可伸缩的视频CDN分发系统及方法技术方案

本发明专利技术涉及视频监控技术领域，具体地说，涉及一种可伸缩的视频CDN分发系统及方法，系统包括实时水位线评估模块，用于接收外部播放请求，并输出当前视频流系统水位的变化趋势；视频流节点树分叉和裁切模块，与实时水位线评估模块连接，用于接收当前视频流系统水位的变化趋势，并根据水位变化趋势进行节点分叉、节点裁切回收和节点保持。本发明专利技术利用动态水位线评估AI模型和多叉树分支及裁切方法，实现视频流CDN的动态伸缩。

Scalable video CDN distribution system and method

【技术实现步骤摘要】
可伸缩的视频CDN分发系统及方法
本专利技术涉及视频监控
，具体地说，涉及一种可伸缩的视频CDN分发系统及方法。
技术介绍
视频监控场景下，一般现在的技术在摄像头接入云端后，视频流的分发主要通过CDN（ContentDeliveryNetwork，即内容分发网络）分发网络。虽然通过CDN比起传统的网络传输得到极大的提升，但也存在如下的技术缺陷：1、用户想看到实时的流，内部节点会存在层层转发，会造成延时，卡顿，故障排查及其复杂，给用户带来糟糕的体验；2、即使只有一个人观看的视频流，也会产生不同CDN节点之间的层层中转，带来大量的带宽资源浪费，同时厂商需要铺设大量的CDN、IDC资源，承担大量的硬件成本和带宽资源浪费。
技术实现思路
本专利技术的内容是提供一种可伸缩的视频CDN分发系统及方法，其能够克服现有技术的缺陷。根据本专利技术的一种可伸缩的视频CDN分发系统，其包括：实时水位线评估模块，用于接收外部播放请求，并输出当前视频流系统水位的变化趋势；视频流节点树分叉和裁切模块，与实时水位线评估模块连接，用于接收当前视频流系统水位的变化趋势，并根据水位变化趋势进行节点分叉、节点裁切回收和节点保持。作为优选，实时水位线评估模块包括低水位线评估子模块、中水位线评估子模块和高水位线评估子模块。作为优选，低水位线评估子模块连接有低水位线AI预测模型，中水位线评估子模块连接有中水位线AI预测模型，高水位线评估子模块连接有高水位线AI预测模型；低水位线AI预测模型、中水位线AI预测模型和高水位线AI预测模型分别包含了水位线所依赖的基础参数。作为优选，所述水位线所依赖的基础参数包括cpu利用率、内存使用量、磁盘io、网卡吞吐量、不同流节点之间的动态延迟测算和历史评估数据。作为优选，视频流节点树分叉和裁切模块包括：视频流节点分叉模块，用于系统进入水位上升模式时，视频流节点进行分叉；视频流节点裁切回收模块，用于系统进入水位下降模式时，视频流节点进行裁切回收；视频流节点保持模块，用于系统进入水位缓和模式时，视频流节点保持。本专利技术还提供了一种可伸缩的视频CDN分发方法，其包括以下步骤：一、外部播放请求发送给实时水位线评估模块；二、实时水位线评估模块对当前视频流系统水位的变化趋势进行评估，并将实时评估结果发送给视频流节点树分叉和裁切模块；三、视频流节点树分叉和裁切模块根据实时评估结果进行对应的视频流节点分叉、裁切回收和保持。步骤二中，实时水位线评估模块以低水位线AI预测模型、中水位线AI预测模型和高水位线AI预测模型中的基础参数为标准，判断视频流系统水位属于三种模型的一种，并且输出当前视频流系统水位的变化趋势。步骤三中，视频流节点分叉是系统进入水位上升模式时，视频流根节点进行分叉出多级视频流子节点。步骤三中，视频流节点裁切回收是系统进入水位下降模式时，下一级视频流子节点被回收，挂载在该节点下的流被移除，然后被无缝迁移到上一级父节点中，最终收敛到视频流根节点中。本专利技术利用动态水位线评估AI模型和多叉树分支及裁切方法，解决CDN资源利用率低和用户体验问题，当系统被评估为低水位状态，流不在进行节点转发，用户直接连接推流根节点；而当系统评估为高水位状态，为了支持海量并发的观看实时流请求，把原始视频流作为根节点，下级拓展为若干叶子节点，当系统负荷进一步提高，从叶子节点派生出新的下级叶子节点，当系统水位下降时，最底层的叶子节点被动态回收，最终收敛到根节点，从而实现视频流CDN的动态伸缩。附图说明图1为实施例中一种可伸缩的视频CDN分发系统的结构框图；图2为本专利技术实施例中视频流节点分叉的示意图；图3为本专利技术实施例中视频流节点裁切回收的示意图。具体实施方式为进一步了解本专利技术的内容，结合附图和实施例对本专利技术作详细描述。应当理解的是，实施例仅仅是对本专利技术进行解释而并非限定。请参阅图1，图1为本专利技术实施例中一种可伸缩的视频CDN分发系统的结构框图，本实施例提供了一种可伸缩的视频CDN分发系统，其包括：实时水位线评估模块，用于接收外部播放请求，并输出当前视频流系统水位的变化趋势；视频流节点树分叉和裁切模块，与实时水位线评估模块连接，用于接收当前视频流系统水位的变化趋势，并根据水位变化趋势进行节点分叉、节点裁切回收和节点保持。本专利技术专利中，所述“水位”是指在当前系统中，系统负载压力状态的描述，系统的低负载、中负载，高负载，对应为低水位，中水位，高水位。本实施例中，实时水位线评估模块包括低水位线评估子模块、中水位线评估子模块和高水位线评估子模块。本实施例中，低水位线评估子模块连接有低水位线AI预测模型，中水位线评估子模块连接有中水位线AI预测模型，高水位线评估子模块连接有高水位线AI预测模型；低水位线AI预测模型、中水位线AI预测模型和高水位线AI预测模型分别包含了水位线所依赖的基础参数。本实施例中，所述水位线所依赖的基础参数包括cpu利用率、内存使用量、磁盘io、网卡吞吐量、不同流节点之间的动态延迟测算和历史评估数据。本实施例的水位线AI预测模型，根据上述的基础参数的历史数据，结合当前的基础数据，预测输出的未来水位是上升、下降或平稳、或者溢出的概率大小，对于每一种预测的概率结果，还可以设置调节因子，变更水位的权重，具体的AI预测模型，可以采用如神经网络的方法或者其他经典的预测算法等。本实施例中，视频流节点树分叉和裁切模块包括：视频流节点分叉模块，用于系统进入水位上升模式时，视频流节点进行分叉；视频流节点裁切回收模块，用于系统进入水位下降模式时，视频流节点进行裁切回收；视频流节点保持模块，用于系统进入水位缓和模式时，视频流节点保持。本实施例还提供了一种可伸缩的视频CDN分发方法，其包括以下步骤：一、外部播放请求发送给实时水位线评估模块；二、实时水位线评估模块对当前视频流系统水位的变化趋势进行评估，并将实时评估结果发送给视频流节点树分叉和裁切模块；三、视频流节点树分叉和裁切模块根据实时评估结果进行对应的视频流节点分叉、裁切回收和保持。步骤二中，实时水位线评估模块以低水位线AI预测模型、中水位线AI预测模型和高水位线AI预测模型中的基础参数为标准，判断视频流系统水位属于三种模型的一种，并且输出当前视频流系统水位的变化趋势，本实施例中将视频流的流量大小划分为低水位线、中水位线以及高水位线的三个等级，只是作为描述本专利技术的技术方案，在这基础上得到的启发，也可以将其划分为多个不同等级的水位线进行变化或者改进，这样的变化或者改进均不脱离本申请的专利技术构思范围。请参阅图2，图2为本专利技术实施例中视频流节点分叉的示意图，步骤三中，视频流节点分叉是系统进入水位上升模式时，视频流根节点进行分叉出多级视频流子节点，来应对不断上升的压力，从而轻松的实现对海量实本文档来自技高网...

【技术保护点】
1.一种可伸缩的视频CDN分发系统，其特征在于：包括：/n实时水位线评估模块，用于接收外部播放请求，并输出当前视频流系统水位的变化趋势；/n视频流节点树分叉和裁切模块，与实时水位线评估模块连接，用于接收当前视频流系统水位的变化趋势，并根据水位变化趋势进行节点分叉、节点裁切回收和节点保持。/n

【技术特征摘要】
1.一种可伸缩的视频CDN分发系统，其特征在于：包括：
实时水位线评估模块，用于接收外部播放请求，并输出当前视频流系统水位的变化趋势；
视频流节点树分叉和裁切模块，与实时水位线评估模块连接，用于接收当前视频流系统水位的变化趋势，并根据水位变化趋势进行节点分叉、节点裁切回收和节点保持。


2.根据权利要求1所述的可伸缩的视频CDN分发系统，其特征在于：实时水位线评估模块包括低水位线评估子模块、中水位线评估子模块和高水位线评估子模块。


3.根据权利要求2所述的可伸缩的视频CDN分发系统，其特征在于：低水位线评估子模块连接有低水位线AI预测模型，中水位线评估子模块连接有中水位线AI预测模型，高水位线评估子模块连接有高水位线AI预测模型；低水位线AI预测模型、中水位线AI预测模型和高水位线AI预测模型分别包含了水位线所依赖的基础参数。


4.根据权利要求3所述的可伸缩的视频CDN分发系统，其特征在于：所述水位线所依赖的基础参数包括cpu利用率、内存使用量、磁盘io、网卡吞吐量、不同流节点之间的动态延迟测算和历史评估数据。


5.根据权利要求1所述的可伸缩的视频CDN分发系统，其特征在于：视频流节点树分叉和裁切模块包括：
视频流节点分叉模块，用于系统进入水位上升模式时，视频流节点进行分叉；
视...

【专利技术属性】
技术研发人员：夏延吉，李正乾，黄勇，
申请(专利权)人：上海七牛信息技术有限公司，
类型：发明
国别省市：上海;31