5.1.3. Качество обслуживания

С доставкой мультимедийных данных сразу нескольким пользователям связан ряд новых исследовательских проблем. В общем случае, если объем данных велик, доступ к ним и доставка результатов выборки могут стать узкими местами. Однако доступ к большим мультимедийным объектам часто осуществляется в очень предсказуемой манере. Например, видеосервер, доставляющий фильмы в несколько домашних видеосистем, может исходить из предположения, что каждый запрос на последовательный просмотр со стандартной скоростью будет оставаться в силе, пока пользователь не нажмет кнопку "стоп". Предсказуемость позволяет оптимизировать реализацию запросов, причем подобные предположения обычно достаточно хорошо оправдываются.

Доставка мультимедийной информации во многих случаях должна удовлетворять довольно жестким ограничениям. Так, видеофильм должен доставляться с фиксированной скоростью, иначе будет наблюдаться мигание и задержки кадров. Еще более жесткие ограничения накладываются на процесс доставки аудиоинформации, ассоциированной с фильмом. Если неравномерность доставки видеокадров можно компенсировать за счет алгоритмов интерполяции, которые дают достаточно хороший эффект, то для аудиоданных это невозможно. Ситуация усложняется еще и тем, что разные типы аудио- и видеоинформации обладают разной степенью "терпимости" к погрешностям воспроизведения. Так, для видеокурса лекций допустимой может быть скорость доставки 1 кадр в секунду и ниже, поскольку значимым здесь является только изображение записей, которые лектор делает на доске, или слайдов, которые он показывает.

Эти примеры показывают потребность в исследованиях "качества обслуживания". Для каждой формы мультимедийных данных требуется ответить на следующие вопросы.

1. Как обеспечить своевременное и реалистичное представление данных в естественной для них форме?

2. Если система не в состоянии обеспечить ожидаемое качество обсуживания, то каковы допустимые способы частичной компенсации? Возможна ли интерполяция или экстраполяция отдельных видов данных? Следует ли отвергать вновь поступающие запросы и нужно ли отменять уже принятые?

5.1.4. Запросы с нечеткими критериями

Запросы к базе данных традиционно оперируют с четкими понятиями, например: "каков пункт назначения рейса номер 233?" или "каков остаток на счете номер 45678?". Многим новым приложениям приходится иметь дело с запросами, включающими нечетко определенные понятия, которые позволяют находить наилучшее доступное значение из нестрого определенного набора слабо интегрированных ресурсов. Если, допустим, нам захотелось бы получить снятое со спутника изображение заданного района в заданное время, то следовало бы запросить у EOSDIS "наилучшее" в каком-то смысле приближение. Возможно, это будет изображение, включающее данный район и наиболее близкое по времени к интересующему моменту. Для этого требуется выработать новые языки запросов или усовершенствовать существующие языки, включив в них в качестве базовых такие понятия, как степени свободы и желаемая точность приближенного результата.

Имеются экспериментальные системы, которые умеют выбирать из базы данных графические образы на основе таких нечетких характеристик, как цвет, форма, текстура. Системы этого типа потенциально способны по нечеткому описанию содержимого производить выборки в среде графических образов, аудио- и видеоинформации, подобно тому, как существующие системы позволяют выбирать текстовые или числовые данные по значению какого-либо поля. Но реально здесь необходим еще значительный объем исследований.