Bibliographic Metadata

Title
Designing and scaling proactive, self-organizing video servers / Peter Karpati
Additional Titles
Designing and scaling proactive, self-organizing video servers
AuthorKarpati, Peter
CensorBöszörmenyi, Laszlo ; Kosch, Harald
Published2007
DescriptionXVI, 240 S. : graph. Darst.
Institutional NoteKlagenfurt, Alpen-Adria-Univ., Diss., 2007
Annotation
Zsfassung in dt. Sprache
Annotation
Abweichender Titel laut Übersetzung der Verfasserin/des Verfassers
LanguageEnglish
Bibl. ReferenceKB2007 26 ; OeBB
Document typeDissertation (PhD)
Keywords (DE)Videoserver / pro-aktiv / selbst-organisierend / Klientensverhaltensvorhersage / mathemathisches Modell / Simulation / Leistungsstudie
Keywords (EN)video server / proactive / self-organizing / client behaviour prediction / mathematical model / simulation / performance study
Keywords (GND)Video on demand / Server / Selbstorganisation / Skalierbarkeit / Mathematisches Modell / Simulation
URNurn:nbn:at:at-ubk:1-24358 Persistent Identifier (URN)
Restriction-Information
 The work is publicly available
Files
Designing and scaling proactive, self-organizing video servers [4.14 mb]
Links
Reference
Classification
Abstract (German)

Nowadays video-on-demand servers have to fulfil high expectations to attract and keep clients. Typically, they work in Internet settings serving large numbers of requests. New concepts and architectures are being developed to provide better services than the competitors and to take full advantage of the available resources. One area in these new developments is investigating the inherent possibility of offensive adaptation, the aim being to increase the extent of available resources if they are currently insufficient to fulfil a task.

(The defensive technique, in contrast, tries to "reduce" the task to fit to the given circumstances.) Offensive adaptation techniques usually need to be proactive and to have flexible, self-organizing architecture.

This thesis provides deeper insight into the topics connected with offensive adaptation and proactive, self-organizing video servers. It identifies unconsidered issues connected to these topics and offers solutions for them. Above all the work allows the sophisticated development of such servers, scaling prior to installation and performance evaluation. Finally, it presents studies analysing the usefulness of the above-mentioned concepts.

As mentioned, servers applying offensive adaptation need to be proactive, which in turn means that they need to predict the circumstances of the near future. Forecasting the resources for self-organizing video servers has already been discussed in some other works. Here, the emphasis is on predicting the clients' behaviour and therefore a large number of predictor functions were investigated. This investigation includes the examination of similarity measures in order to compare the results provided by the predictors and the analyses of the predictors in artificial and real test scenarios.

A mathematical frame model was constructed to help scale video servers prior to installation and exploit the abilities of self-organizing ones.

The model's static part enables us to estimate the characteristics and the performance of a video server in a given infrastructure. Its second half, the dynamic part, allows us to calculate the utilization and balance of the system alongside different performance measures. Based on these functions, a control scheme aiming at a permanently advantageous state in a self-organizing server was introduced.

A simulation environment was then developed which can assist in the design of self-organizing video servers and their algorithms. It enables the mapping of video servers and their foreseen infrastructure onto the simulation model, thus facilitating their examination with different algorithms and settings under different circumstances and load. The simulation environment was put into practice with the Adaptive Distributed Multimedia Server (ADMS) architecture. This simulation provoked many new considerations regarding offensive adaptation and self-organization. Furthermore, the results of two small performance studies and one large-scale study are presented, the large study representing a possible method for performance analysis as well. Its conclusion is that the self-organizing behaviour can bring significant improvement in an environment with restricted resources. If the resources are too restricted or not restricted enough, the static behaviour shows a small advantage over self-organizing behaviour.

Abstract (English)

Heutzutage mÃssen Video-on-Demand Server eine Vielzahl von Anforderungen erfÃllen, um Klienten anzulocken und auch zu behalten. Sie arbeiten typischerweise im Internet, und mÃssen eine groÃe Zahl von Anfragen bedienen. Neue Konzepte und Architekturen werden entwickelt, um eine bessere Dienstleistung als die Konkurrenz anbieten zu kÃnnen und die verfÃgbaren Ressourcen voll ausnutzen zu kÃnnen. Ein Teilforschungsgebiet von diesen neuen Entwicklungen untersucht die inhÃ$renten MÃglichkeiten der offensiven Adaptierung, die zum Ziel haben den Umfang der verfÃgbaren Ressourcen zu erhÃhen, wenn sie derzeit nicht genÃgen eine Aufgabe zu erfÃllen. (Im Gegensatz dazu steht das defensive Szenario, wo die Aufgabe auf eine GrÃÃe "reduziert" wird, die zu den verfÃgbaren Ressourcen passt). Offensive Adaptierungstechniken mÃssen Ãblicherweise proaktiv sein und Ãber eine flexible, selbst-organisierende Architektur verfÃgen.

Diese Dissertation beschÃ$ftigt sich mit den Themen offensive Adaptierung und selbst-organisierende Videoserver. Sie identifiziert bislang unberÃcksichtigte Probleme in Verbindung mit diesen Themen und stellt LÃsungen zur VerfÃgung. Vor allem erlaubt die Arbeit aber eine fortgeschrittene Entwicklung, Skalierung vor der Inbetriebnahme und Leistungsbeurteilung von solchen Servern. ZusÃ$tzlich stellt sie Studien dar, die die NÃtzlichkeit der oben genannten Konzepte untersuchen.

Wie erwÃ$hnt mÃssen die Server, die offensive Adaptierung einsetzen, proaktiv sein, was wiederum bedeutet, dass sie die UmstÃ$nde der nahen Zukunft voraussagen mÃssen. Die Ressourcenprognose fÃr selbst-organisierende Videoserver wurde in einigen anderen Arbeiten schon behandelt. In dieser Arbeit wurde der Akzent auf die Vorhersage des Klientenverhaltens gesetzt. Dazu wurde eine groÃe Anzahl von PrÃ$diktorfunktionen untersucht. Die Untersuchung beinhaltet die ÉberprÃfung von Ãhnli vergleichen zu kÃnnen, und die Analyse der PrÃ$diktoren in virtuellen und echten Szenarien zu ermÃglichen.

Um die Skalierung von Videoservern vor der Installation zu unterstÃtzen und die FÃ$higkeiten der Selbst-Organisation auszunutzen, wurde ein mathematisches Rahmenmodell erstellt. Der statische Teil des Modells ermÃglicht, die Charakteristiken und Leistung eines Videoservers in einer gegebenen Infrastruktur einzuschÃ$tzen. Die zweite HÃ$lfte - der dynamische Teil - erlaubt es neben der Auslastung und Balance des Systems verschiedene andere LeistungsmaÃe zu berechnen. Basierend auf diesen Funktionen wurde ein Kontrollschema eingefÃhrt, das einen stabilen optimalen Zustand fÃr selbst-organisierende Server anstrebt.

ZusÃ$tzlich wurde eine Simulationsumgebung entwickelt, die den Entwurf von selbst-organisierenden Videoservern und entsprechenden Algorithmen unterstÃtzt. Sie ermÃglicht die Abbildung der Videoserver und ihrer geplanten Infrastruktur in das Simulationsmodell und erleichtert ihre ÉberprÃfung auf Basis verschiedener Algorithmen und Einstellungen unter verschiedenen UmstÃ$nden und unterschiedlicher Belastung. Die Simulationsumgebung wurde mit der Adaptive Distributed Multimedia Server (ADMS) Architektur umgesetzt. Die Simulation ermÃglichte es Fragestellungen bezÃglich offensiver Adaptierung und Selbstorganisation zu finden und zu beantworten, die bislang vernachlÃ$ssigt wurden.

AuÃerdem wurden in Rahmen der Dissertation die Ergebnisse zweier kleiner und einer umfassenden Studie prÃ$sentiert, die zusÃ$tzlich Modellcharakter fÃr Systemevaluierungen haben. Das Ergebnis der Studien ist, dass das selbst-organisierende Verhalten in einer Umgebung mit begrenzten Ressourcen zu wesentlichen Verbesserungen (hinsichtlich der benÃtzten LeistungsmaÃe) fÃhren kann. Sind die Ressourcen zu stark begrenzt oder wird keine Begrenzung definiert, dann bietet hingegen das statische Verhalt selbst-organisierenden Verhalten.

Stats
The PDF-Document has been downloaded 12 times.