CN104598292B - 一种应用于云游戏系统的自适应流适配和资源优化方法 - Google Patents
一种应用于云游戏系统的自适应流适配和资源优化方法 Download PDFInfo
- Publication number
- CN104598292B CN104598292B CN201410779057.6A CN201410779057A CN104598292B CN 104598292 B CN104598292 B CN 104598292B CN 201410779057 A CN201410779057 A CN 201410779057A CN 104598292 B CN104598292 B CN 104598292B
- Authority
- CN
- China
- Prior art keywords
- user
- game
- mrow
- cloud game
- delay
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Abstract
本发明公开了一种应用于云游戏系统的自适应流适配和资源优化方法，是基于用户QoE模型和服务开销模型来进行用户分发以及资源分配，包括：将云游戏平台运行周期切割成若干个时间段；在每个时间段内，更新云游戏平台系统内的用户信息和虚拟机资源；根据当前系统状态决策出用户分发及资源分配方案，该方案在系统运行周期内最小化云游戏服务提供商的服务开销，同时最大化用户的QoE总和；将用户分发以及资源分配方案应用于每个游戏用户。本发明是通过建立用户QoE（用户体验质量）模型、用户效用模型以及云平台开销模型，基于Lyapunov优化框架，设计出基于游戏类型和自适应流适配技术的用户分发和资源分配的优化方法。
Description
技术领域
本发明涉及云游戏技术和云计算资源管理领域，具体涉及一种应用于云游戏系统的自适应流适配和资源优化方法。
背景技术
随着近年来游戏产业、终端技术和网络带宽的高速发展，在线游戏已经成为人们生活中不可或缺的互联网应用。另一方面，云计算技术的日趋成熟催生了“瘦终端-云”的服务模式，在这种模式下，用户的终端设备与云端高性能计算资源互联，并享受到高质量的服务。将这种模式应用到在线游戏环境滋生了一种新型的云计算服务——云游戏；图1描述了云游戏平台的基本架构图。
在云游戏平台架构中，用户通过网关服务器注册和登录云游戏系统，网关服务器会提供给用户当前支持运行的游戏列表，用户根据需要和兴趣选择合适的游戏并请求开始运行相应游戏。网关服务器会根据用户请求特征(比如用户地理区域，用户级别，配置需求等)为其分配一台专用的游戏服务器(可能是一台物理服务器或是虚拟机)，将用户请求转发到此服务器上，运行并适当配置相应的游戏，返回给用户新游戏服务器的地址。之后，用户即可直接与此专用游戏服务器通信，开始运行和体验游戏。
通过云游戏技术，用户端只需要通过瘦客户端即可享受不同的游戏，不需要在客户端机器上安装，实际的游戏运行存储在云端服务器中，用户可以通过任意的终端设备(个人电脑，平板，手机等)在任意的地点、任意的时间访问游戏，降低了用户玩游戏的门槛。并且，用户客户端只需要捕捉用户操作的基本数据(鼠标点击，键盘敲击)，将用户操作信号通过高速宽带连接传送到云端服务器，游戏服务器接受到用户操作信号，重放用户操作，并渲染游戏效果，编码成不同码率的视频码流传送给用户，以适应不同的网络带宽、不同的终端处理能力和不同的用户需求。用户端只需要能够接收和解码视频码流即可，极大地降低了用户端对于高端机器配置(CPU、高端显卡)的需求。
当前的云游戏平台都依赖于地理分布的多个数据中心来提供服务。根据特定的分配策略，每个用户被分发到一个特定的数据中心去接受服务，比如基于用户的地理区域，每个用户被分发到距离最近的数据中心。而由于数据中心中虚拟化技术的广泛和成熟应用，每个用户将被分配一个专用的虚拟机来负责渲染和编码游戏场景，根据用户游戏类型的不同以及用户级别的差异，不同用户的虚拟机具有不同的处理和存储能力(CPU、内存、GPU、存储空间)，从而为不同的用户需求提供良好的游戏体验。
综上所述，从云游戏服务提供商的角度出发，为了最小化服务开销(带宽开销、经营成本)，同时保证用户的良好游戏体验，云游戏平台需要设计一种策略来联合优化用户分发和资源分配，使得云游戏服务提供商能够以最小的开销提供尽可能好的用户体验。
在大型多人在线游戏情况下，M.Marzolla,S.Ferretti,and G.Dangelo,“Dynamicresource provisioning for cloud-based gaming infrastructures,”in Computers inEntertainment(CIE),2012.提出了一种贪心的资源分配策略，其是根据负载变化动态调整资源池大小减少开销，同时保证用户的游戏延时能够满足要求。该技术是针对大型多人在线游戏提出的资源分配算法，而由于云游戏与大型多人在线游戏在许多方面有很大的不同，导致该算法不能很好地适应云游戏的场景。
T.N.B.Duong,X.Li,R.S.M.Goh,X.Tang,and W.Cai,“Qos-aware revenue-costoptimization for latency-sensitive services in iaas clouds,”in DistributedSimulation and Real Time Applications(DS-RT),2012 IEEE/ACM 16th InternationalSymposium on,2012.公开了如何在保证用户的服务质量(排队时间)的同时，最小化服务提供商的开销(以开关机的时间以及机器空闲时间来衡量)，提出了四种不同的资源分配的算法，两种简单的按需分配算法以及两种基于可分析队列模型的预测算法。用户调度算法采用先进先出以及基于用户优先级的两种策略。在该技术中，只探讨了在单个数据中心中的用户调度和资源分配策略，没有考虑到多数据中心的实际情况。
D.Wu,Z.Xue,and J.He,“iCloudAccess:Cost-Effective Streaming of VideoGames From the Cloud With Low Latency,”in IEEE Transactions on Circuit andSystem for Video Technologies(TCSVT),2014.提出了一种在线控制算法来决策用户的分发策略和每个数据中心的资源分配，动态调整每个数据中心中的供应机器数量，减少供应成本，同时保证用户的服务质量。该技术的用户服务质量模型主要针对的是用户排队时间，并没有考虑到用户所玩游戏类型对用户体验的影响。
H.J.Hong,D.Y.Chen,C.Y.Huang,K.T.Chen,and C.H.Hsu,“Placing VirtualMachines to Optimize Cloud Gaming Experience,”in IEEE Transactions on CloudComputing,2014.其研究了在两种不同场景下的虚拟机放置问题，第一种场景从服务提供商的角度出发，希望最大化服务提供商的净利润，同时保证用户良好的服务质量；第二种场景主要考虑用户的体验，最大化用户的游戏服务质量。该技术研究并没有考虑在云游戏平台中采用自适应流适配技术，而只是选择单一的固定的视频流码率来编码游戏场景。
发明内容
针对云游戏服务提供商，为了充分利用数据中心资源，优化用户服务策略，在满足用户游戏服务质量的基础上，进一步降低运营成本，本发明提出一种应用于云游戏系统的自适应流适配和资源优化方法。本方法充分考虑游戏类型对用户体验的影响，不同类型的游戏对于云游戏平台的资源需求也不尽相同，本发明将针对不同的游戏类型提供统一的资源优化方法。同时，利用自适应流适配技术，云游戏平台能够根据用户需求以及资源限制等多方面因素，合理选择游戏码流的码率大小，为用户提供良好的游戏体验，降低运营成本。
为了实现上述目的，本发明的技术方案为：
一种应用于云游戏系统的自适应流适配和资源优化方法，所述云游戏系统中，用户与网关服务器通信，进行用户身份的认证和登录，并根据游戏列表选择合适的游戏，网关服务器进行自适应流适配和资源优化，为每个用户选择适当的数据中心以及虚拟机配置，并选择云游戏视频码流的码率，网关服务器将用户请求分发到分配的数据中心，建立启动相应配置的虚拟机来运行游戏，用户直接与此数据中心通信来完成游戏交互；本发明是基于用户QoE模型和服务开销模型来进行的自适应流适配和资源优化方法，包括以下步骤：
S101：将云游戏平台运行周期切割成若干个时间段；
S102：在每个时间段内，更新云游戏平台系统内的用户信息和虚拟机资源；
S103：根据当前系统状态信息决策出用户分发及资源分配方案，其决策约束条件为：在系统运行周期内最小化云游戏服务提供商的服务开销且同时最大化用户的QoE总和；
S104：将用户分发以及资源分配方案应用于每个游戏用户。
优选的，所述用户QoE模型是指不同用户选择的游戏视频流码率不小于此游戏所需的基本码率大小，所述基本码率表示能够流畅玩该游戏所需要的最低码率；且游戏延时在可容忍范围内；
不同用户选择的游戏视频流码率不小于此游戏所需的基本码率大小采用下式表示：
其中，B(j)代表码率索引j对应的码率大小，Xt(i,j)为指示变量，代表用户i选择了索引j的码率，G(i)代表用户i请求的游戏类型，A(g)表示g游戏类型所需要的基本码率；
游戏延时在可容忍范围内采用下式表示：
其中，Dt(i)表示用户i的游戏延时，表示所有玩游戏类型l的用户数量，εl表示游戏类型l的游戏所能容忍的最大延时阈值。
优选的，所述游戏延时包括网络延时、处理延时和播放延时；
所述网络延时是指网络往返时间，可以通过网络工具来测量得到；
所述处理延时是指从服务器接收到用户命令开始，到返回给用户相应的经过渲染及编码的视频帧的时间差；
所述播放延时是指用户端接收到编码的视频帧后，解码并显示到屏幕上的时间。
优选的，所述用户QoE模型还包括用户的满意度，用户满意度采用用户效用函数表示：
其中，代表用户i的效用函数，Xt(i,j)为指示变量，代表用户i选择了索引j的码率，G(i)代表用户i请求的游戏类型，B(j)代表码率索引j对应的码率大小，Φ(g,b)代表用户玩游戏类型g且编码码率为b时的效用函数，该函数为关于码率的对数函数。
优选的，所述服务开销模型是指云游戏服务提供商能减少数据中心出口带宽开销及运行开销：
云游戏服务提供商的带宽开销：
其中，表示云游戏服务提供商的带宽开销，表示数据中心k的单位带宽价格，表示数据中心k所使用的出口带宽总量；
云游戏服务提供商的运行开销：
其中，表示云游戏服务提供商的运营开销，表示用户i所分配的虚拟机导致的运营开销，Ut代表云游戏系统中的所有用户。
优选的，所述系统状态信息包括当时所有游戏用户数、每个游戏类型的用户数、网络延时、处理延时、数据中心单位带宽开销和基本码率大小。
优选的，所述步骤S103具体为：将最小化云游戏服务提供商的服务开销、最大化用户的QoE总和的优化问题转化为Lyapunov优化问题，将系统状态信息作为该优化问题的已知条件，将部分QoE指标——延时、码率作为约束条件，并同时设置一个可容忍延时下界来保证用户体验质量，然后解出最优解作为决策结果。
与现有技术相比，本发明的有益效果为：本方法充分考虑游戏类型对用户体验的影响，不同类型的游戏对于云游戏平台的资源需求也不尽相同，本发明将针对不同的游戏类型提供统一的资源优化方法。同时，利用自适应流适配技术，云游戏平台能够根据用户需求以及资源限制等多方面因素，合理选择游戏码流的码率大小，为用户提供良好的游戏体验，降低运营成本。本发明是通过建立用户QoE(Quality of Experience用户体验质量)模型、用户效用模型以及云平台开销模型，基于Lyapunov优化框架，设计出基于游戏类型和自适应流适配技术的用户分发和资源分配的优化方法。
附图说明
图1是云游戏平台架构图。
图2是本发明所采用的云游戏平台的架构图。
图3是用户分发以及资源分配算法流程图。
具体实施方式
下面结合附图对本发明做进一步的描述，但本发明的实施方式并不限于此。
本发明的基本技术包括：云游戏平台架构、用户QoE模型、服务开销模型、用户分发以及资源分配方法。
图2展示了本发明所采用的云游戏平台的架构。
本发明考虑的场景如图2所示。游戏用户来自于多个不同的用户区域，并且每个用户可以选择不同类型的游戏，不同类型的游戏在资源消耗和用户体验上都有着差异。用户需要首先与网关服务器通信，进行用户身份的认证和登录，并根据游戏列表选择合适的游戏。本发明所提出的方法运行于网关服务器之上，网关服务器将综合考虑所有用户的游戏类别、带宽大小、基本服务质量等来运行优化方法，为每个用户选择适当的数据中心以及虚拟机配置，并且选择云游戏视频码流的码率大小。之后，网关服务器将用户请求分发到分配的数据中心，建立启动相应配置的虚拟机来运行游戏，用户直接与此数据中心通信来完成游戏交互。
用户QoE模型
在云游戏系统中，QoE指标衡量了用户对服务的满意程度，是衡量一个系统最重要的指标之一。在本发明中，本发明设计出基于用户的QoE模型。
首先，本发明针对不同类型的游戏，定义了与游戏类型相关的QoE指标，为不同用户选择的游戏视频流码率必须不小于此游戏所需的基本码率大小，这里基本码率代表了能够流畅玩游戏所需要的最低码率大小。
其中，B(j)代表码率索引j对应的码率大小，Xt(i,j)为指示变量，代表用户i选择了索引j的码率，G(i)代表用户i请求的游戏类型，A(g)表示g游戏类型所需要的基本码率。
本发明进一步考虑游戏延时对用户QoE的影响，在云游戏场景中，游戏延时主要分为3类：
1.网络延时：网络延时通常是指网络往返时间，可以通过网络工具如Ping、King等来测量得到。
2.处理延时：处理延时是指从服务器接收到用户指令开始，到返回给用户相应的经过渲染及编码的视频帧的时间差。
3.播放延时：播放延时是指用户端接收到编码的视频帧之后，解码并显示到屏幕上的时间。
在本发明中，要求游戏延时能够在可容忍范围之内，且不同的游戏类型具备不同的延时需求。
其中，Dt(i)表示用户i的游戏延时，表示所有玩游戏类型l的用户数量，εl表示游戏类型l的游戏所能容忍的最大延时阈值。
对于每个用户而言，通常用户效用函数定义为一个关于视频码率的凸函数，用户被分配的码率越大，通常用户的满意度越高，效用函数值越大，但效用函数与码率的大小并不是线性的，随着码率的增大，效用函数的增量趋于平缓。
其中，代表用户i的效用函数，Xt(i,j)为指示变量，代表用户i选择了索引j的码率，G(i)代表用户i请求的游戏类型，B(j)代表码率索引j对应的码率大小，Φ(g,b)代表用户玩类型为g的游戏且编码码率为b时的效用函数，通常此函数定义为关于码率的对数函数。
在这个用户QoE模型中，充分考虑了游戏类型对用户游戏体验的影响，并综合选用了游戏码率以及游戏延时作为用户服务质量的指标，更细粒度的定义用户QoE模型。
服务开销模型
本发明进一步定义了云游戏服务提供商的服务开销模型，本发明在满足用户QoE的基础之上，尽可能降低服务开销，节省运营成本。
对于不同的数据中心来说，由于分布的地理位置不同，带宽价格也不尽相同，且随着时间变化波动，云游戏服务提供商希望能够减少数据中心出口带宽的开销。
其中，表示云游戏服务提供商的带宽开销，表示数据中心k的单位带宽价格，表示数据中心k所使用的出口带宽总量。
除了带宽开销，本发明还考虑了数据中心的运营开销，运营开销主要包括虚拟机分配的电力费用、维护费用、机器折旧等方面，运营开销与虚拟机的配置参数有关。
其中，表示云游戏服务提供商的运营开销，表示用户i所分配的虚拟机导致的运营开销，Ut代表云游戏系统中的所有用户。
用户分发以及资源分配算法
下面结合附图和实施例对用户分发以及资源分配算法做进一步的说明。
如图3所示，为本发明中用户分发以及资源分配算法的流程图。具体步骤如下：
(S101)将云游戏平台运行周期切割成若干个时间段；
(S102)在每一个时间段里，更新平台系统内的用户信息和虚拟机资源；
(S103)根据当前系统状态信息决策出用户分发以及资源分配方案，其约束条件为：在系统运行周期内最小化云游戏服务提供商的服务开销，同时最大化用户的QoE总和。
(S104)将用户分发以及资源分配方案应用于每个游戏用户。
在一个具体实施方式中，所述状态信息包括当时所有游戏用户数、每个游戏类型的用户数、网络延时、处理延时、数据中心单位带宽开销、基本码率大小等。根据这些状态信息通过优化策略决策出本时间段的用户分发以及资源分配策略。
在一个具体实施方式中，本发明可以将最小化服务开销、最大化用户效用函数值总和的优化问题转化为Lyapunov优化问题，将系统状态信息作为该优化问题的已知条件，将部分QoE指标(延时、码率)作为约束条件，并同时设置一个可容忍延时下界来保证用户体验质量，然后解出最优解作为决策结果。为了使用Lyapunov优化框架，本发明将基于平均时间的约束条件转化为基于队列稳定性的条件，在这个优化问题中，针对每个游戏类型l，定义一个虚拟队列Hl(t)：
其中，Dt(i)表示用户i的游戏延时，表示所有玩游戏类型l的游戏的用户，表示所玩游戏属于类型l的用户数量，εl表示游戏类型l的游戏所能容忍的最大延时阈值。队列Ht(t)衡量了实际游戏延时跟期望游戏延时阈值之差。
L(H(t))用于衡量该队列的大小，Δ(H(t))表示相邻两个时间段队列数组的变化量，也即L(H(t+1))-L(H(t))。
具体地，根据Lyapunov优化框架，可以依据状态信息在每一个时间段内计算出满足的用户分发策略和资源分配策略，完成本时间段的决策。其中，V是一个可控参数，用于调节目标优化函数和游戏延时队列之间的权衡。α也是一个调节参数，用于调节优化目标，即在最小化服务开销，以及最大化用户效用函数值总和之间调节比例。表示一个时间段内带宽的开销，表示一个时间段内的运营开销，而表示所有用户的效用函数值的总和。在上述公式中，用户调度决策Yt(i,k)用于表示用户i是否被分发到数据中心k，资源分配决策Xt(i,j)以及Zt(i,d)用于表示用户i是否被分配j码率以及虚拟机配置d。Xt(i,j)、Yt(i,k)以及Zt(i,d)是上述优化公式中的变量，在本发明中选择使得上述优化公式取到最小值的Xt(i,j)Yt(i,k)以及Zt(i,d)作为用户分发以及资源分配方案。该决策过程的伪代码如下所示。
算法伪代码
输入：
系统恒量值L，M，K，V，α //L，M，K分别是游戏类型、码率索引、
数据中心的数量
每个用户i的决策集合Si(t)
每个游戏类型的用户数效用函数μlj，以及可容忍延时阈值εl
网络延时Xn(i)以及处理延时Xp(i)
每个数据中心的单位带宽价格
每个虚拟机配置的运营开销cd
输出：
用户分发决策Yt(i,k)，以及资源调度决策Xt(i,j)与Zt(i,d)
1.初始化步骤：t←0，Hl(t)←0，l＝1,2,…,L
2.while true:
3.在时槽t开始时，监控队列大小Hl(t)以及实时单位带宽价格
4.更新当前的系统状态信息，包括系统内的所有用户Ut，每个游戏类型的用户每个游戏类型的用户数同时还需要测量当前用户与数据中心间的网络延时Dn(t)；
5.求解优化问题得到使得此优化目标最小的Xt(i,j)，Yt(i,k)，Zt(i,d)作为最优的用户分发以及资源调度策略；
6.更新虚拟队列Hl(t)的大小；
7.令t←t+1；
8.end while
对于步骤5中需要求解优化目标的解，通过进一步的处理，本发明提出了一个多项式时间内的求解算法，如下所示。
算法伪代码
输入：
系统恒量值L，M，K，V，α //L，M，K分别是游戏类型、码率索引、
数据中心的数量
每个用户i的决策集合Si(t)
每个游戏类型的用户数效用函数μlj，以及可容忍延时阈值εl
网络延时Xn(i)以及处理延时Xp(i)
每个数据中心的单位带宽价格
每个虚拟机配置的运营开销cd
输出：
用户分发决策Yt(i,k)，以及资源调度决策Xt(i,j)与Zt(i,d)
1.初始化步骤：x(Si(t))←0，对任意的用户i及决策集合Si(t)∈Si(t)
//x(Si(t))用于表示用户i是否选择了决策Si(t)
2.for
3.为用户i选择Si(t)，使得取得最大值；
4.根据用户决策Si(t)得到Xt(i,j)，Yt(i,k)，Zt(i,d)的值。
5.end for
本发明提出了一种应用于云游戏系统的自适应流适配和资源优化方法，并详细描述了用户分发和资源分配方法，在具体实施时可以有多种方法，包括但不局限于：
(1)用在线学习的方法调整算法中的阈值；
(2)对用户QoE模型做小幅调整，比如为用户增加等级(付费)，优先处理高等级用户。
本发明中，方法的实现方法是可变的，在本发明技术方案的基础上，凡根据本发明原理对该算法的个别实现过程进行的改进和等同变换，均不应排除在本发明的保护范围之外。
本发明充分考虑了游戏类型在云游戏系统中的区别，针对不同的游戏类型提出了一个统一的QoE模型，以不同的游戏类型来为用户分类，定义了基本码率的概念，以及为不同的游戏类型设置不同的可容忍延时阈值。本发明还采用了自适应流适配技术，来实现云游戏系统中的用户分发和资源分配问题，动态地为用户分配资源，在满足用户游戏体验的基础之上，尽可能降低云游戏服务提供商的服务开销。
本发明采取了在服务开销与用户QoE之间的权衡优化，通过调整权衡参数，云游戏服务提供商可以根据实际情况才调整优化目标，为算法提供了更大的自由度和适用范围。
本发明定义个人QoE模型，本发明通过引入了游戏类型的因素，为不同游戏类型提供统一的QoE模型，是本发明用户分发及资源分配方法的基石。
本发明提出了用户分发及资源分配方法，该方法是基于统一的QoE模型，根据有限的系统状态信息，动态地作出用户分发和资源分配的决策，优化云游戏系统的服务开销并提高用户的QoE。
以上所述的本发明的实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神原则之内所作出的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。
Claims (6)
1.一种应用于云游戏系统的自适应流适配和资源优化方法，其特征在于，是基于用户QoE模型和服务开销模型来进行的自适应流适配和资源优化方法，包括以下步骤：
S101：将云游戏平台运行周期切割成若干个时间段；
S102：在每个时间段内，更新云游戏平台系统内的用户信息和虚拟机资源；
S103：根据当前系统状态信息决策出用户分发及资源分配方案，其决策约束条件为：在系统运行周期内最小化云游戏服务提供商的服务开销且同时最大化用户的QoE总和；
S104：将用户分发以及资源分配方案应用于每个游戏用户；
所述用户QoE模型是指不同用户选择的游戏视频流码率不小于此游戏所需的基本码率大小，所述基本码率表示能够流畅玩该游戏所需要的最低码率；且游戏延时在可容忍范围内；
不同用户选择的游戏视频流码率不小于此游戏所需的基本码率大小采用下式表示：
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<mi>B</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<msup>
<mi>X</mi>
<mi>t</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>G</mi>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
其中，B(j)代表码率索引j对应的码率大小，Xt(i,j)为指示变量，代表用户i选择了索引j的码率，G(i)代表用户i请求的游戏类型，A(g)表示g游戏类型所需要的基本码率；
游戏延时在可容忍范围内采用下式表示：
<mrow>
<munder>
<mi>lim</mi>
<mrow>
<mi>T</mi>
<mo>&RightArrow;</mo>
<mi>&infin;</mi>
</mrow>
</munder>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>T</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mfrac>
<mn>1</mn>
<msubsup>
<mi>N</mi>
<mi>l</mi>
<mi>t</mi>
</msubsup>
</mfrac>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<msubsup>
<mi>U</mi>
<mi>l</mi>
<mi>t</mi>
</msubsup>
</mrow>
</munder>
<msup>
<mi>D</mi>
<mi>t</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<msub>
<mi>&epsiv;</mi>
<mi>l</mi>
</msub>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>l</mi>
</mrow>
其中，Dt(i)表示用户i的游戏延时，表示所有玩游戏类型l的用户数量，εl表示游戏类型l的游戏所能容忍的最大延时阈值。
2.根据权利要求1所述的应用于云游戏系统的自适应流适配和资源优化方法，其特征在于，所述游戏延时包括网络延时、处理延时和播放延时；
所述网络延时是指网络往返时间，可以通过网络工具来测量得到；
所述处理延时是指从服务器接收到用户命令开始，到返回给用户相应的经过渲染及编码的视频帧的时间差；
所述播放延时是指用户端接收到编码的视频帧后，解码并显示到屏幕上的时间。
3.根据权利要求2所述的应用于云游戏系统的自适应流适配和资源优化方法，其特征在于，所述用户QoE模型还包括用户的满意度，用户满意度采用用户效用函数表示：
其中，代表用户i的效用函数，Xt(i,j)为指示变量，代表用户i选择了索引j的码率，G(i)代表用户i请求的游戏类型，B(j)代表码率索引j对应的码率大小，Φ(g,b)代表用户玩游戏类型g且编码码率为b时的效用函数，该函数为关于码率的对数函数。
4.根据权利要求3所述的应用于云游戏系统的自适应流适配和资源优化方法，其特征在于，所述服务开销模型是指云游戏服务提供商能减少数据中心出口带宽开销及运行开销：
云游戏服务提供商的带宽开销：
其中，表示云游戏服务提供商的带宽开销，表示数据中心k的单位带宽价格，表示数据中心k所使用的出口带宽总量；
云游戏服务提供商的运行开销：
其中，表示云游戏服务提供商的运营开销，表示用户i所分配的虚拟机导致的运营开销，Ut代表云游戏系统中的所有用户。
5.根据权利要求4所述的应用于云游戏系统的自适应流适配和资源优化方法，其特征在于，所述系统状态信息包括当时所有游戏用户数、每个游戏类型的用户数、网络延时、处理延时、数据中心单位带宽开销和基本码率大小。
6.根据权利要求5所述的应用于云游戏系统的自适应流适配和资源优化方法，其特征在于，所述步骤S103具体为：将最小化云游戏服务提供商的服务开销、最大化用户的QoE总和的优化问题转化为Lyapunov优化问题，将系统状态信息作为该优化问题的已知条件，将部分QoE指标——延时、码率作为约束条件，并同时设置一个可容忍延时下界来保证用户体验质量，然后解出最优解作为决策结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410779057.6A CN104598292B (zh) | 2014-12-15 | 2014-12-15 | 一种应用于云游戏系统的自适应流适配和资源优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410779057.6A CN104598292B (zh) | 2014-12-15 | 2014-12-15 | 一种应用于云游戏系统的自适应流适配和资源优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104598292A CN104598292A (zh) | 2015-05-06 |
| CN104598292B true CN104598292B (zh) | 2017-10-03 |
Family
ID=53124110
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410779057.6A Expired - Fee Related CN104598292B (zh) | 2014-12-15 | 2014-12-15 | 一种应用于云游戏系统的自适应流适配和资源优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104598292B (zh) |
Families Citing this family (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104994149B (zh) * | 2015-06-29 | 2018-10-26 | 中国人民解放军国防科学技术大学 | 一种面向云视频服务的资源提供方法 |
| CN104994150B (zh) * | 2015-06-29 | 2018-04-27 | 中国人民解放军国防科学技术大学 | 一种面向云视频服务的请求分配方法 |
| CN105338372B (zh) * | 2015-10-30 | 2019-04-26 | 中山大学 | 一种应用于游戏直播平台的自适应视频串流转码方法 |
| EP3440867A1 (en) * | 2016-04-04 | 2019-02-13 | Nokia Technologies OY | Context aware qos/qoe policy provisioning and adaptation in 5g systems |
| CN107404445B (zh) * | 2016-05-18 | 2020-03-03 | 北京京东尚科信息技术有限公司 | 自媒体资源的分配方法和分配装置 |
| US10456672B2 (en) | 2016-05-19 | 2019-10-29 | Google Llc | Methods and systems for facilitating participation in a game session |
| CN105933727B (zh) * | 2016-05-20 | 2019-05-31 | 中山大学 | 一种应用于游戏直播平台的视频流转码和分发方法 |
| CN106331750B (zh) * | 2016-10-08 | 2019-04-30 | 中山大学 | 一种基于感兴趣区域的云游戏平台自适应带宽优化方法 |
| CN106790485B (zh) * | 2016-12-13 | 2020-07-10 | 上海交通大学 | 混合云模式中的基于成本考虑的在线服务请求调度方法 |
| EP4336800A2 (en) | 2017-10-10 | 2024-03-13 | Google LLC | Distributed sample-based game profiling with game metadata and metrics and gaming api platform supporting third-party content |
| CN108079578B (zh) * | 2017-10-26 | 2020-12-01 | 咪咕互动娱乐有限公司 | 一种基于云游戏的码率调整方法、装置及存储介质 |
| WO2019182752A1 (en) | 2018-03-22 | 2019-09-26 | Google Llc | Methods and systems for rendering and encoding content for online interactive gaming sessions |
| KR102493861B1 (ko) | 2018-04-02 | 2023-01-31 | 구글 엘엘씨 | 대화형 클라우드 게임용 방법, 디바이스 및 시스템 |
| US11077364B2 (en) | 2018-04-02 | 2021-08-03 | Google Llc | Resolution-based scaling of real-time interactive graphics |
| CN111417978A (zh) | 2018-04-10 | 2020-07-14 | 谷歌有限责任公司 | 游戏渲染中的内存管理 |
| CN108733490A (zh) * | 2018-05-14 | 2018-11-02 | 上海交通大学 | 一种基于资源共享自适应配置的GPU虚拟化QoS控制系统及方法 |
| CN108769192B (zh) * | 2018-05-29 | 2022-01-14 | 努比亚技术有限公司 | 一种游戏带宽调控方法、设备及计算机可读存储介质 |
| EP3807766B1 (en) | 2018-11-16 | 2021-10-27 | Google LLC | Shadow tracking of real-time interactive simulations for complex system analysis |
| US11077362B2 (en) * | 2018-12-03 | 2021-08-03 | Sony Interactive Entertainment LLC | Machine learning driven resource allocation |
| CN109660623A (zh) * | 2018-12-25 | 2019-04-19 | 广东浪潮大数据研究有限公司 | 一种云服务资源的分配方法、装置和计算机可读存储介质 |
| CN109741141A (zh) * | 2018-12-30 | 2019-05-10 | 北京航天数据股份有限公司 | 配置工业模型运行环境的方法及工业模型运行环境配置器 |
| CN110673948B (zh) * | 2019-08-16 | 2023-09-19 | 咪咕互动娱乐有限公司 | 一种云游戏资源调度方法、服务器及存储介质 |
| CN111068305B (zh) * | 2019-11-28 | 2023-10-20 | 咪咕视讯科技有限公司 | 云游戏加载控制方法、装置、电子设备及存储介质 |
| CN111111163B (zh) * | 2019-12-24 | 2022-08-30 | 腾讯科技（深圳）有限公司 | 管理计算资源的方法、设备和电子设备 |
| CN111245680B (zh) * | 2020-01-10 | 2021-10-08 | 腾讯科技（深圳）有限公司 | 检测云游戏响应延迟的方法、装置、系统、终端和服务器 |
| CN111617466B (zh) * | 2020-05-12 | 2023-04-28 | 咪咕文化科技有限公司 | 编码格式的确定方法、装置及云游戏的实现方法 |
| CN112087489B (zh) * | 2020-08-05 | 2023-06-30 | 北京工联科技有限公司 | 一种在线手机游戏网络传输的中继转发选择方法及系统 |
| CN112169312A (zh) * | 2020-09-27 | 2021-01-05 | 厦门雅基软件有限公司 | 云游戏服务的排队调度方法、装置、设备和存储介质 |
| CN112295236A (zh) * | 2020-10-09 | 2021-02-02 | 西安万像电子科技有限公司 | 游戏推送方法、装置和系统 |
| CN113144588A (zh) * | 2020-10-15 | 2021-07-23 | 顾春健 | 基于云计算的游戏资源分配方法及可读存储介质 |
| CN112316432A (zh) * | 2020-11-06 | 2021-02-05 | 上海小麦互动企业发展有限公司 | 一种基于x86云游戏沙盒框架自动上架游戏的装置 |
| CN115277802B (zh) * | 2021-04-29 | 2023-08-08 | 中国联合网络通信集团有限公司 | 一种数据传输方法及网关 |
| CN114840859B (zh) * | 2021-12-21 | 2023-03-24 | 许磊 | 一种通用数据的流媒体化系统 |
| CN114377394B (zh) * | 2022-01-17 | 2023-05-05 | 吉林省磨铁互娱手游研发有限公司 | 一种云游戏画面渲染方法及装置 |
| CN114618154A (zh) * | 2022-03-28 | 2022-06-14 | 广州三七极耀网络科技有限公司 | 一种区服的运行控制方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102331948A (zh) * | 2011-09-01 | 2012-01-25 | 杭州湾云计算技术有限公司 | 一种基于资源状态的虚拟机结构调整方法和调整系统 |
| CN103309748A (zh) * | 2013-06-19 | 2013-09-18 | 上海交通大学 | 云游戏中的gpu虚拟资源自适应调度宿主机系统和调度方法 |
| CN103888485A (zh) * | 2012-12-19 | 2014-06-25 | 华为技术有限公司 | 云计算资源的分配方法、装置及系统 |
| CN103905836A (zh) * | 2012-12-27 | 2014-07-02 | 辉达公司 | 通过帧率控制实现网络自适应时延降低 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9842004B2 (en) * | 2008-08-22 | 2017-12-12 | Red Hat, Inc. | Adjusting resource usage for cloud-based networks |
| US9582319B2 (en) * | 2010-08-13 | 2017-02-28 | International Business Machines Corporation | Migrating virtual machines across network separated data centers |
| US8769531B2 (en) * | 2011-05-25 | 2014-07-01 | International Business Machines Corporation | Optimizing the configuration of virtual machine instances in a networked computing environment |
-
2014
- 2014-12-15 CN CN201410779057.6A patent/CN104598292B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102331948A (zh) * | 2011-09-01 | 2012-01-25 | 杭州湾云计算技术有限公司 | 一种基于资源状态的虚拟机结构调整方法和调整系统 |
| CN103888485A (zh) * | 2012-12-19 | 2014-06-25 | 华为技术有限公司 | 云计算资源的分配方法、装置及系统 |
| CN103905836A (zh) * | 2012-12-27 | 2014-07-02 | 辉达公司 | 通过帧率控制实现网络自适应时延降低 |
| CN103309748A (zh) * | 2013-06-19 | 2013-09-18 | 上海交通大学 | 云游戏中的gpu虚拟资源自适应调度宿主机系统和调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104598292A (zh) | 2015-05-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104598292B (zh) | 一种应用于云游戏系统的自适应流适配和资源优化方法 | |
| CN106534333B (zh) | 一种基于mec和mcc的双向选择计算卸载方法 | |
| Tian et al. | On achieving cost-effective adaptive cloud gaming in geo-distributed data centers | |
| CN105704255B (zh) | 一种基于遗传算法的服务器负载均衡方法 | |
| CN105637925B (zh) | 具有细化策略管理的动态频率和功率资源分配 | |
| Greenberg et al. | The cost of a cloud: research problems in data center networks | |
| CN111669444B (zh) | 基于边缘计算的云游戏服务质量增强方法及系统 | |
| Han et al. | Virtual machine placement optimization in mobile cloud gaming through QoE-oriented resource competition | |
| Yu et al. | The design of qos broker algorithms for qos-capable web services | |
| US11206193B2 (en) | Method and system for provisioning resources in cloud computing | |
| Li et al. | Play request dispatching for efficient virtual machine usage in cloud gaming | |
| CN106657379A (zh) | 一种nginx服务器负载均衡的实现方法及系统 | |
| Prodan et al. | Prediction-based real-time resource provisioning for massively multiplayer online games | |
| CN105007287A (zh) | 公共云资源动态配置方法及系统 | |
| Mishra et al. | Clouds+ games: A multifaceted approach | |
| CN105933727A (zh) | 一种应用于游戏直播平台的视频流转码和分发方法 | |
| US20230093368A1 (en) | Game data processing method, apparatus, and system, electronic device, and storage medium | |
| Wang et al. | Wireless network aware cloud scheduler for scalable cloud mobile gaming | |
| Amiri et al. | SDN-based game-aware network management for cloud gaming | |
| CN106897115A (zh) | 一种云环境下SaaS软件部署方法及装置 | |
| Dhib et al. | Modeling cloud gaming experience for massively multiplayer online games | |
| CN106454958A (zh) | 一种网络资源分配方法及装置 | |
| Gao et al. | Cost-efficient and quality-of-experience-aware player request scheduling and rendering server allocation for edge-computing-assisted multiplayer cloud gaming | |
| Krishnaswamy et al. | An open NFV and cloud architectural framework for managing application virality behaviour | |
| Ren et al. | Cielo: An evolutionary game theoretic framework for virtual machine placement in clouds |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171003 Termination date: 20211215 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |