[논문 리뷰] Modeling QoE of Video Streaming in Wireless Networks with Large-Scale Measurement of User Behavior

Yuedong Xu, Zhujun Xiao외 4명|arXiv (Cornell University)|2016. 04. 06.

Image and Video Quality Assessment참고 문헌 15인용 수 3

한 줄 요약

이 논문은 주요 중국 스트리밍 제공업체로부터 확보한 대규모 사용자 행동 측정 데이터를 활용하여 무선 비디오 스트리밍에서 경험 품질(QoE)을 분석하는 새로운 분석 프레임워크를 제안한다. 이를 통해 시청 시간이 초지수 분포를 따른다는 것이 밝혀졌으며, 이 통찰을 바탕으로 차별적 프로세서 공유(DPS) 환경 하에서 상미분방정식(ODE)을 사용하여 고갈 확률에 대한 닫힌 형태의 수식을 유도하였다. 이를 통해 네트워크 운영자는 짧은 시청과 긴 시청에 대해 서로 다른 방식으로 스케줄링 가중치를 최적화하여 QoE를 향상시킬 수 있다.

ABSTRACT

Unraveling quality of experience (QoE) of video streaming is very challenging in bandwidth shared wireless networks. It is unclear how QoE metrics such as starvation probability and buffering time interact with dynamics of streaming traffic load. In this paper, we collect view records from one of the largest streaming providers in China over two weeks and perform an in-depth measurement study on flow arrival and viewing time that shed light on the real traffic pattern. Our most important observation is that the viewing time of streaming users fits a hyper-exponential distribution quite well. This implies that all the views can be categorized into two classes, short and long views with separated time scales. We then map the measured traffic pattern to bandwidth shared cellular networks and propose an analytical framework to compute the closed-form starvation probability on the basis of ordinary differential equations (ODEs). Our framework can be naturally extended to investigate practical issues including the progressive downloading and the finite video duration. Extensive trace-driven simulations validate the accuracy of our models. Our study reveals that the starvation metrics of the short and long views possess different sensitivities to the scheduling priority at base station. Hence, a better QoE tradeoff between the short and long views has a potential to be leveraged by offering them different scheduling weights. The flow differentiation involves tremendous technical and non-technical challenges because video content is owned by content providers but not the network operators and the viewing time of each session is unknown beforehand. To overcome these difficulties, we propose an online Bayesian approach to infer the viewing time of each incoming flow with the "least" information from content providers.

연구 동기 및 목표

• 주요 중국 스트리밍 제공업체로부터의 대규모 사용자 행동 측정을 통해 모바일 비디오 스트리밍의 실제 트래픽 패턴을 이해하기 위해 노력한다.
• 지속 기간과 인기도가 다양한 비디오 스트림이 공유 대역폭을 사용하는 셀룰러 네트워크에서 버퍼 고갈을 예측하는 문제에 도전한다.
• 네트워크 운영자가 자원 할당에 사용할 수 있는 실용적인 분석 모델—특히 고갈 확률을 포함한 QoE 지표—를 개발한다.
• 콘텐츠 제공업체로부터의 최소한의 정보 교환으로도 짧은 시청과 긴 시청 간의 흐름 차별화를 가능하게 한다.
• 콘텐츠 제공업체로부터의 제한된 입력으로도 온라인에서 시청 시간 유형을 추정할 수 있는 베이지안 추론 방법을 제안한다.

제안 방법

• 주요 중국 스트리밍 제공업체로부터 두 주간의 실제 스트리밍 시청 기록을 수집하여 흐름 도착 및 시청 시간 패턴을 분석하였다.
• 시청 시간이 초지수 분포를 따르며, 시간 척도가 다른 두 가지 유형의 시청—짧은 시청과 긴 시청—이 존재한다는 것을 발견하였다.
• 상미분방정식(ODE)을 사용하여 차별적 프로세서 공유(DPS) 스케줄링 하에서 고갈 확률을 계산하는 분석 모델을 수립하였다.
• 점진적 다운로드 및 유한한 비디오 지속 시간과 같은 실용적 시나리오를 처리하기 위해 기본 모델을 확장하였다.
• 콘텐츠 제공업체로부터의 최소한의 정보를 사용하여 들어오는 흐름의 시청 시간 유형을 온라인에서 추정하는 베이지안 추론 접근법을 제안하였다.
• 실제 트래픽 트레이스를 기반으로 한 괍정적인 추적 기반 시뮬레이션을 통해 모델의 정확성을 검증하였다.

실험 결과

연구 질문

• RQ1 실제 모바일 비디오 스트리밍 환경에서 사용자 시청 시간의 실제 분포는 무엇인가?
• RQ2 시청 시간의 초지수 성격이 공유 대역폭을 사용하는 무선 네트워크에서 버퍼 고갈 확률에 어떤 영향을 미치는가?
• RQ3 실제 트래픽 패턴을 반영한 환경에서 DPS 스케줄링 하에서 고갈 확률에 대한 닫힌 형태의 분석 모델을 유도할 수 있는가?
• RQ4 스케줄링 우선순위는 짧은 비디오 시청과 긴 비디오 시청에 대해 QoE에 어떻게 다르게 영향을 미치는가?
• RQ5 콘텐츠 제공업체가 네트워크 운영자에게 제공할 수 있는 최소한의 정보는 무엇인가, 이를 통해 효과적인 QoE 인식 스케줄링이 가능할 수 있는가?

주요 결과

• 모바일 비디오 스트리밍에서 시청 시간은 초지수 분포로 가장 잘 모델링되며, 이는 짧은 시청과 긴 시청이라는 두 가지 유형의 사용자 집단이 존재함을 시사한다.
• 짧은 시청의 고갈 확률은 긴 시청보다 스케줄링 우선순위에 훨씬 더 민감하게 반응하므로, QoE 향상 조치에 더 효과적으로 반응한다.
• 짧은 시청에 대해 스케줄링 가중치를 2배로 높이면 고갈 위험을 크게 줄일 수 있으나, 긴 시청의 고갈 확률은 약간만 증가한다.
• 제안된 ODE 기반 분석 모델은 추적 기반 시뮬레이션을 통해 고갈 확률 예측에 매우 높은 정확도를 달성하였다.
• 베이지안 추론 접근법을 통해 콘텐츠 제공업체로부터의 최소한의 정보로도 들어오는 흐름을 짧은 시청 또는 긴 시청 유형으로 효과적으로 분류할 수 있었다.
• 이 프레임워크는 일반화 가능하며 점진적 다운로드 및 유한한 비디오 지속 시간을 모델링하는 데도 확장 가능하여 실용적 적용성을 높였다.