Correlation between encoding complexity and resource consumption for optimized allocation in cloud-based DTH systems

Since the late 1990s and early 2000s, satellite Direct-to-Home (DTH) broadcasting has represented the first technology capable of delivering live and on-demand audiovisual content on a global scale, independently of terrestrial infrastructures. A crucial portion of the transmission chain, from content production to final delivery to the user, is represented by the encoding and multiplexing stages. In these phases, audio and video signals are compressed, encrypted, and aggregated in order to efficiently utilize satellite bandwidth and transmission power before being sent to geostationary satellites and received by end users. These stages are particularly critical, as they rely on advanced compression, prediction, and rate-control algorithms to significantly reduce data size while preserving the perceived quality of the original signal. All encoding and multiplexing parameters must therefore be carefully configured to avoid unnecessary consumption of computational resources and energy, while maintaining fidelity and service reliability. Traditionally, these operations were performed using dedicated hardware, but in recent years the industry has progressively shifted toward cloud-based solutions, where transcoding and multiplexing are implemented through software profiles deployed on virtualized infrastructures. The research described in this thesis was conducted at Sky Italia, part of Sky Group Limited, a major player in the European media and entertainment sector. The work proposes a methodology to estimate, a priori, the computational complexity of the video encoding phase for a given content and introduces a strategy to increase channel density by optimizing the allocation of encoding and multiplexing pods across virtual machines (nodes). Regarding complexity estimation, the identified metric has shown a quasi-linear correlation with the CPU consumption of the encoding pods used for channel processing. This enables the prediction of high computational loads by analyzing intrinsic video characteristics before encoding. Concerning channel density, experimental results have proven that the proposed allocation strategy leads to a more efficient use of available CPU resources, significantly improving overall system utilization.

Fin dalla fine degli anni ’90 e dai primi anni 2000, la trasmissione satellitare Direct-to Home (DTH) si è affermata come la prima tecnologia in grado di distribuire contenuti audiovisivi live e on-demand su scala globale, indipendentemente dalle infrastrutture terrestri. Una parte cruciale della catena di trasmissione, dalla produzione del contenuto fino alla fruizione da parte dell’utente finale, è rappresentata dalle fasi di codifica (encoding) e multiplazione (multiplexing). In queste fasi, i segnali audio e video vengono compressi, criptati e aggregati con lo scopo di utilizzare in modo efficiente la banda e la potenza di trasmissione satellitare, prima di essere inviati ai satelliti geostazionari e, infine, ricevuti dagli utenti. Queste fasi sono particolarmente critiche, poiché si basano su algoritmi avanzati di compressione, predizione e controllo del bitrate per ridurre significativamente la grande quantità di dati, preservando allo stesso tempo la qualità percepita del segnale originale. Tutti i parametri di codifica e multiplazione devono quindi essere configurati con attenzione per evitare un consumo non necessario di risorse computazionali ed energia, garantendo al contempo fedeltà al contenuto originale e affidabilità del servizio. Tradizionalmente, queste operazioni sono sempre state eseguite tramite hardware dedicato, ma negli ultimi anni il settore si è progressivamente orientato verso soluzioni cloud, in cui transcoding e multiplexing vengono implementati tramite profili software distribuiti su infrastrutture virtualizzate. La ricerca descritta in questa tesi è stata condotta presso Sky Italia, parte di Sky Group Limited, uno dei principali provider in Europa nel settore dei media e dell’intrattenimento. La tesi propone una metodologia per stimare a priori la complessità computazionale della fase di codifica video per un determinato contenuto e introduce una strategia per aumentare la densità dei canali ottimizzando l’allocazione dei pods di codifica e multiplazione su macchine virtuali (nodi). Per quanto riguarda la stima della complessità, la metrica identificata ha mostrato una correlazione quasi lineare con il consumo di CPU dei pod di encoding utilizzati per la gestione dei canali. Ciò consente di prevedere carichi computazionali elevati analizzando le caratteristiche intrinseche del video prima dell’encoding. Per quanto riguarda la densità di canale, i risultati sperimentali hanno dimostrato che la strategia di allocazione proposta porta a un uso più efficiente delle risorse CPU disponibili, migliorando significativamente l’utilizzo complessivo del sistema.