随着云计算的推广，视频服务提供商开始把视频数据和应用服务迁移到云平台上来。尽管与传统的硬件平台相比，云平台有很多优势，但仍需要新的技术来使得它被充分利用开发以适应视频点播服务。
　　云平台上通常有两种资源优化调度方法：一种方法以云服务器为调度粒度，另一种方法以视频频道为调度粒度。前者主要注重调整云服务器或虚拟机(VM)的位置和其所拥有资源的数量，而后者则注重于动态的管理视频频道和从他们出发的视频流。对基于视频频道的调度方法而言，它们可以更灵活地在云平台上管理云数据中心的视频频道（相对于基于云服务器的调度算法），但目前这类方法缺乏一种合理的资源调度策略来提高他们的数据可用性和局部访问性。
　　武汉光电国家实验室信息存储与光显示功能实验室周可教授研究组对云资源调度、数据放置、服务质量约束、云系统开销等问题建立综合数学模型，并证明对该模型的求解是NP难的。然后针对这个模型提出可行的分布式求解算法DREAM（-L），并从实验和理论两个方面分析其时间和通信复杂度。实验证明该求解算法不仅能够很好的保证云平台对视频点播应用做出的服务等级承诺：包括数据可用性，访问局部性及用户观影质量；而且极大的降低了云平台开销，测试表明DREAM算法的总开销比Per-DC算法降低了49%，比Optimal Load Direction算法降低了41%；DREAM-L比Per-DC算法降低了22%，比Optimal Load Direction算法降低了10%。研究工作全文发表在Proceedings of Infocom 2014。
　　该研究工作得到国家自然科学基金重点项目（No. 61232004）、国家重点基础研究计划项目课题（No. 2011CB302305）的资助。