第一個內(nèi)容分發(fā)節(jié)點時，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，則一方面將請求路由到指定節(jié)點就行緩存;另一方面將請求直接重定向到數(shù)據(jù)中心，繞過內(nèi)容分發(fā)網(wǎng)絡(luò)直接由數(shù)據(jù)中心給用戶響應(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)請求隊列的處理時間。但該方案也有顯著的缺點，其同時將請求的內(nèi)容推送至用戶端和指定的內(nèi)容分發(fā)節(jié)點，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，本文只考慮隊列處理時延，而忽略數(shù)據(jù)傳輸時延與傳播時延。事實上，在網(wǎng)絡(luò)系統(tǒng)中，相比較大的隊列處理時延，數(shù)據(jù)的傳輸時延與傳播時延較小，故可忽略不計。(2)根據(jù)文獻(xiàn)［5］對大規(guī)模媒體系統(tǒng)的分析，用戶的請求模型基本符合泊松過程［6］。本文假設(shè)進(jìn)入到每個內(nèi)容分發(fā)節(jié)點的用戶請求均符合泊松過程，并標(biāo)識λci為以內(nèi)容分發(fā)節(jié)點i為入口請求內(nèi)容為c的用戶請求速率期望。(3)假設(shè)每個隊列的處理速率服從指數(shù)分布，且所有分發(fā)節(jié)點的處理能力大致相同。這樣所有的服務(wù)隊列都能夠被建模成為M/M/1排隊模型。這些M/M/1隊列所組成的隊列流則可利用Jackson排隊網(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響應(yīng)時延的期望值。(4)假設(shè)內(nèi)容分發(fā)網(wǎng)絡(luò)中共有N個位于不同地點的內(nèi)容分發(fā)節(jié)點，內(nèi)容分發(fā)網(wǎng)絡(luò)中的節(jié)點i到節(jié)點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］對大規(guī)模網(wǎng)絡(luò)系統(tǒng)的分析，假設(shè)用戶請求媒體內(nèi)容的分布符合Zipf分布，即大量的用戶請求只針對小部分的媒體內(nèi)容。

2.2 系統(tǒng)穩(wěn)定性

在對路由策略進(jìn)行建模前，必須保證系統(tǒng)模型是穩(wěn)定的，否則得到的用戶響應(yīng)時延將趨向于無窮大。具體來說，為了保證系統(tǒng)穩(wěn)定，則在任意時間段內(nèi)，每個隊列的長度必須是有限的，且網(wǎng)絡(luò)傳輸量不能超過網(wǎng)絡(luò)帶寬資源。

首先考慮各個內(nèi)容分發(fā)節(jié)點的穩(wěn)定性。內(nèi)容分發(fā)節(jié)點之間通過信息交互，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請求的速率。此外用戶請求的速率也不能大于節(jié)點間的網(wǎng)絡(luò)帶寬。即式(1)必須被滿足來保證內(nèi)容分發(fā)節(jié)點的穩(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，才會產(chǎn)生到數(shù)據(jù)中心的請求，所以到達(dá)數(shù)據(jù)中心的用戶速率取決于內(nèi)容是否已被緩存。標(biāo)識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)中心的請求速率表示為。同樣，該速率不能超過數(shù)據(jù)中心的處理速率以及其帶寬資源。

2.3 平均響應(yīng)時延

在保證系統(tǒng)穩(wěn)定性的前提下，對上文中的3種路由策略所產(chǎn)生的平均響應(yīng)時延進(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，可以得到各個隊列上的請求到達(dá)速率如式(3)

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

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

其中，N為內(nèi)容分發(fā)節(jié)點數(shù)，「log2N?是基于DHT結(jié)構(gòu)的路由策略所要經(jīng)過節(jié)點的期望值;后一項則為每個內(nèi)容分發(fā)節(jié)點上處理時延的期望值。

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

其中，μl為分發(fā)節(jié)點的內(nèi)容檢測速率。

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

其中，μo為數(shù)據(jù)中心的請求響應(yīng)速率。

式(7)則給出了傳統(tǒng)路由策略下，請求響應(yīng)隊列的處理時延期望

其中，μr為內(nèi)容分發(fā)節(jié)點的請求響應(yīng)速率。

基于4個隊列上的處理時延期望，可得到傳統(tǒng)策略的總用戶平均響應(yīng)時延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，對并行式路由進(jìn)行理論分析，各個隊列上的請求到達(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，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，各個隊列的處理時延如式(10)～式(13)所示

由此，可得到并行式路由策略下的平均用戶時延Rp

2.3.3 直通式路由

在直通式路由策略下，各個隊列上的請求到達(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個隊列的處理時延也與并行式路由相同。直通式策略的不同點在于，在內(nèi)容響應(yīng)隊列上，緩存丟失情況下的用戶請求已經(jīng)直接由數(shù)據(jù)中心給予響應(yīng)，因此其請求到達(dá)速率將會相應(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時延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++對廣電云內(nèi)容分發(fā)網(wǎng)絡(luò)進(jìn)行了仿真。仿真實驗設(shè)置共N=50個同構(gòu)的位于不同地理位置的內(nèi)容分發(fā)節(jié)點，這些節(jié)點按照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)點的存儲空間為數(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)。實驗采用GT－ITM［10］來生成真實的Internet網(wǎng)絡(luò)拓?fù)淠Ｐ停琓ransit－Stub模型。本實驗只考慮一個媒體云數(shù)據(jù)中心，其中存有50 000個不同的媒體內(nèi)容，其總大小約為5 GB。每個內(nèi)容分發(fā)節(jié)點的處理速率為600個請求/秒，而數(shù)據(jù)中心的處理速率為1 200個請求/秒。本文假設(shè)用戶請求數(shù)據(jù)包的大小為60 Byte(即Sr=60 Byte)。此外，還設(shè)定每個分發(fā)節(jié)點的帶寬限制為100 MB/s，數(shù)據(jù)中心端的帶寬限制與之相同。

實驗同時也設(shè)置了100個位于不同區(qū)域的用戶群，總請求速率符合泊松過程，其期望值為100個請求/秒。這些用戶通過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)得以滿足，從而保證了系統(tǒng)的穩(wěn)定性。

對于Bloom Filter的設(shè)置，本實驗為每個內(nèi)容的URL生成一個128位的MD5簽名［11］，并將改簽名順序分為4個32位的Byte，每個Byte的模即為對應(yīng)的哈希值。因每個節(jié)點大致需要緩存1 000個不同的媒體內(nèi)容，因此每個節(jié)點負(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%。仿真實驗將考慮兩種同步機制，定時同步和事件觸發(fā)同步。

3.2 平均響應(yīng)時延

在此試驗中，模擬了兩種數(shù)據(jù)量環(huán)境。一種是低網(wǎng)絡(luò)流量場景，即內(nèi)容訪問量和內(nèi)容大小成反比，最小的媒體內(nèi)容擁有最多的訪問量;另一種是大網(wǎng)絡(luò)流量場景，即內(nèi)容訪問量與內(nèi)容大小成正比，最大的媒體內(nèi)容擁有最多的訪問量。本實驗采用基于事件的同步方式，同步周期設(shè)置為每個內(nèi)容分發(fā)節(jié)點每服務(wù)400個請求進(jìn)行一次同步。通過設(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，用戶的平均響應(yīng)時延。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，用戶平均響應(yīng)時延與緩存命中率的關(guān)系。其中獨立的點為實驗仿真結(jié)果，而連續(xù)的線則為根據(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)，實驗仿真結(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)流量場景下的實驗結(jié)果。其中根據(jù)仿真實驗的設(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平均時延總是最小，而傳統(tǒng)線性策略所產(chǎn)生的用戶平均時延總是最大。在緩存命中率在0～100%變化時，當(dāng)緩存命中率為0時，并行路由與直通式路由所降低的用戶時延最多。其中并行式路由則降低了23.6%的用戶響應(yīng)時延，而直通式路由降低了65.2%的響應(yīng)時延。隨著緩存命中率的上升，3種路由策略下的平均用戶響應(yīng)時延逐漸變得一致。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，3種路由策略取得了完全一致的用戶響應(yīng)時延。

從圖6(a)中，還有一個有趣的現(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)生的用戶響應(yīng)時延均逐漸變小，而直通式路由產(chǎn)生的響應(yīng)時延則逐漸變大。該現(xiàn)象說明只要數(shù)據(jù)中心端沒有產(chǎn)生網(wǎng)絡(luò)擁塞，將緩存丟失的用戶請求直接重定向到數(shù)據(jù)中心可有效降低用戶響應(yīng)時延。

圖6(b)給出了大網(wǎng)絡(luò)流量場景下的實驗結(jié)果。其中根據(jù)仿真實驗的設(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響應(yīng)時延。而直通式路由在緩存命中率低于30%時，則會引發(fā)網(wǎng)絡(luò)擁塞，從而導(dǎo)致響應(yīng)時延甚至高過傳統(tǒng)式路由。但當(dāng)緩存命中率高于40%時，網(wǎng)絡(luò)擁塞現(xiàn)象消失，其產(chǎn)生的用戶響應(yīng)時延重新變?yōu)?種策略中的最小值。通過該現(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)不會產(chǎn)生網(wǎng)絡(luò)擁塞時，采用直通式路由，而當(dāng)數(shù)據(jù)量變大時，則采用并行式路由來降低用戶響應(yīng)時延。

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

4 結(jié)束語

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)一步減少用戶響應(yīng)時延。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，并通過兩種優(yōu)化的路由設(shè)計，使得用戶的平均響應(yīng)時延得到有效下降。此外采用Jackson排隊網(wǎng)絡(luò)模型對傳統(tǒng)的線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，給出了平均用戶響應(yīng)時延的理論結(jié)果。同時使用OMNeT++網(wǎng)絡(luò)仿真器對媒體云內(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，在不同的場景下，最多能夠節(jié)省65.2%的平均響應(yīng)時延。文中對廣電云內(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.