第一情报 ---信息产业

新兴的CPE Cache系统(四):视频内容的选择方式

CPE Cache对下行客户端设备很可能即将播放的视频内容预先进行高速缓存。对此,可单独采取“参与式内容缓存”、“主动式内容缓存”,或者综合采取这两种模式。“视频内容选择”的目的在于以最小量的用户主动干预,把CPE Cache的缓存效率最大化。优秀的内容选择算法应该能够自动地、高精准度地预测用户在第二天的网络数据流量峰值时间段可能会观看哪些视频内容,这样,系统就可以在晚间的网络空闲时间段预先把相关的视频内容下载到本地的CPE Cache。下文将对“自动预测”的可行途径与方式进行详细讨论。
 
可以从两大方面来对“存储效率”进行定义:视频内容精准度、视频格式精确度。
 
“视频内容精准度”指的是上述相关预测的精确程度,即所预测的用户在某个时间段可能会感兴趣的视频内容与该时间段内,用户实际观看的视频内容之间的吻合度。例如,如果前端系统智能地预测到某个用户将从某家在线视频服务提供商处观看某一部电影,并将其预先推送到CPE Cache,如果用户果然观看了,从“视频内容精准度”而言,相关预测就是成功的。
 
“视频格式精确度”则指的是前端系统对于视频内容消费方式的预测的精准程度。一般而言,同一条视频内容可以面向不同终端及网络条件等,被进行多次不同速率的编码。例如,如果系统事先把某部影片的所有格式版本均缓存到用户本地的CPE Cache之中,那么,即使“视频内容精准度”将会很高,但是CPE Cache的缓存效率可能将会很低。用户的视听终端设备可能最高仅能播放标准清晰度的视频内容,如果预先把该视频内容的高清晰度版本下载到CPE Cache,就会浪费掉大量的存储空间——而这些存储空间本可用于通过预先缓存其他大量内容来提高“视频内容精准度”。在此基础上,下文将进一步讨论视频内容及其他内容的预测方式。
 
1、对用户行为的历史痕迹进行分析
 
对用户有可能将要消费的内容进行预测,方式之一就是对其历史使用行为进行分析。协议感知型的CPE Cache可对来自客户端设备的内容请求进行分析,然后实时响应,并向CPE Cache控制器发送相关的元数据。其后,CPE Cache控制器就开始对来自各个CPE Cache的所有数据进行汇总分析,以为每个用户建立视频内容及格式预测模型。
 
例如,某条热门视频内容的流媒体分发格式为:采取MP4进行封装,基于HTTP协议进行传输。对于电视剧“煲剧族”而言,这项流媒体服务非常受欢迎。技术实现上,其采取URL(超链接)格式,并在URL中嵌入每条视频内容所唯一具有的哈希值,还面向各种类型的终端设备与不同的网络条件,把同一条视频内容编码成多路具有不同速率及MP4封装的码流。在用户端视听设备每次播放视频内容的过程之中,协议感知型CPE Cache把客户端设备的相关信息(比如CPU处理能力)、视频节目标识符以及所需的传输码率上报给CPE Cache控制器。其后,CPE Cache控制器对相关数据以及每条视频节目进行分析,从中预测即将会被用户观看得最多的视频内容。
 
通过此种方式,CPE Cache系统就可以在无需知道具体内容的情况下,列出内容排行榜(基于可能的受欢迎程度)。此外,CPE Cache控制器还可对终端及传输率数据进行分析,以预测最适合的传输码率。
 
综上,CPE Cache系统就可以完成视频内容及格式预测。
 
2、内容感知模式
 
如果CPE Cache系统具有内容感知功能,就可以对用户曾经观看的视频内容与其他可用视频内容进行比对,并以此为基础,进行视频内容及格式预测。例如,可以采取这种方式来对上文所述第(1)中解决方案进行改进:与第三方内容服务提供商合作,并使用其相关API(应用编程接口)来获取每部电视剧、剧集排行、每集电视剧标识符的相关信息。然后,CPE Cache控制器就可以无需通过分析用户行为的所有历史痕迹来预测用户接下来可能将会观看的视频节目。
 
3、用户驻地感知模式
 
如果CPE Cache系统具有用户驻地感知功能,就可以搜集与视频内容消费预测相关的用户驻地网络数据。例如,协议感知型CPE Cache可对相关请求之中的用户代理进行分析,并对终端类型作出判断(比如是安卓终端还是iOS终端)。可对用户终端OS(操作系统)进行更新的CPE Cache可根据此信息,预先把OS的更新内容下载到其中,待用户发起消费请求时,即刻更新。
 
4、“趋势型内容”模式
 
CPE Cache系统可使用大量用户的内容消费趋势信息来预测需要预先下载的内容。例如,如果CPE Cache网络被部署于跨域多个时区的地理区域,而且在主要时区地理区域的网络数据流量峰值时间段,具有高百分占比的用户正在观看某条新的“病毒式”传播(意即“很热门”)视频,其余时区地理区域的系统就预测该视频内容在该区域很可能会“火”,并将其提前缓存到用户驻地侧的CPE Cache。又比如,如果某条新发布的视频内容肯定会受到位于某些地理区域的用户的欢迎,CPE Cache控制器就会提前将其推送到特定用户群的CPE Cache之中。
 
5、深度学习模式
 
上文对视频内容及其他内容的预测方式进行了探讨。如果结合CPE Caches可视的历史数据的相关属性,深度学习算法就可被用于进行同样的预测。
 
 
参考文献:
 
[1] Scot Loach. CPE CACHING – USING NETWORK INEFFICIENCY TO DELIVER BETTER INTERNET STREAMING[C]. 2015 Spring Technical Forum Proceedings. NY:NCTA, 2015-05-05.
 
本文作者为上海情报服务平台兼职情报分析员
 

注册成为正式用户,登陆后,获得更多阅读功能与服务!
转载本文需经本平台书面授权,并注明出处:上海情报服务平台www.istis.sh.cn
了解更多信息,请联系我们

§ 请为这篇文章打分(5分为最好)