Aplicação de modelos ocultos de Markov na distribuição de vídeo sob demanda

Abstract

Resumo: O uso de aplicações de vídeo sob demanda já domina o trafego atual da Internet e continua com uma forte perspectiva de crescimento nos próximos anos. Existem algoritmos desenvolvidos com o objetivo de reduzir o consumo de banda e reduzir a carga de processamento do servidor durante a distribuição de vídeo. Estes algoritmos baseiam-se m majoritariamente na popularidade dos vídeos existentes na biblioteca do servidor. Algoritmos mais recentes exploram a capacidade de armazenamento do dispositivo do usuário para alocar segmentos iniciais dos vídeos, o que permite ao servidor a distribuição mais eficiente explorando melhor a capacidade de transmissão multicast da rede além de proporcionar ao usuário início imediato do vídeo requisitado. Nesta dissertação propõe-se um método de distribuição de vídeo capaz de prever a categoria do conteúdo que será acessado pelo usuário através de um Modelo Oculto de Markov (HMM, Hidden Markov Model), de modo a aumentar a eficiência na distribuição do vídeo. O desempenho do método foi avaliado através de um simulador baseado em eventos discretos desenvolvido em linguagem C. As analises comparam o impacto de diferentes taxas de requisições recebidas pelo servidor de vídeo, diferentes padrões de popularidade dos vídeos e para diferentes capacidades de armazenamento do dispositivo do usuário. Os resultados indicam que o uso do método pode diminuir significativamente o consumo de banda na rede IP durante a transmissão de vídeo quando comparado com métodos existentes. Com a aplicação do método proposto e possível atender um maior numero de requisições com o mesmo hardware, o que pode ser visto também como uma redução de custo de implementação para servidores VoD.

Abstract: The use of video-on-demand applications have already overcome current Internet traffic and continues with a strong growth prospect in the coming years. There are algorithms designed to reduce bandwidth consumption and reduce the server processing load during video distribution. These algorithms are mostly based on the popularity of existing videos in the server library. More recent algorithms explore the storage capacity of the user's device to allocate initial segments of the videos, which allows the server to more efficiently distribute by exploiting the network's multicast transmission capability, in addition to providing the user with immediate video start-up requested. In this study we propose a video distribution method capable of predicting the category of content that will be accessed by the user through a Hidden Markov Model (h M m ) in order to increase efficiency in video distribution. The performance of the method was evaluated through a discrete event-based simulator developed in C language. The analyzes compare the impact of different rates of requests received by the video server, different patterns of video popularity and different storage capacities of the user's device. The results indicate that the use of the method can significantly reduce bandwidth consumption in the IP network during video transmission when compared to existing methods. With the application of the proposed method it is possible to meet a larger number of requests with the same hardware, which can also be seen as a reduction of implementation cost for VoD servers.