, Miguel García Pineda (codir. tes.) 
, Carlos Reaño González (secret.)
, Carlos Guerrero Tome (voc.) 
A lo largo de esta tesis doctoral se aborda el reto de modernizar los sistemas de codificación de vídeo en entornos Cloud-Native y Cloud-Edge, combinando paradigmas de microservicios, arquitecturas Serverless y aceleración mediante GPU para lograr soluciones escalables, flexibles y de alta eficiencia en el procesamiento de contenido multimedia. El documento inicia describiendo cómo las arquitecturas de microservicios y los modelos Serverless han transformado la forma en que se despliegan y gestionan las aplicaciones, permitiendo una rápida integración de funcionalidades auxiliares mediante la inyección dinámica de sidecars y una monitorización de alta frecuencia. En este contexto se plantean herramientas innovadoras como K8Sidecar y PodInsights, que facilitan, respectivamente, la inyección dinámica de contenedores adicionales en pods de Kubernetes y la captura ultra precisa de métricas de CPU y memoria a nivel de milisegundos. Estas soluciones permiten no solo mejorar la agilidad en el despliegue y la gestión de recursos, sino también garantizar que la calidad y la eficiencia operativa se mantengan en entornos con cargas fluctuantes y requisitos de baja latencia. La segunda contribución de la tesis se centra en un análisis comparativo entre implementaciones de codificación de vídeo en CPU y GPU, específicamente en el ámbito UHD (4K). Se evalúan tres familias de códecs (H.264/AVC, H.265/HEVC y AV1) utilizando tanto implementaciones tradicionales basadas en CPU (libx264, libx265 y librav1e) como versiones aceleradas por GPU (h264_nvenc, hevc_nvenc y av1\nvenc). La metodología experimental, realizada sobre un conjunto de 15 vídeos UHD del dataset UVG, se fundamenta en métricas de calidad (PSNR y VMAF) y en el análisis de diferencias de bitrate mediante la métrica Bjøntegaard Delta, junto con la medición de tiempos de codificación por frame. Los resultados revelan que la aceleración mediante GPU reduce significativamente los tiempos de procesamiento; por ejemplo, en el caso de AV1 se observó una mejora en el tiempo de codificación de más de 68 veces. En el caso de H.264/AVC se alcanzó una reducción promedio en el bitrate de alrededor del 20% para obtener calidades equivalentes, y en HEVC, aunque la versión CPU mostró una ligera ventaja en bitrate, la aceleración GPU ofreció una reducción del tiempo de codificación de más del doble, lo que resulta decisivo en aplicaciones de live streaming y videoconferencias. La tercera aportación se orienta hacia el desarrollo de arquitecturas avanzadas que integran la aceleración GPU en entornos Cloud-Native y Cloud-Edge para optimizar la codificación de vídeo. En primer lugar, se presenta un framework event-driven basado en Knative y Kubernetes, que orquesta funciones de codificación HEVC activadas mediante CloudEvents. La integración de GPUs, utilizando el códec hevc_nvenc, permite una reducción significativa en el tiempo de codificación en comparación con la versión basada en CPU, lo que se traduce en mejoras notables en escenarios de escalado dinámico y distribución de carga. Además, se explora la codificación paralela mediante la división de tareas en múltiples pods dentro de un clúster Kubernetes, orquestados a través del broker de mensajes RabbitMQ. Esta estrategia posibilita el procesamiento concurrente de segmentos de vídeo, reduciendo drásticamente los tiempos de codificación y optimizando el uso de recursos, lo que se refleja en una mejora sustancial en la eficiencia operativa del sistema. Por último, se aborda el desafío del live streaming inmersivo en 360 grados mediante un proceso que combina segmentación temporal y espacial (tiling) adaptativo basado en el Field-of-View del usuario. Esta arquitectura híbrida, que emplea técnicas aceleradas por GPU junto con orquestación Serverless, permite mantener los tiempos de procesamiento por debajo de 10 segundos (límite para considerarse live) y optimiza el consumo de ancho de banda, ajustando la calidad del stream según la zona de interés del espectador.
© 2008-2026 Fundación Dialnet · Todos los derechos reservados