[论文解读] A Survey on Energy Consumption and Environmental Impact of Video Streaming

Samira Afzal, Narges Mehran+5 more|arXiv (Cornell University)|Jan 18, 2024

Image and Video Quality Assessment被引用 7

一句话总结

本综述分析了视频流媒体在资源提供阶段和消费阶段的能源使用与碳足迹，提出了能源因素的分类体系，并强调了尚待解决的研究空白、数据集及工具。

ABSTRACT

Climate change challenges require a notable decrease in worldwide greenhouse gas (GHG) emissions across technology sectors. Digital technologies, especially video streaming, accounting for most Internet traffic, make no exception. Video streaming demand increases with remote working, multimedia communication services (e.g., WhatsApp, Skype), video streaming content (e.g., YouTube, Netflix), video resolution (4K/8K, 50 fps/60 fps), and multi-view video, making energy consumption and environmental footprint critical. This survey contributes to a better understanding of sustainable and efficient video streaming technologies by providing insights into the state-of-the-art and potential future directions for researchers, developers, and engineers, service providers, hosting platforms, and consumers. We widen this survey's focus on content provisioning and content consumption based on the observation that continuously active network equipment underneath video streaming consumes substantial energy independent of the transmitted data type. We propose a taxonomy of factors that affect the energy consumption in video streaming, such as encoding schemes, resource requirements, storage, content retrieval, decoding, and display. We identify notable weaknesses in video streaming that require further research for improved energy efficiency: (1) fixed bitrate ladders in HTTP live streaming; (2) inefficient hardware utilization of existing video players; (3) lack of comprehensive open energy measurement dataset covering various device types and coding parameters for reproducible research.

研究动机与目标

• 理解视频流对总体 CO2 排放和能源使用的贡献。
• 识别在资源提供与消费阶段驱动能源消耗的组成部分与因素。
• 调研用于功率、能源和CO2评估的测量方法、估算模型，以及可用的工具/数据集。
• 突出的方法学挑战，并提出实现更可靠、可重复研究的方向。

提出的方法

• 在内容提供与消费的能源相关因素中建立分类法（编码、存储、检索、解码、显示）。
• 对筛选的 889 篇文献中共 56 篇进行系统文献综述，以映射能源影响并识别未解决的问题。
• 总结现有碳足迹估算方法及其权衡、准确性和可靠性。
• 编目用于测量视频流媒体功率、能源和CO2排放的工具与数据集。
• 批判性讨论测量中的可变性与不确定性，并提出未来的研究方向。

Figure 1. Surveyed video streaming components from production to end-user consumption, comprising encoding, storage, retrieval, decoding, and display.

实验结果

研究问题

• RQ1 视频流对总体 CO2 排放的影响是什么？
• RQ2 各个视频流组件如何贡献能源使用和 CO2 排放？
• RQ3 影响每个流组件能源消耗的主要因素是什么？
• RQ4 我们如何估算或测量能源消耗和 CO2 排放？
• RQ5 每个组件现有的能源或 CO2 估算模型是什么，它们的优点、缺点、准确性和可靠性如何？
• RQ6 哪些工具和数据集可以测量视频流的功率、能源和 CO2 排放？

主要发现

• 在 889 篇初始文章中，56 篇被全面综述，涵盖多媒体系统、计算、通信和能源领域。
• 能源消耗和碳足迹随国家电力结构、终端设备、时序以及网络因素而变化，导致跨区域估计差异较大。
• 视频流每小时的 CO2 排放估计范围很广，从大约 36 g/h 到不确定的 77,000 g/h，取决于假设和方法。
• 通过采用可再生能源以及云、边缘和设备的效率提升，可以实现数据增长与能源使用的脱耦。
• 已有工具和数据集的汇编，用于在视频流研究中测量功率、能源和 CO2 排放。
• 关键研究空缺包括 HTTP Live Streaming 的固定比特率阶梯、播放器中硬件利用效率低下，以及缺乏全面开放的能源测量数据集。

Figure 2. Literature selection methodology inspired from (Turner et al . , 2010 ) .