一种新的编码缓存方案 用于改善在线视频传输

伦敦帝国理工学院的研究人员开发了一种新的编码缓存方法，可以改善在线流行视频内容的传输。一篇概述其研究结果的研究论文已在arXiv上发布，概述了该技术及其与其他缓存方案相比的表现。

越来越多的人在线播放视频内容，一些视频变得特别受欢迎，主导着无线数据流量。这导致了主动缓存系统的发展，该系统在非高峰流量时段预取视频内容并将其存储在网络边缘或直接存储在用户设备中。这些系统可以减轻流量负载并减少特别流行的视频内容的延迟。

主动缓存有两个阶段：放置阶段，系统在非高峰流量时段和交付阶段填充用户缓存，一旦用户的需求被显示(在高峰值流量时)就会发生。传统的未编码高速缓存方案使用正交单播传输，其需要信息的发送者与其目的地之间的一对一关联，其中每个目的地标识单个接收器。

一种称为编码缓存的新范例利用网络中的缓存资源，通过创建多播传输机会来优化布局和交付阶段，这需要在单次传输中将数据报同时路由到多个收件人。在他们的研究中，研究人员提出了一种新策略，解决了现有编码缓存系统的两个局限性。

到目前为止，大多数开发编码缓存方法的研究主要集中在静态场景，其中固定数量的用户同时从内容库发出请求。这些缓存方案的性能是通过满足所有用户需求的延迟来衡量的。然而，实际上，不同地方的人实际上开始在不同的时间点在线观看视频，有时在结束前打断它。这种特定的用户行为由受众保留率表示，这是由YouTube和Netfix等主流视频平台引入的一种衡量标准，它定义了用户平均观看的特定视频部分。

受众保留率可以帮助流媒体服务更好地理解和模拟用户之间不同部分视频内容的流行度。在他们的研究中，研究人员发现，部分缓存(其中只有视频的大部分被观看部分被缓存)可以帮助实现更有效的缓存。

“我们调查视频文件的编码缓存，同时考虑到每个视频的观众保留率，”研究人员在他们的论文中解释道。“我们认为每个视频文件都包含相等长度的块，每个块的观众保留率是在相应视频的总视图中观看此块的用户的一小部分。”

异步和同步需求到达情景之间的比较，α= 1和β= 0.1。图片来源：Yang，Amiri和Gündüz

与先前关于编码缓存的文献相反，其中假设用户同时显示他们的需求，研究人员提出了一种动态需求到达模型，称为部分编码缓存(PCC)。该模型更加真实，因为它认为用户在不同时间点开始和停止观看视频。此外，研究人员提出了两种不同的缓存分配方案，它们将用户的缓存分配给库中不同的视频文件块; 称为最佳高速缓存分配(OCA)和基于流行度的高速缓存分配(PCA)。

研究人员在他们的论文中写道：“结果显示，在平均交付率或其他已知交付方法扩展到异步场景方面，所提议的方案相对于未编码缓存有显着改善。”

在未来，这种新的部分编码缓存方案可以帮助解决低延迟问题，并在高数据流量时改善在线流行视频的视频传输。这对于流行的流媒体平台非常有用，例如YouTube，Netflix和Amazon Prime Video。