邊緣計算實踐：內(nèi)容分發(fā)網(wǎng)絡技術(shù)與前沿（上冊）

目錄
序言
前言
第1章　邊緣計算的發(fā)展和技術(shù)概述1
1.1　邊緣計算的發(fā)展1
1.1.1　邊緣計算背景1
1.1.2　邊緣計算的起源1
1.1.3　邊緣計算的主要優(yōu)點2
1.1.4　邊緣計算的應用場景3
1.2　邊緣計算的技術(shù)拓展4
1.2.1　邊緣計算和5G4
1.2.2　邊緣計算和物聯(lián)網(wǎng)大數(shù)據(jù)5
1.2.3　邊緣計算和數(shù)據(jù)密集型應用6
1.2.4　邊緣計算和人工智能6
1.3　邊緣計算的主流架構(gòu)7
1.3.1　單層邊緣架構(gòu)8
1.3.2　云邊混合架構(gòu)9
1.3.3　邊緣智能架構(gòu)10
第2章　CDN技術(shù)概述和主要技術(shù)原理12
2.1　CDN的發(fā)展12
2.1.1　CDN的主要任務15
2.1.2　CDN的優(yōu)點15
2.1.3　CDN的潛在用戶16
2.2　CDN的原理17
2.2.1　CDN的組成17
2.2.2　CDN的工作原理18
2.2.3　CDN的多種技術(shù)19
2.3　CDN廠商情況概覽22
2.3.1　緩存：Network Appliance23
2.3.2　路由：F526
2.3.3　運營管理28
第3章　多媒體網(wǎng)絡與系統(tǒng)通信主要協(xié)議35
3.1　多媒體網(wǎng)絡與CDN35
3.1.1　CDN解決多媒體網(wǎng)絡帶寬問題35
3.1.2　CDN架構(gòu)與重要子系統(tǒng)35
3.2　RTP37
3.2.1　RTP概述37
3.2.2　RTP的頭部格式37
3.2.3　混合器和轉(zhuǎn)換器39
3.3　RTCP42
3.3.1　RTCP概述42
3.3.2　RTCP控制分組42
3.3.3　RTCP的其他特性47
3.4　RSVP48
3.4.1　RSVP概述48
3.4.2　RSVP的特征與不足49
3.5　視頻會議協(xié)議H.32350
3.5.1　H.323體系結(jié)構(gòu)51
3.5.2　H.323組件52
3.5.3　H.323協(xié)議棧53
3.6　SIP55
3.6.1　SIP概述55
3.6.2　SIP的功能和特點56
3.6.3　SIP呼叫流程57
3.6.4　SIP應用57
3.6.5　SIP和H.323比較59
第4章　流媒體系統(tǒng)60
4.1　流媒體技術(shù)概述60
4.1.1　流媒體定義60
4.1.2　流媒體的優(yōu)勢61
4.1.3　流媒體與CDN結(jié)合的優(yōu)勢62
4.1.4　流媒體系統(tǒng)簡介62
4.1.5　流媒體技術(shù)的典型應用63
4.2　Windows Media Service系統(tǒng)64
4.2.1　Windows Media Service簡介64
4.2.2　流媒體服務的應用方式66
4.2.3　理解Windows Media Service協(xié)議68
4.2.4　使用媒體播放器播放流媒體文件70
4.3　RealMedia系統(tǒng)72
4.3.1　RTSP72
4.3.2　RealSystem75
4.3.3　高清RealMedia78
4.4　HTTP流技術(shù)79
4.4.1　HTTP流技術(shù)概述79
4.4.2　現(xiàn)有的工作或組件80
4.4.3　DASH概述84
4.5　實例：同步教學系統(tǒng)87
4.5.1　總體執(zhí)行情況87
4.5.2　技術(shù)架構(gòu)88
4.5.3　模塊開發(fā)88
4.5.4　技術(shù)指標與特色90
第5章　P2P與CDN的結(jié)合與發(fā)展92
5.1　P2P技術(shù)介紹92
5.1.1　P2P技術(shù)的特點92
5.1.2　P2P技術(shù)的應用場景94
5.1.3　P2P技術(shù)的未來96
5.2　P2P和CDN的結(jié)合98
5.2.1　P2P和CDN的優(yōu)缺點98
5.2.2　P2P技術(shù)和CDN技術(shù)的融合102
5.2.3　CDN-P2P融合模式104
5.2.4　CDN-P2P技術(shù)應用場景110
5.3　基于CDN-P2P的樹網(wǎng)結(jié)合系統(tǒng)實例112
5.3.1　架構(gòu)介紹113
5.3.2　系統(tǒng)緩沖區(qū)設計114
5.3.3　系統(tǒng)CDN層設計116
5.3.4　系統(tǒng)核心樹算法118
5.3.5　邊界模糊的網(wǎng)狀結(jié)構(gòu)124
5.3.6　樹網(wǎng)結(jié)合系統(tǒng)的實際應用125
第6章　數(shù)據(jù)驅(qū)動的CDN資源管理技術(shù)131
6.1　內(nèi)容分發(fā)網(wǎng)絡資源管理背景131
6.1.1　內(nèi)容分發(fā)網(wǎng)絡資源管理問題和數(shù)據(jù)驅(qū)動方法131
6.1.2　內(nèi)容分發(fā)網(wǎng)絡資源管理具體內(nèi)容131
6.1.3　內(nèi)容分發(fā)網(wǎng)絡資源管理的多云架構(gòu)132
6.2　內(nèi)容分發(fā)網(wǎng)絡資源長期規(guī)劃設計132
6.2.1　多云長期部署模型與算法設計132
6.2.2　服務質(zhì)量驅(qū)動的CDN資源優(yōu)化部署設計141
6.3　內(nèi)容分發(fā)網(wǎng)絡資源實時調(diào)度設計149
6.3.1　多云短期擴展模型與算法設計150
6.3.2　基于強化學習的CDN資源緩存策略設計157
6.4　內(nèi)容分發(fā)網(wǎng)絡資源管理實現(xiàn)163
6.4.1　基于強化學習的CDN資源緩存策略實驗163
6.4.2　多云短期調(diào)度實驗166
第7章　邊緣計算環(huán)境下虛擬機資源配置技術(shù)169
7.1　邊緣計算環(huán)境下虛擬機及集群資源配置的背景170
7.1.1　云霧混合環(huán)境中的虛擬機集群配置問題170
7.1.2　云霧混合環(huán)境中的虛擬機集群配置關鍵技術(shù)171
7.1.3　云霧混合環(huán)境中虛擬機及集群資源配置典型架構(gòu)172
7.2　霧節(jié)點中應用適配的大數(shù)據(jù)虛擬機集群配置**模型設計173
7.2.1　模型總體設計173
7.2.2　特征選擇模型175
7.2.3　基于神經(jīng)協(xié)同過濾的虛擬機與少節(jié)點集群配置**模型177
7.2.4　基于深度神經(jīng)網(wǎng)絡的多節(jié)點集群**模型179
7.3　邊緣計算環(huán)境下虛擬機及集群資源配置模型實現(xiàn)182
第8章　邊緣計算數(shù)據(jù)資源的索引定位與冗余放置技術(shù)187
8.1　邊緣計算數(shù)據(jù)資源存儲的背景187
8.1.1　邊緣計算數(shù)據(jù)資源的索引定位187
8.1.2　邊緣計算數(shù)據(jù)資源的冗余放置188
8.1.3　邊緣計算數(shù)據(jù)資源存儲的典型架構(gòu)189
8.2　分層混合數(shù)據(jù)索引191
8.2.1　分層混合索引架構(gòu)模型191
8.2.2　霧節(jié)點內(nèi)本地中心化數(shù)據(jù)索引機制192
8.2.3　霧節(jié)點間全局分布式哈希表數(shù)據(jù)索引機制195
8.3　邊緣多副本數(shù)據(jù)放置201
8.3.1　邊緣多副本可靠放置模型201
8.3.2　終端設備存儲性能分級機制203
8.3.3　基于分級設備的多備存儲節(jié)點選擇算法204
8.4　數(shù)據(jù)索引定位與冗余放置實現(xiàn)206
8.4.1　分層混合索引實驗206
8.4.2　邊緣多副本數(shù)據(jù)放置實驗210
第9章　邊緣計算環(huán)境下的服務部署和任務路由214
9.1　邊緣計算環(huán)境下的服務部署與任務路由背景214
9.1.1　邊緣計算環(huán)境下的服務部署與任務路由概述214
9.1.2　服務部署215
9.1.3　任務路由215
9.2　有狀態(tài)服務的服務鏈部署和任務路由算法215
9.2.1　有狀態(tài)服務系統(tǒng)場景描述215
9.2.2　有狀態(tài)服務系統(tǒng)模型設計216
9.2.3　基于強化學習的服務鏈部署算法222
9.3　無狀態(tài)服務的服務部署和任務路由算法224
9.3.1　無狀態(tài)服務系統(tǒng)場景描述224
9.3.2　無狀態(tài)服務系統(tǒng)模型設計225
9.3.3　基于云邊協(xié)同的服務部署和任務路由算法229
9.4　云邊協(xié)同計算架構(gòu)下的服務部署和任務路由模型實現(xiàn)234
9.4.1　有狀態(tài)服務部署與任務路由**實驗234
9.4.2　無狀態(tài)服務部署與任務路由**實驗238
參考文獻243