1、熊永华 张因生 陈鑫 吴敏u传统视频监控系统的缺陷 l远程传输困难l铺设和运营维护成本高l数据安全性和可靠性差l难以对分散的监控视频进行数据挖掘和决策分析 u云视频监控系统 随着云计算的发展，形成了一种视频监控即服务（video surveillance as a service）的全新的云计算服务模式，即云视频监控系统l优点l降低了监控系统的成本l更强的可扩充性和共享功能l视频数据更加安全可靠 u云视频监控系统（数据中心）的高能耗问题l 规模和数量的不断增加l众多监控节点的持续运行l海量视频数据在数据中心的管理和存储l日益增多的客户浏览端的管理u 云监控系统一般分为3个部分：l监控终端：数以
2、万计的监控终端摄像头以及相关的线路和控制设备。l监控中心：云监控系统的核心部分，包括接入控制服务器、虚拟机、数据中心等，实现对监控和浏览节点的接入管理，通过庞大的虚拟机群来调度、 运行来自监控端和客户端的两类任务。l客户端：指支持各种主流浏览器的视频访问端口，通常具备用户识别、登录以及视频浏览、管理等功能。u能耗优化机理分析l系统的能耗研究分层次，将云视频监控系统的能耗优化研究分为监控节点、物理节点和存储节点等 3 个层次。 u监控节点的能耗优化方法监控节点的能耗是云监控系统众多的监控终端摄像头在集成视频的采集、编码和传输过程中所产生的能耗。依据监控节点有源或无源(电池供电)，当前在其能耗优化
3、方面的研究大致分为两大类：基于有源监控节点和基于无源监控节点。l基于有源有源的监控节点一般是由市电转化为适当电压的直流电直接进行供电。目前国内外的相关研究主要集中在如何提高视频服务质量,侧重于以网络带宽、计算能力等为约束,从视频编码和网络传输的角度,或者研究多监视端协同工作中的视频重构、分割等问题。l代表方法l网络自适应实时视频的传输方法，充分利用可用带宽以最大化视频质量；l运动自适应视频编码与无线传输的方法；l基于背景识别的视频压缩方法,通过对单个视频帧的自适应平滑，提取单个视频帧的图像特点,保留相关度高的图像信息；l基于位置的多视点视频重构合成的方法 ；l基于无源无源的视频监控节点一般是由
4、电池供电。对于无源监控节点的能耗优化研究主要集中在多媒体传感网络中，从视频传感节点的分布、多目标追踪、编码和传输等方面考虑如何降低能耗、延长传感网络的生存时间等问题。 l延长视频数据的网络生存时间 即在能量总量不变或者能耗有所减低的前提下，使视频文件在网络上的生存时间最大化。l代表算法有：l基于网格编码的无线视频传感器网络网络容错恢复机制；l负载相似节点分布策略；l多 sink 无线传感器网络路由算法；l比例权值路由算法（ratio-W）与和权值路由算法（sum-W）；l基于 Inter-Flow 网络编码的多 Sink 环境下编码感知的交叉路径任播路由协议CodeMesh；l基于链路稳定性预
5、测的组播路由协议等。l多目标追踪问题中的能耗优化方法由于在进行多目标追踪时，每帧图像都要进行前景对象检测、分析和对多目标的识别和跟踪等，导致监控节点能耗较高。针对这一问题的代表算法有：l基于运动速度自适应的能耗优化方法；l应用于多重背景下视频分割对象的阈值决策算法；l建立基于动态联盟机制的协同任务分配的分布式约束满足模型，并采用分布式随机算法求解满足约束条件的动态联盟集合，以实现多动态联盟间协同的方法；l选择合适的加密方式指在研究视频传感网络的视频流加密过程的基础上，选择一种合适的加密方式,通过减少加密所造成的额外开销来降低视频传输过程中的能耗的方法。代表方法有：l基于信道意识的选择性加密方法
6、；l混沌视频加密算法；l基于数据分割模式的视频流选择加密策略；l分层加密的方法；l调整处理器电压动态调整处理器的工作电压（和频率等），使其刚好满足当时的运行需求,从而在性能和能耗之间取得平衡。代表方法有：l节点适时休眠的降低电压的方法；l动态电压分配法调整处理器电压；l在动态电压调节（DVS）的基础上考虑增加节点缓冲器长度或降低节点溢出概率，进一步节省能耗等；u物理节点的能耗优化方法云计算中虚拟机的主要载体可定义为物理节点（计算节点），主要运行视频监控和浏览两类虚拟机，其主要能耗来源有：l服务器的磁盘、CPU、交换机、排风扇等设备的低效率运转；l不恰当的虚拟机部署策略；l不合理的任务接入和调度
7、导致的虚拟机超载；l为适应负载的动态变化而采取的虚拟机实时迁移等；根据现有的计算节点的两种能耗模型比例模型和两段模型，可以将物理节点的能耗优化方法分为基于比例模型的方法和基于两段模型的方法两大类。l基于比例模型比例模型假设节点能耗和设备（CPU 、磁盘、交换机等）的利用率成正比，忽略设备空闲时的能耗。l调整频率和电压 根据负载的变化情况动态调整CPU频率和电压。代表方法有：l对服务器进行功耗监控基础之上的基于最佳利用率的功率控制策略；l基于服务器静态特征参数的处理器能效最优初始执行频率的计算方法；l调整磁盘转速磁盘动态转速（dynamic rotations per minute,简称 DPR
8、M）调整策略可以使得磁盘可以在不同的访问频率下以不同的转速运转，从而在满足性能要求的同时尽可能地降低磁盘的能耗。动态调整磁盘转速的方法：研究固态盘的管理方式，使磁盘能够在不同的负载下按照不同的转速运行的方法，实现能耗和设备性能成一定的比例，进而降低电能消耗。l基于两段模型两段模型是指计算机的能耗由固定能耗和可变能耗两部分组成。固定能耗包括风扇、机械驱动、二极管等一些只要开机就会运行的设备产生的能耗；可变能耗指随着 CPU、 磁盘、 虚拟机负载等运行任务的变化而变化的能耗，两段模型认为：计算机空闲的能耗不可忽略，没有负载的节点应该挂起或者关闭以实现节能。l虚拟机优化部署指在虚拟机接入主机服务器之
9、前，通过对后续任务的预测等手段选择一定的部署策略，将虚拟机部署于合适的宿主机上，减少后续虚拟机的迁移，从而降低能耗。代表方法有：l冗余配置虚拟机的方法；l基于网络的虚拟机部署策略；l基于多属性层次分析的虚拟机部署方法；l虚拟机动态迁移一种典型的基于两段模型的方法，将处在不同物理节点上的虚拟机进行聚集，从而直关停或休眠已迁空的物理节点，实现节能。l代表算法有：lMurtazaev等人提出的服务器整合算法；l基于内存混合复制方式的虚拟机在线迁移机制；l双限定值的虚拟机动态迁移的调度策略；l基于服务器负荷和性能综合考量的虚拟机迁移算法；l将物理节点负载与虚拟机迁移损耗评估、多次触发控制、目标节点定位
10、三者有机结合的虚拟机动态迁移技术；l虚拟机快速全系统在线迁移方法等；l任务接入和调度指通过对待接入的任务进行调度或将虚拟机中的任务迁移到其他虚拟机中，实现资源的整合，减少虚拟机的数量，从而间接地达到减少物理节点数目、降低能耗的目的。代表方法有：l多虚拟机协同计算任务的分发部署及运行框架策略；l基于弹性云的负载均衡方法；l优先调度 I/O 任务的方法；l基于任务优先级的在线调度算法；u存储节点的能耗优化方法云视频存储节点主要是指构成云计算环境下分布存储的底层数据中心，是对监控视频数据进行存储和管理的节点。数据中心是云视频监控中心的核心和主要组成部分，其能耗在整个系统能耗中占了相当大的比重。 La
11、wrence Berkeley 国家实验室的研究指出：数据中心的电能消耗超过传统办公楼的 40 倍，但其中大部分服务器等 IT 设备的平均利用率却只有20%30%，而空闲状态硬件设备的能耗通常占满负荷运行时能耗的 50%以上 。根据能耗优化的出发点和优化层次的不同，研究方法主要分为两大类：基于硬件的能耗优化方法和基于软件的能耗优化方法。l基于硬件指在保证存储性能和容量的情况下，通过使用低能耗存储设备或低能耗服务器构架等，从硬件的角度实现存储节点的能耗降低。l使用高性能存储设备在数据中心使用低能耗闪存，在保证性能的情况下，能够有效降低存储节点的能耗 。代表方法：l基于页组地址映射的闪存转换层方案
12、，能够有效地减少数据读、写和擦除操作所消耗的能量；l使用变速率磁盘减少传统磁盘维持高速运转时的电能，在不同速率下减轻周期性扰动；l使用低能耗服务构架通过使用低能耗设备和相应的存储模式，也能够在整体上降低存储系统的能耗，代表方法：lLim 等人使用低能耗机器构成大规模数据中心，通过内存共享和基于闪存的磁盘高速缓存，提出一种专为数据中心计算环境而设计的服务器机架结构，在相同的服务能力下，降低了存储能耗；l北京理工大学的刘靖宇等人提出一种由SSD固态盘与普通磁盘组成的混合S-RAID结构等；l基于软件指通过一定的软件策略对数据进行合理的存储和管理，使部分不提供数据访问和存储的节点进入低能耗模式或者被
13、关闭，进而减少存储节点的电能消耗的方法。l静态数据放置根据某一放置策略将数据在各个存储节点上进行分布存储，且一般不改变分布位置，在提供一定容错性的前提下，利用系统中的冗余磁盘，使得部分时间内某些节点不提供数据访问和存储服务，从而关闭或者挂起这些节点以实现节能 。l主要方法有：l斯坦福大学的Leverich等人提出的通过改善副本放置策略的方法；l华南理工大学的林伟伟提出一种改进Hadoop 数据放置策略；l把原始和冗余数据分开存放，将对数据的访问集中到原始数据所在的存储节点上，通过关闭冗余节点来实现节能；l动态数据迁移根据数据访问模式或频度动态调整数据存放的位置，把访问频度高的数据迁移到缓存或者
14、部分节点上，使得其余节点在一定时间内无访问请求，并使其进入低能耗状态来实现节能。l主要方法有：l通过数据迁移将节点按照负载分布进行排序的方法；l针对视频点播系统的基于固定节点的数据迁移方法；l基于数据分级存储的数据迁移方法；热点数据实时迁移算法等；u现有能耗优化的不足：l在监控节点层面，现有的相关研究存在侧重于提高视频质量或应用特殊场合，对节点性能要求较高，导致通用性和普适性不足等问题；l在物理节点层面，现有的基于比例模型的相关方法节能效果较为有限，而基于两段模型的方法在应用于云视频监控系统时也存在局限性，如缺乏合适的虚拟机控制接入策略、无法保证任务的实时性和连续性等；l在存储节点层面，基于硬
15、件节能的方法成本太高，而基于软件节能的方法也存在数据迁移代价较大、没有合理的静态数据分类方法等问题，难以直接应用在云视频监控系统中。u未来研究展望由于云视频监控系统是一种全新的服务模式，当前的研究正处于起步阶段，还存在许多尚未解决的问题，尤其是在云视频监控系统的能耗优化方面，还没有一种普适的、有效的方法。l保证视频质量的监控节点一般化节能方法需要针对云监控节点的处理能力、编码方式、网络接入方式异构以及大规模分布等特点，研究一种适用于典型云视频监控系统的一般化节能方法，具体研究可以从基于数据驱动的视频质量与综合能耗模型、 兼顾视频质量和综合能耗的多目标优化方法、监控节点低能耗部署策略等 3 个方
16、面展开；l基于虚拟机接入能力智能评价的物理节点节能方法可以从更为合理的任务接入调度的思想出发，针对云视频监控过程的特点，研究一种基于虚拟机接入能力智能评价的节能方法，具体研究可以从基于专家知识的虚拟机接入能力智能评价模型、 基于虚拟机超载系数的评价模型动态更新方法、面向负载均衡的虚拟机任务接入调度策略这3个方面展开；l 融合静态分类与动态迁移的存储节点节能方法从基于软件的静态数据分类和动态迁移方向着手，设计一种融合静态分类与动态迁移的方法。可以根据用户对视频数据的访问频度将视频数据进行静态分类、分级存储；在此基础上，分析每一类数据的用户访问特征，研究一种适用于云视频监控系统的有效数据定位迁移方法，把具有相同特征的数据进行合理迁移，进一步集中存储,在最大限度上实现节能。l云视频监控系统实验平台当前并没有能够进行云视频监控系统能耗研究的实验平台，且直接搭建基础设施、 软硬件实物平台等来进行云监控系统的能耗优化实验需要较大的成本，故可以研究先开发一个全面的仿真实验平台，然后再在针对系统特性的基础上搭建一个典型的实物平台：通过在仿真平台上对系统的各种节能策略进行初步测试，选出最佳策略部署于实物平台，进一步深入验证。
