[論文レビュー] Optimized Video Streaming over Cloud: A Stall-Quality Trade-off

Abubakr O. Al-Abbasi, Vaneet Aggarwal|arXiv (Cornell University)|Jun 22, 2018

Image and Video Quality Assessment参考文献 25被引用数 4

ひとこと要約

本稿では、エラー耐性符号化ストレージを用いたクラウドベースの動画配信において、2段階の確率的スケジューリングと品質適応型ストリーミングフレームワークを提案する。凸結合を用いてスタブ時間と動画品質を共同最適化することで、ベースラインと比較して顕著なQoE向上を達成し、実際のクラウドテストベッドで解析的境界が検証された。

ABSTRACT

As video-streaming services have expanded and improved, cloud-based video has evolved into a necessary feature of any successful business for reaching internal and external audiences. In this paper, video streaming over distributed storage is considered where the video segments are encoded using an erasure code for better reliability. There are multiple parallel streams between each server and the edge router. For each client request, we need to determine the subset of servers to get the data, as well as one of the parallel stream from each chosen server. In order to have this scheduling, this paper proposes a two-stage probabilistic scheduling. The selection of video quality is also chosen with a certain probability distribution. With these parameters, the playback time of video segments is determined by characterizing the download time of each coded chunk for each video segment. Using the playback times, a bound on the moment generating function of the stall duration is used to bound the mean stall duration. Based on this, we formulate an optimization problem to jointly optimize the convex combination of mean stall duration and average video quality for all requests, where the two-stage probabilistic scheduling, probabilistic video quality selection, bandwidth split among parallel streams, and auxiliary bound parameters can be chosen. This non-convex problem is solved using an efficient iterative algorithm. Evaluation results show significant improvement in QoE metrics for cloud-based video as compared to the considered baselines.

研究の動機と目的

• クラウドベースの動画ストリーミングシステムにおいて、動画のストール時間の最小化と平均動画品質の最大化という課題に取り組む。
• エラー耐性符号化されたコンテンツからの効率的なデータ取得のため、サーバーと並列ストリームの両方を選択するスケーラブルなスケジューリング戦略を設計する。
• ダウンロード時間の順序統計量のモーメント生成関数を用いて、平均ストール時間のモデル化と境界付与を行う。
• QoEの向上を目的として、確率的スケジューリング、動画品質選択、帯域幅割り当て、補助パラメータを共同最適化する。
• 提案されたフレームワークを実際のクラウドテストベッドで評価し、ベースラインアルゴリズムと比較する。

提案手法

• 2段階の確率的スケジューリングを提案：まずn個のエラー耐性符号化サーバーの中からk個を選択し、その後各選択済みサーバーについてd_j個の並列ストリームのうち1つを選択する。
• 動画品質選択に離散的確率分布を用い、キュー状態とは独立にすることで解析を単純化する。
• 符号化されたチャンクのダウンロード時間を、現実のネットワーク行動を反映するようにずらされた指数分布の確率変数としてモデル化する。
• k個の並列ストリームにおけるダウンロード時間の順序統計量を用いて、動画セグメントの再生時刻を特徴付ける。
• 順序付きダウンロード時間のモーメント生成関数を用いて、平均ストール時間の上界を導出する。
• 平均ストール時間と平均動画品質の凸結合を最小化する非凸最適化問題を定式化し、効率的な反復アルゴリズムで解く。

実験結果

リサーチクエスチョン

• RQ1 エラー耐性符号化クラウドストレージ環境において、2段階の確率的スケジューリング戦略は、どのようにストール時間を最小化しつつ高い動画品質を維持できるか？
• RQ2 並列ストリームの割り当てと品質選択は、平均ストール時間と平均動画品質にどのような影響を与えるか？
• RQ3 順序統計量とモーメント生成関数を用いて、平均ストール時間の取り扱い可能な解析的境界を導出できるか？
• RQ4 最適化パrameter θ の変化に伴い、平均ストール時間と平均動画品質のトレードオフはどのように変化するか？
• RQ5 実世界のクラウドテストベッド環境において、提案されたアルゴリズムは既存のベースラインをどの程度上回るか？

主な発見

• 提案されたアルゴリズムは、PSP-QTB、PEA-QTB、PEB-QTAといったベースライン手法と比較して、平均ストール時間を顕著に短縮しており、解析的境界が実際のテストベッド測定値とよく一致している。
• d_j < 50 の範囲では、並列ストリーム数の増加に伴い平均ストール時間が急激に減少するが、平均動画品質の向上はわずかである。
• d_j > 50 の範囲では、平均ストール時間が0のまま維持され、平均動画品質が著しく向上するため、閾値を超えるとリターンの逓減が顕著に現れる。
• 最適化パrameter θ を用いることで、平均ストール時間と平均動画品質のトレードオフが効果的に調整可能であり、サービスプロバイダーが望むQoEレベルを選択可能となる。
• 500人の同時ユーザー、(5,3)エラー耐性符号化、8秒のセグメント長を想定したテストベッド評価により、解析モデルが現実の性能をよく予測することが確認された。
• 平均ストール時間と平均動画品質の両面で、すべての検討されたベースラインを上回る性能を示しており、クラウド環境における堅牢性とスケーラビリティが実証された。