VideoStorm，NSDI，2017

最新推荐文章于 2024-11-01 12:20:35 发布

Rui_zzz

最新推荐文章于 2024-11-01 12:20:35 发布

阅读量316

点赞数

分类专栏：论文文章标签：数据库

本文链接：https://blog.csdn.net/xiaolajiruirui/article/details/114189008

版权

VideoStorm是一个不开放源代码的集群系统，专注于处理手动拍摄的两个月视频数据。该系统使用了work-conservative fair scheduler进行公平调度。评估指标包括视频质量、处理中超过滞后目标的帧数以及系统的整体效用。

摘要由CSDN通过智能技术生成

VideoStorm

应用场景：
车牌识别
车辆计数
DNN分类
对象跟踪
解决的问题：
查询分析中资源配置和质量的问题
描述：
VideoStorm是一个视频分析系统，可以扩展为处理大型集群中的数千个视频流。
Motivation：
视频分析可能具有很高的资源需求；同时由于视频流的高处理成本和高数据速率，所以资源管理很重要
（1）多维资源配置的质量权衡
（2）不同的质量和滞后要求（滞后：时延，即帧到达和帧处理的时间差）
消费站：质量高，滞后可以很久
智能交通：质量中等，滞后在几秒内
警笛：质量高，滞后在几秒内
Goal：
决定 配置和资源分配，以最大程度地 提高质量并最大程度地 减少资源容量内的滞后。
Problem/Challenges：
(一) 没有关于查询配置的资源需求和质量的分析模型，而且大量的配置使得估计资源质量状况的成本很高；
(二) 表达单个查询和集群中所有查询的质量和滞后目标是不容易的；