CN113691840A - 一种具有高可用率的视频流控制方法及系统 - Google Patents

一种具有高可用率的视频流控制方法及系统 Download PDF

Info

Publication number
CN113691840A
CN113691840A CN202111018939.7A CN202111018939A CN113691840A CN 113691840 A CN113691840 A CN 113691840A CN 202111018939 A CN202111018939 A CN 202111018939A CN 113691840 A CN113691840 A CN 113691840A
Authority
CN
China
Prior art keywords
video stream
control
availability
data set
user
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.)
Pending
Application number
CN202111018939.7A
Other languages
English (en)
Inventor
梅向东
金伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Cudatec Co ltd
Original Assignee
Jiangsu Cudatec Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Cudatec Co ltd filed Critical Jiangsu Cudatec Co ltd
Priority to CN202111018939.7A priority Critical patent/CN113691840A/zh
Publication of CN113691840A publication Critical patent/CN113691840A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/262Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
    • H04N21/26208Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists the scheduling operation being performed under constraints
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/231Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion
    • H04N21/23103Content storage operation, e.g. caching movies for short term storage, replicating data over plural servers, prioritizing data for deletion using load balancing strategies, e.g. by placing or distributing content on different disks, different memories or different servers
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/238Interfacing the downstream path of the transmission network, e.g. adapting the transmission rate of a video stream to network bandwidth; Processing of multiplex streams

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明公开了一种具有高可用率的视频流控制方法及系统,其中,所述方法基于视频流数据、传输和组合,包括:基于应用背景,对所述多用户高并发任务数据集进行拆分重构,构建视频流分发架构;根据所述视频流分发架构,构建多路并发传输链;基于所述多路并发传输链,构建控制算法模型,生成视频流分类控制数据集;基于视频流控制策略,对所述视频流分类控制数据集进行负载均衡的控制,生成所述视频流的可用率;若所述可用率没有达到所述预设视频流可用率指标,对所述控制算法模型进行优化。解决了现有技术大量的业务流致使多用户并发下事务性操作响应时间延迟,云平台处理压力过高影响性能的技术问题。

Description

一种具有高可用率的视频流控制方法及系统
技术领域
本发明涉及云桌面领域,尤其涉及一种具有高可用率的视频流控制方法及系统。
背景技术
云桌面是一种全新的计算机模式,通过将计算机终端系统进行虚拟化,使得用户可以通过任何设备,在任何地点,任何时间通过网络访问属于个人的桌面系统,改变了企业传统PC的办公模式,简化了IT的运维管理、降低了运维成本、提高了数据的安全性和访问的灵活性,为企业带来极大的便利。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术大量的业务流致使多用户并发下事务性操作响应时间延迟,云平台处理压力过高影响性能的技术问题。
发明内容
本申请实施例通过提供一种具有高可用率的视频流控制方法及系统,解决了现有技术大量的业务流致使多用户并发下事务性操作响应时间延迟,云平台处理压力过高影响性能的技术问题,达到经现有技术分析,找到影响视频流可用率三要素,视频流数据、传输和组合,通过构建基于可用率的视频流分发架构,对视频流进行分类重组,形成多路径传输链,并采用负载均衡策略对其进行有效控制,同时采用学习迭代的方式使视频流并行任务控制算法持续优化,提高视频流任务的可用率,进而使平台达到高时效性、低延迟的技术效果。
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的。
第一方面,本申请实施例提供了一种具有高可用率的视频流控制方法,所述方法包括:获得多用户高并发任务数据集;基于应用背景,对所述多用户高并发任务数据集进行拆分重构,构建视频流分发架构;根据所述视频流分发架构,对视频流进行分类重组,构建多路并发传输链;基于所述多路并发传输链,构建控制算法模型,对所述视频流进行分类控制,生成视频流分类控制数据集;基于视频流控制策略,对所述视频流分类控制数据集进行负载均衡的控制,生成所述视频流的可用率;判断所述可用率是否达到预设视频流可用率指标;若所述可用率没有达到所述预设视频流可用率指标,对所述控制算法模型进行优化。
另一方面,本申请还提供了一种具有高可用率的视频流控制系统,所述系统包括:第一获得单元,所述第一获得单元用于获得多用户高并发任务数据集;第一构建单元,所述第一构建单元用于基于应用背景,对所述多用户高并发任务数据集进行拆分重构,构建视频流分发架构;第二构建单元,所述第二构建单元用于限据所述视频流分发架构,对视频流进行分类重组,构建多路并发传输链;第一生成单元,所述第一生成单元用于基于所述多路并发传输链,构建控制算法模型,对所述视频流进行分类控制,生成视频流分类控制数据集;第二生成单元,所述第二生成单元用于基于视频流控制策略,对所述视频流分类控制数据集进行负载均衡的控制,生成所述视频流的可用率;第一判断单元,所述第一判断单元用于判断所述可用率是否达到预设视频流可用率指标;第一优化单元,所述第一优化单元用于若所述可用率没有达到所述预设视频流可用率指标,对所述控制算法模型进行优化。
第三方面,本发明实施例提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述的控制输出数据的方法中的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的控制输出数据的方法中的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了基于应用背景,对所述多用户高并发任务数据集进行拆分重构,构建视频流分发架构;根据所述视频流分发架构,对视频流进行分类重组,构建多路并发传输链;基于所述多路并发传输链,构建控制算法模型,对所述视频流进行分类控制,生成视频流分类控制数据集;基于视频流控制策略,对所述视频流分类控制数据集进行负载均衡的控制,生成所述视频流的可用率;判断所述可用率是否达到预设视频流可用率指标;若所述可用率没有达到所述预设视频流可用率指标,对所述控制算法模型进行优化。进而达到经现有技术分析,找到影响视频流可用率三要素,视频流数据、传输和组合,通过构建基于可用率的视频流分发架构,对视频流进行分类重组,形成多路径传输链,并采用负载均衡策略对其进行有效控制,同时采用学习迭代的方式使视频流并行任务控制算法持续优化,提高视频流任务的可用率,进而使平台达到高时效性、低延迟的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种具有高可用率的视频流控制方法的流程示意图;
图2为本申请实施例一种具有高可用率的视频流控制方法中对所述控制算法优化模型进行优化的流程示意图;
图3为本申请实施例一种具有高可用率的视频流控制方法中构建所述多路并发传输链的流程示意图;
图4为本申请实施例一种具有高可用率的视频流控制方法中对并行视频流进行热储存处理的流程示意图;
图5为本申请实施例一种具有高可用率的视频流控制方法中对所述并行视频流进行控制的流程示意图;
图6为本申请实施例一种具有高可用率的视频流控制系统的结构示意图;
图7为本申请实施例所提供的一种用于执行控制输出数据的方法的电子设备的结构示意图。
附图标记说明:第一获得单元11,第一构建单元12,第二构建单元13,第一生成单元14,第二生成单元15,第一判断单元16,第一优化单元17,总线1110,处理器1120,收发器1130,总线接口1140,存储器1150和用户接口1160。
具体实施方式
在本发明实施例的描述中,所属技术领域的技术人员应当知道,本发明实施例可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本发明实施例可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本发明实施例还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的系统、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本发明实施例中,计算机可读存储介质可以是任意包含或存储程序的有形介质,该程序可以被指令执行系统、装置、器件使用或与其结合使用。
申请概述
本发明实施例通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本发明实施例中的附图对本发明实施例进行描述。
实施例一
如图1所示,本申请实施例提供了一种具有高可用率的视频流控制方法,其中,所述方法基于视频流数据、传输和组合,包括:
步骤S100:获得多用户高并发任务数据集;
步骤S200:基于应用背景,对所述多用户高并发任务数据集进行拆分重构,构建视频流分发架构;
具体而言,所述多用户高并发任务数据集是云平台需要进行服务处理的视频数据集合,即视频流任务,为提高视频流任务的可用率,对多用户高并发的应用背景进行逻辑抽象,其三层架构为:应用模式层、应用基础设施模式层和基础设施模式层。在应用模式层,将任务对象分解,并对视频流任务进行拆分重构,构建视频流分发架构,即点线块组合结构,所述点线块组合结构包括视频流数据包、序列流和关联流模块。
步骤S300:根据所述视频流分发架构,对视频流进行分类重组,构建多路并发传输链;
具体而言,根据应用模式对视频流任务对象进行分解,并根据所述视频流分发架构对任务对象视频流进行分类重组和有效调配,在系统处理高并发任务时,多个相同的应用模式可动态四配多个关联流,构建多路并发传输链,为多用户提供有效的高并发任务控制方法。
步骤S400:基于所述多路并发传输链,构建控制算法模型,对所述视频流进行分类控制,生成视频流分类控制数据集;
具体而言,基于所述多路并发传输链,构建控制算法模型,所述控制算法模型分为三类对象,分别是状态对象、功能对象和操作对象,在应用基础设施层,采用视频流控制算法模型对任务对象进行分类控制,生成视频流分类控制数据集,以提高应用基础设施的利用率。
步骤S500:基于视频流控制策略,对所述视频流分类控制数据集进行负载均衡的控制,生成所述视频流的可用率;
具体而言,在基础设施层,采用高可用控制方法即基于负载均衡的视频流任务控制策略,所述控制策略包含用户模块和共享应用模块。可根据所述视频流控制策略对所述视频流分类控制数据集进行负载均衡的控制,选择负载均衡或是断路,生成所述视频流的可用率。在保证有限的基础设施下提高应用基础设施的可用率。
步骤S600:判断所述可用率是否达到预设视频流可用率指标;
步骤S700:若所述可用率没有达到所述预设视频流可用率指标,对所述控制算法模型进行优化。
具体而言,所述预设视频流可用率指标为预先设定的满足对并发任务有效控制的视频流可用率,判断所述可用率是否达到预设视频流可用率指标,如果所述可用率没有达到所述预设视频流可用率指标,采用学习迭代的方式使视频流并行任务控制算法持续优化,以达到视频流任务高可用分发的效果。
如图2所示,进一步而言,其中,本申请实施例还包括:
步骤S810:根据所述多用户高并发任务数据集,获得第一案例信息;
步骤S820:对所述第一案例信息进行定量分析,生成基础元素库;
步骤S830:获得所述第一案例信息的现状和规划条件;
步骤S840:根据所述现状和规划条件,基于所述基础元素库,生成所述第一案例信息的规划方案集合;
步骤S850:基于现状,对所述规划方案集合进行评估,生成第一优化方案;
步骤S860:根据所述第一优化方案,对所述控制算法优化模型进行优化。
具体而言,所述第一案例信息包括提取原始数据、提取基本元素、量化指标等,对所述第一案例信息进行定量分析,提取格局形态,形成基本元素库。所述原始数据即点线块组合数据,所述基本元素包括传输组织、传输网、开放空间、策略、资源利用等;所述量化指标包括公共传输系统密度、传输网密度、规模、开放空间比例、功能组合密度等;所述格局形态包括点线块组合结构、传输网、开放空间和功能布局等。根据现状和规划条件,对所述规划方案集合进行评估,形成并行控制算法优化方案,并根据所述第一优化方案,对所述控制算法优化模型进行优化实施,以达到并行控制算法迭代的目的,实现闭环控制的技术效果。
如图3所示,进一步而言,本申请实施例步骤S860还包括:
步骤S861:基于应用模式,对所述多用户高并发任务数据集进行分解、重组和调配,生成视频流集合;
步骤S862:根据所述应用模式和所述视频流集合,构建关联流模块;
步骤S863:根据所述多用户高并发任务数据集,获得多应用模式集合;
步骤S864:根据所述多应用模式集合和所述关联流模块,构建所述多路并发传输链。
具体而言,提供一种视频流任务分类重组方法,构建点线块组合结构,所述点线块组合结构包括视频流数据包、序列流和关联流模块,点为视频流数据包,线为序列流,块为关联流模块,箭头为应用基础设施。视频流数据包构成序列流,多个序列流构成关联流模块,根据应用模式对所述多用户高并发任务数据集即任务对象进行分解、重组,并对任务对象重新组织和有效调配,生成视频流集合。一个应用模式可对应多个视频流任务,根据所述应用模式和所述视频流集合,构建关联流模块,从而使对应同一个应用模式的多个视频流构成所述关联流模块。在系统处理高并发任务时,根据所述多用户高并发任务数据集,获得所述多应用模式集合,多个相同的应用模式可动态匹配多个关联流。根据所述多应用模式集合和所述关联流模块,形成构建所述多路并行传输链,实现多用户、多应用组合、多资源、多路径、多控制方法,保证视频流高可用性,即采用多对多的方式实现一对一的分布模式,具有高时效性、低延迟的特点,为多用户提供有效的高并发任务控制方法。
如图4所示,进一步而言,本申请实施例步骤S864还包括:
步骤S8641:对所述控制算法模型的任务对象进行分类,生成第一分类结果,其中,所述第一分类结果包括状态对象集合、功能对象集合以及操作对象集合;
步骤S8642:获得第一用户的用户请求信息;
步骤S8643:根据所述用户请求信息和所述第一分类结果,对并行视频流进行热储存处理。
具体而言,提供一种视频流任务的控制算法模型,对任务对象进行分类控制,不同对象采用不同控制方法,因此对所述控制算法模型的任务对象进行分类,生成第一分类结果,根据所述用户请求信息和任务对象的所述第一分类结果,进行不同控制。所述第一分类结果包括状态对象集合、功能对象集合和操作对象集合。所述状态对象具体包括序列流、流节点、用户事件(开始、结束和计时)、网关(独占、并行和包涵),所述序列流包括视频流和与之匹配的应用基础设施,所述流节点即关联流模块;所述功能对象包含资源(路径),操作(方法),参数,响应(状态码),链接(源引用),根据应用模式获取的参数,即根据用户请求和分类结果选择规划路径进行任务相应和操作功能;所述操作对象包含超链接(目标引用-集合),会话、请求(多实例-已附加到),子会话(多实例循环),所述会话和子会话即并行视频流之间的通讯。根据所述用户请求信息和所述第一分类结果,对并行视频流进行热储存处理,达到降低延迟,提高资源的利用率的技术效果。
如图5所示,进一步而言,本申请实施例步骤S8643还包括:
步骤S86431:根据所述视频流控制策略,获得操作环境、操作参数节点;
步骤S86432:基于同步数据流,获得所述操作环境、操作参数节点对应的应用服务;
步骤S86433:根据所述应用服务,对所述并行视频流进行控制。
具体而言,提供一种基于负载均衡的视频流控制策略,采用高可用控制方法对并行任务进行有效控制,并配合负载均衡策略对其进行有效控制和调配。所述控制策略包含用户模块,共享应用模块,所述用户模块包括虚拟桌面、网关、UI服务,根据所述视频流控制策略,即通过异步数据流获取相关操作环境和操作参数节点,进而经网关通过同步数据流获得所述操作环境、操作参数节点对应的应用服务,根据对应的所述应用服务,对所述并行视频流进行控制。所述共享应用模块包含功能服务和基础设施服务,其中,所述功能服务包括传输服务、任务服务、环境服务,所述基础设施服务包括支撑服务和安全服务,可根据策略选择不同路径,可根据策略选择负载均衡或是断路,安全服务可为保障网络传输安全提供网络设备,支撑服务可提供由应用与服务匹配对接的应用基础设施。可根据所述应用服务,对所述并行视频流进行有效控制,以提高视频流任务的可用率的技术效果。
综上所述,本申请实施例所提供的一种具有高可用率的视频流控制方法及系统具有如下技术效果:
由于采用了基于应用背景,对所述多用户高并发任务数据集进行拆分重构,构建视频流分发架构;根据所述视频流分发架构,对视频流进行分类重组,构建多路并发传输链;基于所述多路并发传输链,构建控制算法模型,对所述视频流进行分类控制,生成视频流分类控制数据集;基于视频流控制策略,对所述视频流分类控制数据集进行负载均衡的控制,生成所述视频流的可用率;判断所述可用率是否达到预设视频流可用率指标;若所述可用率没有达到所述预设视频流可用率指标,对所述控制算法模型进行优化。进而达到经现有技术分析,找到影响视频流可用率三要素,视频流数据、传输和组合,通过构建基于可用率的视频流分发架构,对视频流进行分类重组,形成多路径传输链,并采用负载均衡策略对其进行有效控制,同时采用学习迭代的方式使视频流并行任务控制算法持续优化,提高视频流任务的可用率,进而使平台达到高时效性、低延迟的技术效果。
实施例二
基于与前述实施例中一种具有高可用率的视频流控制方法同样发明构思,本发明还提供了一种具有高可用率的视频流控制系统,如图6所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得多用户高并发任务数据集;
第一构建单元12,所述第一构建单元12用于基于应用背景,对所述多用户高并发任务数据集进行拆分重构,构建视频流分发架构;
第二构建单元13,所述第二构建单元13用于根据所述视频流分发架构,对视频流进行分类重组,构建多路并发传输链;
第一生成单元14,所述第一生成单元14用于基于所述多路并发传输链,构建控制算法模型,对所述视频流进行分类控制,生成视频流分类控制数据集;
第二生成单元15,所述第二生成单元15用于基于视频流控制策略,对所述视频流分类控制数据集进行负载均衡的控制,生成所述视频流的可用率;
第一判断单元16,所述第一判断单元16用于判断所述可用率是否达到预设视频流可用率指标;
第一优化单元17,所述第一优化单元17用于若所述可用率没有达到所述预设视频流可用率指标,对所述控制算法模型进行优化。
进一步的,所述系统还包括:
第二获得单元,所述第二获得单元用于根据所述多用户高并发任务数据集,获得第一案例信息;
第三生成单元,所述第三生成单元用于对所述第一案例信息进行定量分析,生成基础元素库;
第三获得单元,所述第三获得单元用于获得所述第一案例信息的现状和规划条件;
第四生成单元,所述第四生成单元用于根据所述现状和规划条件,基于所述基础元素库,生成所述第一案例信息的规划方案集合;
第五生成单元,所述第五生成单元用于基于现状,对所述规划方案集合进行评估,生成第一优化方案;
第二优化单元,所述第二优化单元用于根据所述第一优化方案,对所述控制算法优化模型进行优化。
进一步的,所述系统还包括:
第六生成单元,所述第六生成单元用于基于应用模式,对所述多用户高并发任务数据集进行分解、重组和调配,生成视频流集合;
第三构建单元,所述第三构建单元用于根据所述应用模式和所述视频流集合,构建关联流模块;
第四获得单元,所述第四获得单元用于根据所述多用户高并发任务数据集,获得多应用模式集合;
第四构建单元,所述第四构建单元用于根据所述多应用模式集合和所述关联流模块,构建所述多路并发传输链。
进一步的,所述系统还包括:
第七生成单元,所述第七生成单元用于对所述控制算法模型的任务对象进行分类,生成第一分类结果,其中,所述第一分类结果包括状态对象集合、功能对象集合以及操作对象集合;
第五获得单元,所述第五获得单元用于获得第一用户的用户请求信息;
第一储存单元,所述第一储存单元用于根据所述用户请求信息和所述第一分类结果,对并行视频流进行热储存处理。
进一步的,所述系统还包括:
第六获得单元,所述第六获得单元用于根据所述视频流控制策略,获得操作环境、操作参数节点;
第七获得单元,所述第七获得单元用于基于同步数据流,获得所述操作环境、操作参数节点对应的应用服务;
第一控制单元,所述第一控制单元用于根据所述应用服务,对所述并行视频流进行控制。
前述图1实施例一中的一种具有高可用率的视频流控制方法的各种变化方式和具体实例同样适用于本实施例的一种具有高可用率的视频流控制系统,通过前述对一种具有高可用率的视频流控制方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种具有高可用率的视频流控制系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本发明实施例还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
示例性电子设备
具体的,参见图7所示,本发明实施例还提供了一种电子设备,该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本发明实施例中,该电子设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本发明实施例中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线以及存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本发明实施例中公开的各方法、步骤及逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本发明实施例所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本发明实施例不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部擞据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机系统的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本发明实施例中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以及两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信系统、码分多址系统、全球微波互联接入系统、通用分组无线业务系统、宽带码分多址系统、长期演进系统、LTE频分双工系统、LTE时分双工系统、先进长期演进系统、通用移动通信系统、增强移动宽带系统、海量机器类通信系统、超可靠低时延通信系统等。
应理解,本发明实施例中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器,或闪存。
易失性存储器包括:随机存取存储器,其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本发明实施例描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本发明实施例中,存储器1150存储了操作系统1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作系统1151包含各种系统程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器、浏览器,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构以及其他执行特定任务或实现特定抽象数据类型的计算机系统可执行指令。
此外,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述,仅为本发明实施例的具体实施方式,但本发明实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明实施例披露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明实施例的保护范围之内。因此,本发明实施例的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种具有高可用率的视频流控制方法,其中,所述方法基于视频流数据、传输和组合,包括:
获得多用户高并发任务数据集;
基于应用背景,对所述多用户高并发任务数据集进行拆分重构,构建视频流分发架构;
根据所述视频流分发架构,对视频流进行分类重组,构建多路并发传输链;
基于所述多路并发传输链,构建控制算法模型,对所述视频流进行分类控制,生成视频流分类控制数据集;
基于视频流控制策略,对所述视频流分类控制数据集进行负载均衡的控制,生成所述视频流的可用率;
判断所述可用率是否达到预设视频流可用率指标;
若所述可用率没有达到所述预设视频流可用率指标,对所述控制算法模型进行优化。
2.如权利要求1所述的方法,其中,所述方法还包括:
根据所述多用户高并发任务数据集,获得第一案例信息;
对所述第一案例信息进行定量分析,生成基础元素库;
获得所述第一案例信息的现状和规划条件;
根据所述现状和规划条件,基于所述基础元素库,生成所述第一案例信息的规划方案集合;
基于现状,对所述规划方案集合进行评估,生成第一优化方案;
根据所述第一优化方案,对所述控制算法优化模型进行优化。
3.如权利要求2所述的方法,其中,所述方法还包括:
基于应用模式,对所述多用户高并发任务数据集进行分解、重组和调配,生成视频流集合;
根据所述应用模式和所述视频流集合,构建关联流模块;
根据所述多用户高并发任务数据集,获得多应用模式集合;
根据所述多应用模式集合和所述关联流模块,构建所述多路并发传输链。
4.如权利要求3所述的方法,其中,所述方法还包括:
对所述控制算法模型的任务对象进行分类,生成第一分类结果,其中,所述第一分类结果包括状态对象集合、功能对象集合以及操作对象集合;
获得第一用户的用户请求信息;
根据所述用户请求信息和所述第一分类结果,对并行视频流进行热储存处理。
5.如权利要求4所述的方法,其中,所述方法还包括:
根据所述视频流控制策略,获得操作环境、操作参数节点;
基于同步数据流,获得所述操作环境、操作参数节点对应的应用服务;
根据所述应用服务,对所述并行视频流进行控制。
6.一种具有高可用率的视频流控制系统,其中,所述系统包括:
第一获得单元,所述第一获得单元用于获得多用户高并发任务数据集;
第一构建单元,所述第一构建单元用于基于应用背景,对所述多用户高并发任务数据集进行拆分重构,构建视频流分发架构;
第二构建单元,所述第二构建单元用于根据所述视频流分发架构,对视频流进行分类重组,构建多路并发传输链;
第一生成单元,所述第一生成单元用于基于所述多路并发传输链,构建控制算法模型,对所述视频流进行分类控制,生成视频流分类控制数据集;
第二生成单元,所述第二生成单元用于基于视频流控制策略,对所述视频流分类控制数据集进行负载均衡的控制,生成所述视频流的可用率;
第一判断单元,所述第一判断单元用于判断所述可用率是否达到预设视频流可用率指标;
第一优化单元,所述第一优化单元用于若所述可用率没有达到所述预设视频流可用率指标,对所述控制算法模型进行优化。
7.一种具有高可用率的视频流控制系统,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-6中任一项所述的控制输出数据的方法中的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的控制输出数据的方法中的步骤。
CN202111018939.7A 2021-08-31 2021-08-31 一种具有高可用率的视频流控制方法及系统 Pending CN113691840A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111018939.7A CN113691840A (zh) 2021-08-31 2021-08-31 一种具有高可用率的视频流控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111018939.7A CN113691840A (zh) 2021-08-31 2021-08-31 一种具有高可用率的视频流控制方法及系统

Publications (1)

Publication Number Publication Date
CN113691840A true CN113691840A (zh) 2021-11-23

Family

ID=78584678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111018939.7A Pending CN113691840A (zh) 2021-08-31 2021-08-31 一种具有高可用率的视频流控制方法及系统

Country Status (1)

Country Link
CN (1) CN113691840A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114153546A (zh) * 2021-12-09 2022-03-08 江苏赞奇科技股份有限公司 一种用于云桌面运营管理系统的数据流传输方法及系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160034306A1 (en) * 2014-07-31 2016-02-04 Istreamplanet Co. Method and system for a graph based video streaming platform
CN106131185A (zh) * 2016-07-13 2016-11-16 腾讯科技(深圳)有限公司 一种视频数据的处理方法、装置及系统
CN106161552A (zh) * 2015-04-16 2016-11-23 国家电网公司 一种海量数据环境下负载均衡方法及系统
CN108549583A (zh) * 2018-04-17 2018-09-18 成都致云科技有限公司 大数据处理方法、装置、服务器及可读存储介质
US20200153805A1 (en) * 2018-11-14 2020-05-14 At&T Intellectual Property I, L.P. Method and Apparatus for Inferring ABR Video Streaming Behavior from encrypted traffic
CN111444009A (zh) * 2019-11-15 2020-07-24 北京邮电大学 一种基于深度强化学习的资源分配方法及装置
CN111800352A (zh) * 2020-06-30 2020-10-20 中国联合网络通信集团有限公司 基于负载均衡的服务功能链部署方法和存储介质
CN111901409A (zh) * 2020-07-24 2020-11-06 山东海量信息技术研究院 虚拟化云平台的负载均衡实现方法、装置及可读存储介质
CN112069205A (zh) * 2020-09-30 2020-12-11 北京百度网讯科技有限公司 用于业务应用的处理方法、装置、智能工作站和电子设备
CN112711479A (zh) * 2019-10-25 2021-04-27 北京沃东天骏信息技术有限公司 服务器集群的负载均衡系统、方法、装置和存储介质
CN113010296A (zh) * 2021-04-01 2021-06-22 上海交通大学 基于形式化模型的任务解析与资源分配方法及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160034306A1 (en) * 2014-07-31 2016-02-04 Istreamplanet Co. Method and system for a graph based video streaming platform
CN106161552A (zh) * 2015-04-16 2016-11-23 国家电网公司 一种海量数据环境下负载均衡方法及系统
CN106131185A (zh) * 2016-07-13 2016-11-16 腾讯科技(深圳)有限公司 一种视频数据的处理方法、装置及系统
CN108549583A (zh) * 2018-04-17 2018-09-18 成都致云科技有限公司 大数据处理方法、装置、服务器及可读存储介质
US20200153805A1 (en) * 2018-11-14 2020-05-14 At&T Intellectual Property I, L.P. Method and Apparatus for Inferring ABR Video Streaming Behavior from encrypted traffic
CN112711479A (zh) * 2019-10-25 2021-04-27 北京沃东天骏信息技术有限公司 服务器集群的负载均衡系统、方法、装置和存储介质
CN111444009A (zh) * 2019-11-15 2020-07-24 北京邮电大学 一种基于深度强化学习的资源分配方法及装置
CN111800352A (zh) * 2020-06-30 2020-10-20 中国联合网络通信集团有限公司 基于负载均衡的服务功能链部署方法和存储介质
CN111901409A (zh) * 2020-07-24 2020-11-06 山东海量信息技术研究院 虚拟化云平台的负载均衡实现方法、装置及可读存储介质
CN112069205A (zh) * 2020-09-30 2020-12-11 北京百度网讯科技有限公司 用于业务应用的处理方法、装置、智能工作站和电子设备
CN113010296A (zh) * 2021-04-01 2021-06-22 上海交通大学 基于形式化模型的任务解析与资源分配方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李海燕;欧晓勇;: "云计算技术在计算机数据处理中的应用分析与发展策略", 激光杂志, no. 04 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114153546A (zh) * 2021-12-09 2022-03-08 江苏赞奇科技股份有限公司 一种用于云桌面运营管理系统的数据流传输方法及系统
CN114153546B (zh) * 2021-12-09 2023-11-03 江苏赞奇科技股份有限公司 一种用于云桌面运营管理系统的数据流传输方法及系统

Similar Documents

Publication Publication Date Title
Xu et al. A heuristic offloading method for deep learning edge services in 5G networks
Vinueza Naranjo et al. Design and energy-efficient resource management of virtualized networked Fog architectures for the real-time support of IoT applications
Somula et al. A survey on mobile cloud computing: mobile computing+ cloud computing (MCC= MC+ CC)
Chiu et al. Ultra-low latency service provision in 5G fog-radio access networks
Mukherjee et al. ANGELS for distributed analytics in IoT
Mani et al. Improving quality‐of‐service in fog computing through efficient resource allocation
Haider et al. On the planning and design problem of fog computing networks
US20150304441A1 (en) Data transfer device and data transfer system using adaptive compression algorithm
Ilkhechi et al. Network-aware virtual machine placement in cloud data centers with multiple traffic-intensive components
US20230421501A1 (en) Joint optimization method and system for delay and spectrum occupation in cloud-edge collaborative network
Liu et al. ERP: Edge resource pooling for data stream mobile computing
Funai et al. Computational offloading for energy constrained devices in multi-hop cooperative networks
Alam Tactile internet and its contribution in the development of smart cities
Berenbrink et al. Multiple-choice balanced allocation in (almost) parallel
Cai et al. Cognitive resource optimization for the decomposed cloud gaming platform
Gedeon et al. On scalable in-network operator placement for edge computing
CN113691840A (zh) 一种具有高可用率的视频流控制方法及系统
CN112152879B (zh) 网络质量确定方法、装置、电子设备和可读存储介质
Abuhamdah et al. Hybrid load balancing algorithm for fog computing environment
CN104111860B (zh) 服务器中虚拟机运行方法和系统
Zhang et al. A trajectory prediction-based and dependency-aware container migration for mobile edge computing
Nguyen et al. Elastic resource allocation for coded distributed computing over heterogeneous wireless edge networks
Wang et al. Cooperative scheduling of multi‐core and cloud resources: fine‐grained offloading strategy for multithreaded applications
Bilgehan et al. An optimized device‐to‐device (D2D) blockchain network for the insurance industry
Arora et al. ACOF: Autonomous computation offloading framework for Android using cloud

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination