| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 视频流转码研究现状 | 第11页 |
| 1.2.2 云计算中资源调度研究现状 | 第11-12页 |
| 1.3 论文研究内容与组织结构 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 视频云直播系统技术基础 | 第14-24页 |
| 2.1 云视频直播系统 | 第14-16页 |
| 2.1.1 云视频直播服务系统组成 | 第14-15页 |
| 2.1.2 视频云直播应用场景 | 第15-16页 |
| 2.2 云视频直播中的关键技术 | 第16-18页 |
| 2.3 云计算系统架构及Docker技术 | 第18-21页 |
| 2.3.1 体系结构与关键技术 | 第18-20页 |
| 2.3.2 Docker原理及优势 | 第20-21页 |
| 2.4 视频云转码与云资源调度 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于云的直播系统结构及转码研究 | 第24-36页 |
| 3.1 云直播中的分发处理技术及系统结构 | 第24-29页 |
| 3.1.1 云直播中的流分发技术 | 第24-26页 |
| 3.1.2 基于云的视频直播系统结构 | 第26-29页 |
| 3.2 视频直播中的转码机制研究按需转码及实时转码 | 第29-31页 |
| 3.2.1 采用的视频流分割方法 | 第29-31页 |
| 3.3 云端转码模块分析 | 第31-34页 |
| 3.3.1 用户需求与转码通道 | 第32页 |
| 3.3.2 转码开销预测算法 | 第32-33页 |
| 3.3.3 传输时延预测算法 | 第33-34页 |
| 3.4 云端转码模块工作流程 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 直播中用户访问量的预测研究 | 第36-48页 |
| 4.1 用户访何量与转码节点的关系 | 第36-37页 |
| 4.2 用户行为模型及访问量研究 | 第37-39页 |
| 4.2.1 用户访问行为模型研究 | 第37-38页 |
| 4.2.2 直播平台用户访问量的数据收集 | 第38-39页 |
| 4.3 用户访问量预测模型的建立分析 | 第39-47页 |
| 4.3.1 传统模型的不足 | 第39-40页 |
| 4.3.2 支持向量机原理及影响参数 | 第40-42页 |
| 4.3.3 基于支持向量回归机的预测分析 | 第42-44页 |
| 4.3.4 基于粒子群优化算法的预测改进 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 云端转码中基于QoS感知的资源调度策略 | 第48-58页 |
| 5.1 云端转码通道的部署 | 第48-50页 |
| 5.2 转码时Docker容器的资源伸缩策略 | 第50-52页 |
| 5.2.1 响应式资源伸缩 | 第51页 |
| 5.2.2 预测式资源伸缩 | 第51-52页 |
| 5.3 基于QoS感知的转码调度策略 | 第52-57页 |
| 5.3.1 动态资源分配策略 | 第52-55页 |
| 5.3.2 资源调度中的排队模型 | 第55页 |
| 5.3.3 转码任务调度策略 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 实验与分析 | 第58-69页 |
| 6.1 实验环境与性能评价 | 第58-60页 |
| 6.1.1 实验目的与环境准备 | 第58-60页 |
| 6.1.2 实验性能指标 | 第60页 |
| 6.2 实验仿真与结果分析 | 第60-67页 |
| 6.3 实验结果分析 | 第67-68页 |
| 6.4 本章小结 | 第68-69页 |
| 第七章 总结与展望 | 第69-71页 |
| 7.1 总结 | 第69页 |
| 7.2 展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录 攻读硕士学位期间撰写的论文 | 第75-76页 |
| 致谢 | 第76页 |