基于负载预测的视频转码服务平台摘要:随着三网融合的进一步推进，高效节能视频转码服务平台为数字媒体服务商所急需。本文介绍一种具有任务负载预测功能的视频转码服务平台系统，该系统采用一种新型的多尺度预测方法对转码任务执行时间的进行准确预测，然后在保障任务正常运行的前提下，以优化能耗为目标来分配和管理转码平台的计算节点。实验证明，该系统可以准确预测视频转码任务的负载，并通过优化调度，达到一个高效节能的目标。关键词:多尺度预测，视频转码，任务调度VideoTranscodeServicePlatformwithWorkloadPrediction【Abstract】Withtherapidexpandingoftheintegrationoftelecommunicationsnetworks,cabletvnetworksandtheinternet,theefficientandenergy-savingvideotranscodeserviceplatformisingreatdemand.Suchaplatformtogetherwithworkloadpredictionisproposedinthispaper.Anewaccuratemulti-scalepredictionmethodisusedtopredicttheexecutiontimeoftranscodetasksinthisplatform.Specialdistributionandmanagementschemeisappliedtoservethepurposeofenergyoptimization.Withseveralexperiments,itisprovedthattheproposedplatformcanbeusedtopredicttheworkloadofthetranscodetasksaccuratelyandsavetheenergyefficientlybytaskschedulingoptimization.【Keywords】（Multi-scalePrediction，VideoTranscode，TaskScheduling1引言将高码率的视频码流转码成低码率的视频码流，以适应三网融合技术推广中不同网络带宽和终端播放设备及软件的需要，这是视频转码的一个最重要的应用[1～4]。为此，哈雷公司在2009年推出的基于工作流程的分布式转码系统CarbonServer，该系统采用一种工作流的方式高速进行视频转码服务。2010年，微软发布了基于集群系统的视频转码引擎（TransformManagerTranscodeEngine），该系统软件具有良好的可扩展性、支持考虑优先级的任务调度和容错机制。目前的视频转码系统没有对视频转码任务负载做预测，来提高转码系统的效能。为此，本文提出一种基于负载预测的视频转码服务平台系统，它采用一种新型的多尺度预测方法对转码任务执行时间的进行预测，生成准确的任务负载，在此基础上进行转码任务调度优化。在保障任务正常运行的前提下，该系统能以优化能耗为目标来分配和管理数据中心节点，能够最大化节点资源的使用效率。2视频转码服务平台系统结构视频转码服务平台系统由一个平台管理节点和多个共享存储的计算节点构成。平台管理节点上运行视频转码服务平台系统软件，负责整个平台系统的管理；计算节点上运行视频转码处理程序，负责执行转码任务。图1视频转码服务平台软件系统结构图如图1，视频转码服务平台系统软件由以下七个模块构成：1）视频数据管理模块，主要负责视频数据的导入、导出、备份和删除等操作；2）任务制定模块，主要依据用户的要求（视频数据，处理时间、转码格式等参数）生成视频转码批处理任务；3）日志模块，主要记录转码任务的执行时间和节点的状况信息；4）负载预测模块，主要负责转码任务负载预测模型生成，在下一节，我们将详细讨论多尺度负载预测算法的实现细节；5）任务调度优化，主要负责依据预测模型预测视频转码任务的负载，并依据节点状况制定任务调度方案。6）节点监控模块，实时监控系统节点的运行；7）任务调度执行模块，主要负责根据节点实时状况执行任务调度，包括节点的唤醒与休眠，故障节点的关闭与转码任务的迁移。3多尺度任务负载预测模块算法每次执行完一个视频转码任务，就可以得到一个历史日志数据向量，其分量为影响视频转码执行时间主要参数：输入视频编码格式、输出视频编码格式、输入视频的分辨率输出视频的分辨率、视频长度、音频格式，帧率、执行时间等。依据输入输出视频格式的不同，可以对历史日志数据做一个分类。每一种类型的任务可以进行任务执行时间的预测。为了提高任务预测的准确度，我们提出一种多尺度的任务负载预测算法。该算法逐尺度对任务执行的历史序列数据进行时间序列回归分析。每一分析尺度下，采用多种时间序列回归分析方法进行分析，并选择误差最小的回归模型作为当前...