[论文解读] Network Characteristics of Video Streaming Traffic

Ashwin Rao, Yeon-sup Lim+4 more|arXiv (Cornell University)|Nov 3, 2011

Caching and Content Delivery参考文献 14被引用 70

一句话总结

本文基于应用类型（网页浏览器与移动应用）和容器（Flash、HTML5、Silverlight）分析了Netflix和YouTube使用的三种不同视频流媒体策略——从批量TCP传输到非确认时钟触发的开关周期——并提出数学模型以分析聚合流量影响，表明更高的视频编码速率可使聚合流量更平滑，且缓冲参数可减少用户中断导致的带宽浪费。

ABSTRACT

Video streaming represents a large fraction of Internet traffic. Surprisingly, little is known about the network characteristics of this traffic. In this paper, we study the network characteristics of the two most popular video streaming services, Netflix and YouTube. We show that the streaming strategies vary with the type of the application (Web browser or native mobile application), and the type of container (Silverlight, Flash, or HTML5) used for video streaming. In particular, we identify three different streaming strategies that produce traffic patterns from non-ack clocked ON-OFF cycles to bulk TCP transfer. We then present an analytical model to study the potential impact of these streaming strategies on the aggregate traffic and make recommendations accordingly.

研究动机与目标

• 表征Netflix和YouTube在不同应用和容器配置下的网络级流量行为。
• 识别并分类显著改变流量模式的流媒体策略，包括从批量TCP到非确认时钟触发的开关周期。
• 开发聚合视频流媒体流量的随机模型，以指导网络规划与流量工程。
• 量化因用户兴趣不足导致的中断对带宽浪费的影响，并推荐最优缓冲与累积参数。
• 评估技术采用转变（如Flash转向HTML5、移动应用增长）对大规模网络流量特征的影响。

提出的方法

• 使用自定义工具开展主动测量活动，捕获YouTube和Netflix在不同客户端（网页浏览器、移动应用）和容器（Flash、HTML5、Silverlight）下的TCP层流量。
• 基于观测到的开关模式、缓冲行为和速率控制机制对流媒体策略进行分类，识别出三种不同类型：批量TCP、非确认时钟触发和混合策略。
• 利用更新理论开发聚合视频流量的随机模型，将视频会话建模为包含缓冲和播放阶段的周期性过程。
• 推导关键方程（如公式(8)和(9)），用于计算因用户中断导致的预期带宽浪费，整合缓冲大小、数据速率和观看时长等因素。
• 利用模型评估编码速率、缓冲大小和累积比率等参数对流量平滑度与带宽效率的影响。
• 将模型预测结果与真实流量痕迹对比，验证其在捕捉聚合流量行为方面的准确性。

实验结果

研究问题

• RQ1 Netflix和YouTube使用的流媒体策略如何根据客户端应用（网页与移动）和容器（Flash、HTML5、Silverlight）而变化？
• RQ2 不同流媒体策略的基本网络流量特征是什么？它们与标准TCP行为有何差异？
• RQ3 因用户兴趣不足导致的中断如何影响视频流媒体中的带宽浪费量？
• RQ4 视频编码速率和缓冲参数对聚合视频流量平滑度与效率有何影响？
• RQ5 网络运营商如何利用所提出的模型进行基础设施规划与视频流媒体流量工程优化？

主要发现

• 识别出三种不同的流媒体策略：类似批量TCP的传输、非确认时钟触发的开关周期和混合策略，每种均产生根本不同的流量模式。
• 流媒体策略的选择强烈依赖于客户端应用和容器类型——移动应用和HTML5采用比网页浏览器或Flash更激进的速率控制机制。
• 更高的视频编码速率可使聚合流量更平滑，即使总数据速率线性增加。
• 模型表明，优化缓冲大小和累积比率可显著减少用户中断导致的未使用数据量，其中公式(9)量化了预期的带宽浪费。
• 从Flash转向HTML5或移动应用使用量的增加可能因流媒体行为差异而显著改变网络流量特征。
• 该模型能准确预测聚合流量行为，可用于指导视频流媒体服务的网络规划与资源分配。