Мультимедійні дані
Введення:
З швидким поширенням соціальних мереж люди все більше звикли використовувати зображення та відео для самовираження. У майбутньому спілкування замінить звичайні засоби соціальної взаємодії з відео чи зображеннями. Це, своєю чергою, потребує величезних ресурсів зберігання та обробки даних. У цьому документі описується модуль стиснення / розпакування послідовностей зображень та відео для середовища хмарних обчислень. Зазначений механізм діятиме як підмодуль рівня хмари IaaS. Стиснення зображень було досягнуто за рахунок видалення надмірності з використанням алгоритму зіставлення блоків. Пропонований модуль оцінювався з використанням трьох різних алгоритмів стиснення відео та змінного розміру макроблоку. Експерименти проводилися серед хмарного хостового з використанням платформи робочих станцій VMWare. Крім простоти виконання, пропонований модуль не вимагає додаткових грошових витрат, обладнання або робочої сили для досягнення бажаного стиснення даних зображення. Експериментальний аналіз показав значне скорочення вимог щодо зберігання даних, а також часу обробки.
Веб-додатки соціальних мереж, такі як Facebook і Flickr представляють нові варіанти для зберігання та обробки створених користувачів контент, тобто мультимедіа. Потрібна робота з величезними обсягами даних спеціальні системи, які потребують авансових інвестицій, що може перешкоджати реалізації нових інноваційних ідей. Натомість хмарні обчислення вновинку. Нова операційна модель обіцяє забезпечити еластичність необмеженої названі обчислювальні ресурси як утиліту.
Об'єкти мультимедіа
текст;
графічні зображення;
відео;
аудіо
Модель хмарних обчислень
Розглянемо приклад соціальної мережі. Коли кількість користувачів на якомусь сайті соціальної мережі починає зростати, потім зростає кількість користувачів згенеровані дані. Прикладом обробки мультимедіа, що використовується в хмарі, є виробництво кількох версій одного мультимедійного артефакту. Ці версії можуть бути різні розміри або якість зображення (ескізи або версія для мобільного телефону). Це завдання зазвичай не представляє складної проблеми. Однак у справі сайту соціальної мережі розмір дійсно має значення (у Facebook було 20 мільярдів зображень станом на 2009 рік). Це означає, що обробка мультимедіа в розумні терміни може бути забезпечується за допомогою «необмеженої» обчислювальної потужності хмари на вимогу. Інший приклад — отримання зображень із великих наборів даних. Знаходження найбільш схожих зображення із заданого набору відомих зображень вимагає вилучення ознак, наприклад колір, текстура, гістограма тощо. Крім того, для цього потрібна функція реального часу в режимі онлайн порівняння між елементом пошуку та набором даних.