专题丨云视频会议系统能耗优化策略研究

云视频会议系统能耗优化策略研究

李明慧

（博鼎实华(北京)技术有限公司，北京 100096）

摘要：云视频会议应用对计算、存储以及网络资源存在海量需求，导致能源消耗显著。基于云视频会议系统能耗的特点进行分析，并从基础设施即服务、平台即服务、应用即服务层面以及视频会议应用的特点等方面提出优化策略。此外，提出一种能耗评价方案，以帮助企业衡量和优化能耗，并为相关研究和实践应用提供参考。

关键词：云视频会议；云计算中心；能耗分析；优化策略

0  引言

随着远程办公、在线教育和全球协作等需求的增长，云视频会议系统已成为不可或缺的数字信息基础设施。相对于传统视频会议系统，云视频会议系统面临超大规模的多种异构终端的接入需求，需要支持大量用户并发在线，且使用频率较高。因此，云视频会议系统更加依赖于云计算中心的基础设施，且需要大量计算、存储和网络资源，导致能源消耗显著。随着云视频会议应用的日益普及，如何在保证视频会议服务质量的同时降低能耗，是目前面临的关键研究课题。

1  云视频会议系统能耗分析

1.1  云视频会议系统技术架构

云视频会议是一种基于云计算技术构建的视频会议解决方案，通过云计算中的虚拟化、分布式计算、弹性伸缩等技术手段，将视频会议系统的业务逻辑、信令交互与媒体流处理等过程在云端实现，并支持公有云、私有云或混合云方式部署。云视频会议平台既能够以软件即服务（Software as a Service，SaaS）形式为用户提供流畅、低延时、高并发的实时音视频通信服务，也能够以平台即服务（Platform as a Service，PaaS）形式提供SDK/API接口，方便用户进行系统集成与个性化定制开发，满足用户多样化需求。同时，支持会议室终端、PC和智能手机等多种异构设备灵活接入云视频会议平台，支持丰富的应用场景和跨平台协作。基于云计算的视频会议系统架构如图1所示。

图1   基于云计算的视频会议系统架构图

1.2  云视频会议系统能耗分析

云视频会议系统能耗包括云数据中心能耗、终端设备能耗和传输能耗等，涉及多个环节，其中最主要的能耗来自于云计算中心的基础设施（特别是IT设备和制冷系统的能耗）^[1-2]：一是IT设备能耗，包括服务器、存储设备、网络设备等用于计算、存储和传输会议数据的设备所消耗的电能，通常占云计算中心总能耗的最大比例，为46%；二是温控设备能耗，用于维持云计算中心适宜温度的空调、冷却系统等设备的能耗，占比也较高，为41%；三是电源供应设备和其他配套设备能耗，如UPS设备、照明设施等，其能耗占比较小，为13%。

本文将结合云视频会议应用的特点，就云计算中心相关的能耗问题进行重点分析。

1.2.1  计算资源消耗

云视频会议系统的计算资源消耗主要源于云计算中心的会议业务平台处理视频数据、执行人工智能相关计算任务以及进行实时格式转换等。

视频编解码：视频编解码是视频会议系统的核心计算任务之一。不同的视频编解码格式（如H.264、H.265、SVC、AV1等）具有不同的计算复杂度。采用更高压缩效率的编解码算法通常也需要更强的计算能力。

人工智能处理：视频会议系统目前已经广泛应用人工智能技术以提升用户体验，如人脸识别、智能背景替换、噪声抑制、自动字幕生成和语音识别等，这些功能通常需要深度学习模型进行推理计算，导致计算负载上升。

实时转码：云视频会议支持多种类型终端的接入，不同的终端设备可能支持不同的码率和视频编解码能力，因此会议业务平台需要支持实时转码，以确保视频能够兼容各种设备。然而，实时转码过程会给中央处理器（Central Processing Unit，CPU）和图形处理器（Graphics Processing Unit，GPU）带来额外的负担，增加云计算中心的能耗。

1.2.2  存储资源消耗

视频会议系统不仅依赖计算资源，还需要大量存储资源来管理录制的视频数据、会议记录以及各种共享文件。随着超高清视频的普及和会议使用时长的剧增，存储需求迅速扩大，带来了更高的能耗^[3]。存储资源主要用于：一是视频录制，高清和超高清（4K甚至8K）视频录制占用大量存储空间，如果不加以优化，长期存储这些数据会造成存储系统的高负载；二是数据冗余，为了保证数据的安全性和可用性，云存储系统通常会创建多个副本，然而采用这种冗余存储机制可能会导致资源浪费，也成倍增加了存储能耗。

1.2.3  网络资源消耗

视频会议的流畅体验依赖于高带宽、低延迟的网络环境，而数据的传输、交换和中转都会导致网络设备持续高负荷运行，进而增加能源消耗。

一是数据中心流量压力。当与会者分布在不同地域时，会议平台通常需要承担流量中转职能，将视频流分别转发到每个参会端。随着用户数量的增加，这种集中式中转机制会导致数据中心出口带宽压力激增，造成网络瓶颈和高能耗。

二是协议带来的开销问题。视频会议的数据传输需要借助不同的网络协议。部分传统协议存在连接建立过程复杂、延迟较高、资源利用率低的问题，无法适应大规模、高频次的实时数据传输需求，导致不必要的网络资源消耗。

三是中心化转发依赖。部分视频会议系统高度依赖中心服务器进行流量中转，即使用户处于相近网络环境，数据仍需绕行至远端服务器，增加了无效传输路径，浪费网络资源并增加能耗。

四是缺乏动态调度能力。现有网络路径通常静态配置，无法根据实时网络状况、节点负载和链路能耗动态进行调整，导致部分流量经过高能耗路径传输，造成资源浪费和效率低下。

2  云视频会议系统能耗优化策略

2.1  云计算中心优化策略

针对计算、存储和网络资源的消耗，可以从云计算中心的基础设施即服务（Infrastructure as a Service，IaaS）、PaaS和SaaS层面提出优化策略，以最大化资源利用率减少能耗，同时确保视频会议系统的稳定性和高效性。

2.1.1  IaaS层（基础设施优化）

IaaS层提供云计算的底层资源，其优化主要聚焦于计算资源管理、冷却技术以及动态调度策略。

虚拟化与容器化：传统的物理服务器模式往往导致资源利用率低，而通过虚拟化模块（Kernel-based Virtual Machine，KVM）、Docker和Kubernetes等技术，可以在同一台服务器上运行多个虚拟机或容器，提升计算资源的利用率。例如，Docker允许多个视频会议实例共享底层计算资源，从而减少计算空闲时间，降低功耗。

动态资源调度：视频会议系统的资源需求具有波动性，人工智能预测负载技术能够基于历史数据、会议时间表和用户行为模式来预测未来的计算需求。例如，某云厂商采用的人工智能负载管理系统能够动态调整CPU和GPU资源，使其在高峰期满足需求，而在低峰期减少计算节点，从而降低整体能耗。

通过人工智能预测能耗：人工智能可以分析服务器的历史能耗数据，并自动调整服务器调度。通过预测数据中心冷却需求，有效降低能耗。

更新冷却技术：数据中心是视频会议系统的基础设施，其冷却能耗约占总能耗的一半。采用液冷、风冷等新型冷却技术能够有效降低服务器温度，从而减少额外的能耗。例如，在海底部署数据中心，利用海水自然冷却服务器，大幅降低了冷却成本和能源消耗。

2.1.2  PaaS层（平台优化）

PaaS层为开发者提供运行环境，其优化策略着重于动态资源管理、流量预测以及无服务器计算模式。

弹性扩展：Kubernetes技术提供自动扩缩容功能，能够基于视频会议的流量变化动态调整计算资源。例如，当系统检测到大量用户即将加入会议时，可以自动增加计算节点，而在会议结束后释放不必要的资源，以降低计算开销。

负载均衡：传统的负载均衡策略采用固定规则，但人工智能驱动的负载均衡可以基于业务流量的历史数据，预测未来流量变化并提前调整资源。采用人工智能进行流量预测，使得服务器在高流量时自动分配更多带宽，低流量时减少资源分配，从而有效降低能耗。

无服务器计算：在无服务器计算模式下，计算资源仅在用户请求时分配，避免了长时间占用服务器的情况。允许视频会议的后台任务（如转录、存储）仅在需要时运行，而非持续占用资源，从而减少计算资源的空闲能耗。

2.1.3  SaaS层（应用优化）

SaaS层直接影响最终用户体验，其优化策略主要是关注网络传输效率和计算负载的优化。

智能视频质量调节：视频会议的带宽消耗是能耗的主要来源之一。通过人工智能算法检测用户的网络状况，系统可以自动调整视频分辨率和帧率。使用人工智能技术检测用户的网络条件，在带宽不足时自动降低视频质量，而在网络环境良好时恢复高清画质，从而降低不必要的网络负载。

内容分发网络（Content Delivery Network，CDN）缓存优化：CDN能够在靠近用户的边缘节点缓存数据，减少主数据中心的负担^[4]。例如，阿里云CDN通过在全球多个节点部署缓存服务器，使得视频数据可以就近访问，减少了长距离传输所需的网络带宽和计算资源。

多层缓存技术：在SaaS层，减少数据库查询和应用程序编程接口（Application Programming Interface，API）调用次数是降低计算和存储能耗的重要手段。例如，Redis和Memcached等缓存技术可以存储会议数据（如用户配置、聊天记录等），避免重复访问数据库，减少存储和计算资源的消耗，提高系统响应速度。

通过以上优化策略，可以在保障用户体验的同时，大幅降低云计算中心在计算、存储和网络资源的能耗，提高整体运营效率。

2.2   云视频会议应用能耗优化

在优化云视频会议系统的能耗和效率时，除了从云计算中心的各个层面进行优化外，还需要结合视频会议应用本身的特点进行考虑和设计，如视频编解码、计算资源调度、网络优化和边云协同等方面。

2.2.1   视频编解码优化

视频编解码是影响视频会议系统性能和带宽消耗的关键因素。根据应用场景和终端设备能力，采用更高效的编解码技术可以在保持视频质量的同时，减少计算开销和带宽消耗。为了降低能耗，可以根据带宽和计算资源的可用性，动态调整编码参数，降低不必要的计算消耗。

一是采用更高效的视频压缩技术或分级编解码技术。视频编解码标准H。265（HEVC）和AV1，相比传统的H。264，可以在同等画质下减少码率，从而降低带宽占用和存储需求。例如，AV1在流媒体服务中被广泛采用，可以提高视频传输效率并降低服务器负载；而SVC会增加一定开销，但可以适应更复杂的应用场景。因此，目前云视频会议系统大都支持 SVC/AVC混合模式。

二是采用智能动态编码。利用人工智能进行自适应比特率（Adaptive Bitrate Streaming， ABR）编码，根据用户网络状况、终端设备能力和当前负载情况进行综合分析，实时调整视频分辨率、帧率和比特率，并采用预转码策略以及智能格式匹配来减少实时转码的需求。例如，在网络较差的情况下，系统可自动降低分辨率、帧率或比特率，以减少卡顿并降低服务器计算压力。

三是通过硬件加速编解码。利用GPU、现场可编程门阵列（Field Programmable Gate Arrays，FPGA）或专用集成电路（Application Specific Integrated Circuit，ASIC）进行视频编解码，可以大幅减少CPU计算负担，提高能效比。

2.2.2  人工智能辅助计算调度

随着人工智能技术的发展，智能计算调度已经成为优化计算资源利用率的重要手段。人工智能可以预测视频会议的负载情况，并提前调配计算资源，以减少不必要的能耗，如采用模型压缩、边缘计算或低精度计算等方法来降低人工智能任务的能耗。以下是优化视频会议应用能耗的一些考虑。

一是负载预测。使用深度学习模型（如LSTM、Transformer）分析历史会议数据，预测未来的用户活跃时间段和会议规模。例如，某企业在周一上午的会议较多，而周五下午会议较少，人工智能可自动调整资源分配，确保高峰时段资源充足，低峰时段减少服务器开机数量。

二是动态资源分配。结合负载预测和实时监测，系统可以在高峰期预留资源，在低峰期动态关停空闲实例，或者使用按需扩展功能，自动调整服务器的实例数。

三是通过人工智能优化计算任务。人工智能可智能分配计算任务到最合适的服务器，如优先使用能效更高的服务器，或者利用边缘计算减少数据中心负担。

2.2.3  边缘计算

边缘计算通过在靠近用户的位置处理数据，减少云计算中心资源的消耗，同时降低数据传输延迟^[5]。在视频会议场景中，边缘计算可用于以下场景。

一是视频前处理。在用户端或边缘服务器执行降噪、格式转换、视频增强等操作，减少数据中心的计算负担。例如，Web实时通信采用客户端侧的编码优化来减少服务器计算压力，提高会议流畅度。

二是内容分发优化。使用边缘缓存存储常用内容（如会议背景、企业Logo等）减少重复传输，提高访问速度。例如，通过采用多个边缘数据中心，减少主数据中心的负载。

三是本地人工智能计算。部分人工智能处理可以在边缘设备上完成（如实时字幕生成、虚拟背景替换等），从而避免将大量数据上传至云端进行处理。通过边缘计算实现人工智能视频增强技术，可以在低带宽环境下提高视频质量，同时减少数据中心的计算压力。

2.2.4  智能网络优化

网络优化对于提高视频会议质量和降低能耗至关重要。智能网络优化可以通过软件定义网络、点对点（Peer to Peer，P2P）直连、服务质量控制等方式，减少不必要的数据传输，提高整体效率。

带宽自适应优化：利用网络状态实时检测和人工智能算法动态调整视频分辨率、帧率和比特率，在带宽不足或网络波动时灵活调节，既保障了用户体验，又避免了带宽资源浪费，实现智能带宽利用。

P2P直连：在适当的场景下，允许用户直接建立P2P连接，可以大幅减少服务器的流量负担。例如，如果两个用户在同一网络环境下，可以通过P2P直接传输视频流，而无需经过远程服务器中转。

智能网络调度：人工智能驱动的智能路由算法可以动态调整数据传输路径，优先选择能耗较低的链路，减少不必要的流量传输。例如，可以根据网络拥塞情况、设备负载等因素，优化视频流的传输路径。

3  云视频会议系统能耗评价

为了有效评估云视频会议系统能耗，本研究从云计算中心的基础设施、计算平台、业务应用3个维度出发，结合存储、计算、网络等关键环节，初步建立能耗评估指标并设计了方案，帮助优化云视频会议系统的能源使用效率。其中，表1为基础设施层能耗评价指标（涉及数据中心、服务器、存储、网络设备等）、表2为云计算平台层能耗评价指标（涉及虚拟化、调度、存储优化等）、表3为业务应用层能耗评价指标（涉及视频会议负载、编码优化、流量优化等）。

表1   基础设施层能耗评价指标

表2   平台层能耗评价指标

表3   业务应用层能耗评价指标

4  结束语

云视频会议实现了视频会议的便捷化和普及化，成为企业和个人远程协作不可或缺的工具。但云视频会议系统带来的能耗问题是一个多维度、多层次且具有高复杂度的问题和挑战。本研究方案结合云视频会议的特点，通过计算、存储、网络资源的优化，并结合IaaS、PaaS、SaaS层面的协同调优，可以在一定程度上降低整体能耗，提高系统能效比。未来，随着人工智能、边缘计算、绿色数据中心等技术的进步，云视频会议系统的能耗优化方法和措施将更加智能化，并为企业提供更环保、可持续的服务保障。

Research on energy consumption optimization strategies for cloud video conferencing systems

LI Minghui

（Potin (Beijing) Technology Co., Ltd., Beijing 100096, China）

Abstract: Cloud video conferencing applications have massive demands for computing, storage, and network resources, leading to significant energy consumption. This paper analyzes the characteristics of energy consumption in cloud video conferencing and proposes optimization strategies from the perspectives of infrastructure as a service (IaaS), platform as a service (PaaS), and software as a service (SaaS) layers, as well as the features of video conferencing applications. Additionally, an energy consumption evaluation scheme is introduced to help enterprises to measure and optimize energy consumption, providing references for relevant research and practical applications.

Keywords: cloud video conferencing; cloud computing center; energy consumption analysis; optimization strategies

本文刊于《信息通信技术与政策》2025年 第5期

《信息通信技术与政策》投稿指南！

为进一步提高期刊信息化建设水平，为广大学者提供更优质的服务，我刊官方网站（http://ictp.caict.ac.cn）已正式投入运行，欢迎投稿！

   推荐阅读  

专题丨数字技术赋能绿色低碳发展:理论、实践与挑战

专题丨人工智能时代智能算力带来的能源挑战与建议

专题丨基于信息通信技术的既有公共建筑运行阶段节能降碳研究

专题丨我国工业领域低碳技术革新路径

专题丨我国制造业企业绿色转型面临的问题及建议

专题丨我国制造业企业绿色供应链能力建设研究

专题丨基于运营商位置能力的充电桩规划与绿色能源协同研究

专题丨绿色化对我国工业增长的影响与转型路径分析

专题丨NFV云计算绿色发展趋势及关键技术研究

专题|基于标识解析与区块链融合的园区内产品碳足迹建设路径探究

导读：绿色低碳

你“在看”我吗？