Planejamento de Serviço de Vídeo Streaming e Análise de Performabilidade em um Ambiente de Nuvem Privada Jamilson Ramalho Dantas jrd@cin.ufpe.br Orientador: Paulo Romero Martins Maciel
Agenda Motivação Objetivos Modelo SPN inicial Estudo de Caso Considerações Finais
Motivação Um fato (Considerando a América do Norte) Tráfico 2013 Upstream Downstream Classificação Aplicação % 1 BitTorrent 34.81 Netflix 32.25 2 HTTP 7.53 YouTube 17.11 3 SSL 5.81 11.11 4 5.38 5.57 5 Skype 4.88 MPEG 2.58
Motivação Streaming de áudio e vídeo. Tráfego na Rede Transcodificar Impacto no desempenho e confiabilidade do serviço Cloud computing Tipos de VMs; Processo de instanciação; E políticas de auto-scaling Definir os níveis de serviço que uma aplicação de video streaming proverá, e formas de melhorá-los, é uma tarefa crítica e não-trivial, devido a vários fatores que podem impactar o desempenho e a confiabilidade do serviço.
Objetivos Investigar e Desenvolver formas para quantificar o impacto no desempenho de servidores de video streaming em uma infraestrutura de cloud computing. Definir os níveis de serviço que uma aplicação de video streaming proverá, e formas de melhorá-los, é uma tarefa crítica e não-trivial, devido a vários fatores que podem impactar o desempenho e a confiabilidade do serviço. Dentre os fatores relacionados ao desempenho estão: algoritmos de compressão do vídeo, largura de banda da rede, jitter (variação da latência) e capacidade de atender requisições de múltiplos clientes. Quando a infraestrutura computacional é baseada na virtualização de servidores, outros fatores somam-se aos anteriores, tais como: tipos de máquinas virtuais utilizadas, processo de instanciação de novas máquinas virtuais e políticas de auto-scaling, que servirão para expandir ou reduzir a quantidade de servidores virtuais em execução de acordo com a demanda.
Principais diferenciais: Objetivos Principais diferenciais: Conjunto de modelos que visam quantificar o impacto de desempenho em serviços de streaming de vídeo. Identificar o impacto em diferentes cenários em um ambiente de nuvem. Mensurar a influência da transcodificação de vídeos na disponibilidade e desempenho em cloud.
Streaming Server
Métricas Estudo de Caso Pacotes perdidos Avg. Pacotes recebidos pelo cliente Avg. Pacotes por segundo Confiabilidade do serviço
Modelo
Immediate Transitions Modelo Parâmetros de entrada Realizando um total de 5 medições com 2 formatos de vídeos distintos (MP4 e MPG). Immediate Transitions Label Weight (%) Priority Guard Function pkt_err MP4 – 0.0359 MPG - 0.0207 1 --- sent_pkt MP4 – 0.9641 MPG - 0.9793 loss #CAPACITY=0
Deterministic Transitions Modelo Parâmetros de entrada Realizando um total de 5 medições com 2 formatos de vídeos distintos (MP4 e MPG). Deterministic Transitions Label Delay (ms) pkt_to_fly MP4 – 9.8719 MPG – 8.1573 net_lat 26
Resultados
Resultados
Estudos em andamento Sofisticação do modelo SPN, implementando quantidade de usuários requisitando o mesmo vídeo. Dependabilidade Impactos (na cloud) Sugestão de melhorias
Estudos em andamento
Estudos em andamento Como utilizar, da melhor forma, a computação em nuvem no processo de transcodificação de vídeos. Auto Scaling
Obrigado