具体实施方式

下面参照附图对本公开进行更全面的描述，其中说明本公开的示例性实施例。下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

下文中的“第一”、“第二”等仅用于描述上相区别，并没有其它特殊的含义。

图1为根据本公开的基于边缘节点的业务处理方法的一个实施例的流程示意图，如图1所示：

步骤101，获取与业务请求相对应的基础版本视频内容。

步骤102，基于与发送业务请求的终端相对应的链路质量确定视频版本转码信息。

在一实施例中，发送业务请求的终端可以为手机、平板电脑等。边缘节点可以为基于MEC(Mobile Edge Computing，移动边缘计算)技术的边缘节点等。获取与终端相对应的无线网络信息，基于无线网络信息实时确定链路质量，基于链路质量可以确定视频版本转码信息。无线网络信息可以包括无线网络质量信息、无线网络负载信息等，可以采用现有的多种方法获得与终端相对应的无线网络信息。例如，基于边缘节点的网络资源，获取接入用户终端的无线网络信息，实时获得用户的链路质量。

步骤103，基于视频版本转码信息和边缘节点的计算资源信息，并使用神经网络模型获得对于基础版本视频内容进行转码处理的转码预测时长。

在一实施例中，神经网络模型可以为现有的多种神经网络模型，例如为LSTM(LongShort-Term Memory，长短期记忆网络)神经网络模型等。视频版本转码信息包括：基础版本视频内容的原始版本信息和目标版本视频内容的目标版本信息等。版本信息包括分辨率、码率、时长等。计算资源信息包括：视频转换处理能力信息等，视频转换处理能力信息包括：加速卡显存可利用率等。

基于链路质量确定需要转码的目标版本视频内容的目标版本信息。建立LSTM神经网络模型，可以为现有的LSTM神经网络模型。获得训练样本，训练样本包括视频版本转码信息、计算资源信息以及转码时长的历史信息。基于训练样本对LSTM神经网络模型进行训练，获得训练好的LSTM神经网络模型。将视频版本转码信息和计算资源信息输入训练好的LSTM神经网络模型，获得神经网络模型输出的转码预测时长。

可以通过获取边缘节点当前可用的计算资源、视频原始版本及目标版本信息，基于LSTM神经网络模型预测完成转码所需的处理时间，即转码预测时长(T_{trans_pre})。

步骤104，根据转码预测时长确定基础版本视频内容的转码起始切片，基于视频版本转码信息并从转码起始切片开始对基础版本视频内容进行转码处理，用以生成目标版本视频内容。

步骤105，根据转码预测时长获得基础版本视频内容的初始播放切片并传输给终端。

步骤106，在将初始播放切片传输给终端并且转码处理完成后，将目标版本视频内容传送给终端。

在边缘节点中仅存储视频内容的原始(高质量)版本及基础(低质量)版本，能够在有限的存储资源中存储更多不同内容的视频，提高边缘节点命中率。通过利用边缘节点网络、存储以及计算资源，实现对视频业务的网络信息、缓存策略以及智能转码策略的协同处理，在提升边缘缓存命中率的同时，为用户提供流畅高质量的业务体验，提供视频基础版本至转码版本的无缝切换，为用户提供快速的业务响应和最佳业务体验。

图2为根据本公开的基于边缘节点的业务处理方法的一个实施例中的确定转码预测时长的流程示意图，如图2所示：

步骤201，计算转码预测时长T_{trans_pre}与基础版本视频内容的每个切片的播放时长T的商，获取对商进行取整后的值m。

步骤202，将基础版本视频内容的第m+1个切片确定为转码起始切片。

利用边缘节点的计算资源，从第m+1(m＝[T_{trans_pre}/T])个切片(转码起始切片)开始转码，并将转码后的目标版本视频内容存储至视频库。对于转码后的目标版本视频内容使用LRU(Least Recent Used)算法进行缓存处理，确定最近最久未使用的目标版本视频内容予以淘汰。使用现有的LRU算法，当存储空间/时间告警时，从视频库删除最久未被访问的目标版本视频内容。

将基础版本视频内容的前n个切片确定为初始播放切片，并将前n个切片传输给终端；其中，n>＝m+1。在将前n个切片传输给终端后，从基础版本视频内容的第n+1个切片开始，向终端发送目标版本视频内容的对应切片，以使基础版本视频内容与目标版本视频内容进行切换。对于各个内容源视频，存储与此内容源视频相对应的基础版本视频内容和原始版本视频内容。基础版本视频内容和原始(高质量)版本视频内容都采用TS切片的方式存储，每个TS切片的播放时长都为T。

HLS(HTTP Live Streaming，HTTP协议直播流)直播是常用的直播方式之一。HLS直播的基本原理是：当推流端将采集的视频流推送到服务器时，服务器将收到的流信息每缓存一段时间就封包成一个新的TS(Transport Stream，传输流)文件(也可称为TS切片文件),TS切片文件即TS切片。服务器建立一个m3u8(Moving Picture Experts GroupAudioLayer 3Uniform Resource Locator，采用UTF-8编码的m3u文件)的索引文件来维护最新几个TS切片文件的索引。终端根据m3u8索引文件向服务器请求下载获取TS切片文件来播放。

在一个实施例中，边缘节点收到用户业务请求，判断视频库中是否存有所请求的视频内容。获得与用户终端相对应的链路质量，基于链路质量确定视频版本转码信息。如图3所示，将计算资源信息和视频版本转码信息输入训练好的LSTM神经网络模型，获得LSTM神经网络模型输出的转码预测时长(T_{trans_pre})。

如图4所示，基于转码预测时长(T_{trans_pre})，从视频库中选择视频基础版本的n个切片(T_{trans_pre}<n*T<T+T_{trans_pre})传输给用户。根据目标版本信息并基于转码预测时长(T_{trans_pre})，利用计算资源从第m(m＝T_{trans_pre}/T)个切片处开始转码。

在收到用户请求时，直接发送基础版本的第1个切片给用户，确保业务的快速接入，接着将基础版本视频内容的前n(n>＝m+1)个切片发送给用户，并从第n+1个切片开始发送转码后的目标版本给用户，实现视频业务的快速接入以及基础版本向转码目标版本的无缝切换，确保用户的高质量业务体验。

在一个实施例中，在本发明的基于边缘节点的业务处理方法中，位于5G网络边缘的MEC边缘节点1内存放某内容的视频资源的基础版本(分辨率480P，平均码率0.5Mbps，帧率30fps，时长2分钟)和原始版本(分辨率4K，平均码率16Mbps，帧率30fps，时长2分钟)；而在现有技术中，在位于5G网络边缘的MEC边缘节点2内存放相同内容的视频源三个版本：基本版本、原始版本以及高清版本(720P，平均码率2Mbps，帧率30fps，时长2分钟)。

在同一基站覆盖的小区内，相同型号的手机终端A和手机终端B分别同时向MEC边缘节点1，2发起两次视频的点播请求。点播过程中收集业务接入时延、播放器缓存Buffer以及接收到的视频流数据等指标。第一次点播请求4K视频业务，第二次点播请求UHD视频业务。根据收集到的数据，计算出每次点播业务的关键指标，如下表1所示：

表1-点播业务的指标表

由表1可见，在第一次(#1)点播业务过程中，请求的视频版本是4K。使用本发明的基于边缘节点的业务处理方法，MEC边缘节点1实时获得用户下行链路质量，判断用户当前链路质量仅支持HD(720P)版本传输，因此，在MEC边缘节点1处通过智能转码，为用户提供480P+720P的视频版本，业务接入时延为0.46s，卡顿1次，MEC边缘节点1命中。作为对比，现有技术中的MEC边缘节点2存有4K版本，因此直接发送4K版本，考虑到用户链路质量的限制，业务接入时延为3s，卡顿8次，远超与MEC边缘节点1对应的指标数据。

在第二次(#2)点播业务过程中，请求的视频版本是1080P，使用本发明的基于边缘节点的业务处理方法，MEC边缘节点1实时获得用户下行链路质量，MEC边缘节点1通过智能转码提供480P+1080P的视频版本，业务接入时延为0.59s，卡顿2次，MEC边缘节点1为命中状态；作为对比，现有技术中的MEC边缘节点2并未存放1080P版本，因此MEC边缘节点2请求中心节点提供该版本的点播服务，业务接入时延高达5s，卡顿7次，MEC边缘节点2也为命中状态。由上可知，本发明的基于边缘节点的业务处理方法对命中率、业务接入时延、卡顿等业务指标带来了明显提升，即最终提升了用户的业务感知体验。

在一个实施例中，如图5所示，本公开提供一种基于边缘节点的业务处理装置50，包括：视频内容获取模块51、转码信息获取模块52、转码时长预测模块53、视频转码处理模块54、视频初始发送模块55、视频切换发送模块56、第一视频存储模块57、第二视频存储模块58和链路质量获取模块59。

视频内容获取模块51获取与业务请求相对应的基础版本视频内容。转码信息获取模块52基于与发送业务请求的终端相对应的链路质量确定视频版本转码信息。转码时长预测模块53基于视频版本转码信息和边缘节点的计算资源信息，并使用神经网络模型获得对于基础版本视频内容进行转码处理的转码预测时长。

视频转码处理模块54根据转码预测时长确定基础版本视频内容的转码起始切片，基于视频版本转码信息并从转码起始切片开始对基础版本视频内容进行转码处理，用以生成目标版本视频内容。视频初始发送模块55根据转码预测时长获得基础版本视频内容的初始播放切片并传输给终端。视频切换发送模块56在将初始播放切片传输给终端并且转码处理完成后，将目标版本视频内容传送给终端。

在一个实施例中，转码时长预测模块53将视频版本转码信息和计算资源信息输入训练好的神经网络模型，获得神经网络模型输出的转码预测时长，视频版本转码信息包括：基础版本视频内容的原始版本信息和目标版本视频内容的目标版本信息等；计算资源信息包括：视频转换处理能力信息等；神经网络模型包括：LSTM神经网络模型等。

视频转码处理模块54计算转码预测时长T_{trans_pre}与基础版本视频内容的每个切片的播放时长T的商，获取对商进行取整后的值m，将基础版本视频内容的第m+1个切片确定为转码起始切片。视频初始发送模块55将基础版本视频内容的前n个切片确定为初始播放切片，并将前n个切片传输给终端；其中，n>＝m+1。视频切换发送模块56在将前n个切片传输给终端后，从基础版本视频内容的第n+1个切片开始，向终端发送目标版本视频内容的对应切片，以使基础版本视频内容与目标版本视频内容进行切换。

第一视频存储模块57对于各个内容源视频，存储与此内容源视频相对应的基础版本视频内容和原始版本视频内容；其中，基础版本视频内容和原始版本视频内容都采用TS切片的方式存储，每个TS切片的播放时长都为T。第二视频存储模块58对目标版本视频内容使用LRU算法进行缓存处理。链路质量获取模块59获取与终端相对应的无线网络信息，基于无线网络信息实时确定链路质量。

图6为根据本公开的基于边缘节点的业务处理装置的另一个实施例的模块示意图。如图6所示，该装置可包括存储器61、处理器62、通信接口63以及总线64。存储器61用于存储指令，处理器62耦合到存储器61，处理器62被配置为基于存储器61存储的指令执行实现上述的基于边缘节点的业务处理方法。

存储器61可以为高速RAM存储器、非易失性存储器(non-volatile memory)等，存储器61也可以是存储器阵列。存储器61还可能被分块，并且块可按一定的规则组合成虚拟卷。处理器62可以为中央处理器CPU，或专用集成电路ASIC(Application SpecificIntegrated Circuit)，或者是被配置成实施本公开的基于边缘节点的业务处理方法的一个或多个集成电路。

根据本公开的再一方面，提供一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，指令被处理器执行如上的方法。

上述实施例中提供的基于边缘节点的业务处理方法、装置、边缘节点以及存储介质，基于链路质量确定视频版本转码信息，基于视频版本转码信息和计算资源信息并使用神经网络模型获得转码预测时长，根据转码预测时长从转码起始切片开始对基础版本视频内容进行转码处理，生成目标版本视频内容；根据转码预测时长将初始播放切片传输给终端；在将初始播放切片传输给终端并且转码处理完成后，将目标版本视频内容传送给终端；利用边缘节点的资源实现对原始版本快速转码，避免访问中心节点，减少网络资源的开销；使用神经网络模型获得转码预测时长并获得链路质量，能够提供基础版本视频内容与目标版本视频内容进行的无缝切换，为用户提供快速业务响应和最佳业务体验，可在有限的存储资源中存储更多不同内容视频；通过利用边缘节点网络、存储以及计算资源，实现对视频业务的网络信息、缓存策略以及智能转码策略的协同处理，在提升边缘缓存命中率的同时，为用户提供流畅高质量的业务体验。

可能以许多方式来实现本公开的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和系统。用于方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。

本公开的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用，并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。