Literatura académica sobre el tema "Streaming adaptatif HTTP"

Recently, HTTP streaming has become very popular for delivering videos over the Internet. For adaptivity, a provider should generate multiple versions of a video as well as the related metadata. Various adaptation methods have been proposed to support a streaming client in coping with strong bandwidth variations. However, most of existing methods target at constant bitrate (CBR) videos only. In this paper, we present a new method for quality adaptation in on-demand streaming of variable bitrate (VBR) videos. To cope with strong variations of VBR bitrate, we use a local average bitrate as the representative bitrate of a version. A buffer-based algorithm is then proposed to conservatively adapt video quality. Through experiments in the mobile streaming context, we show that our method can provide quality stability as well as buffer stability even under very strong variations of bandwidth and video bitrates.

Video streaming is predicted to become the dominating traffic in mobile broadband networks. At the same time, adaptive HTTP streaming is developing into the preferred way of streaming media over the Internet. In this paper, we evaluate how different components of a streaming system can be optimized when serving content to mobile devices in particular. We first analyze the media traffic from a Norwegian network and media provider. Based on our findings, we outline benefits and challenges for HTTP streaming, on the sender and the receiver side, and we investigate how HTTP-based streaming affects server performance. Furthermore, we discuss various aspects of efficient coding of the video segments from both performance and user perception point of view. The final part of the paper studies efficient adaptation and delivery to mobile devices over wireless networks. We experimentally evaluate and improve adaptation strategies, multilink solutions, and bandwidth prediction techniques. Based on the results from our evaluations, we make recommendations for how an adaptive streaming system should handle mobile devices. Small changes, or simple awareness of how users perceive quality, can often have large effects.

Due to the fact that proxy-driven proxy cache management and the client-driven streaming solution of Dynamic Adaptive Streaming over HTTP (DASH) are two independent processes, some difficulties and challenges arise in media data management at the proxy cache and rate adaptation at the DASH client. This paper presents a novel client-driven joint proxy cache management and DASH rate adaptation method, named CLICRA, which moves prefetching intelligence from the proxy cache to the client. Based on the philosophy of CLICRA, this paper proposes a rate adaptation algorithm, which selects bitrates for the next media segments to be requested by using the predicted buffered media time in the client. CLICRA is realized by conveying information on the segments that are likely to be fetched subsequently to the proxy cache so that it can use the information for prefetching. Simulation results show that the proposed method outperforms the conventional segment-fetch-time-based rate adaptation and the proxy-driven proxy cache management significantly not only in streaming quality at the client but also in bandwidth and storage usage in proxy caches.

HTTP adaptive streaming (HAS) has become a dominated media streaming paradigm in today’s Internet, which enriches the user’s experience by matching the video quality with the dynamic network conditions. A range of HAS mechanisms have been proposed to enhance the Quality of Experience (QoE). However, existing mechanisms ignore the environmental impact in the QoE evaluation of mobile users, while the popularity of mobile video allows users to watch videos in diversified scenarios. In this paper, we propose an environment-aware HAS scheme that fully concentrates on the different criteria for evaluating video QoE under different environments. Using the advantage of the sensors in mobile phones, the scheme constructs and validates a video QoE model based on environment perception and then designs a model-driven, environment-aware HAS rate adaptation algorithm. We also evaluate the scheme with an environment-aware DASH (Dynamic Adaptive Streaming over HTTP) player in real mobile environments. Compared to the benchmark HAS mechanism, the experimental results demonstrate that our scheme can provide appropriate differentiated rate adaptation for different environments, resulting in a higher QoE.

Recently, HyperText Transfer Protocol (HTTP) based adaptive streaming (HAS) has been proposed as a solution for efficient use of network resources. HAS performs rate adaptation that adjusts the video quality according to the network conditions. The conventional approaches for rate adaptation involve accurately estimating the available bandwidth or exploiting the playback buffer in HAS clients rather than estimating the network bandwidth. In this paper, we present a playback buffer model for rate adaptation and propose a new buffer-based rate adaptation scheme. First, we model the playback buffer as a queueing system that stores video segments. The proposed scheme selects the next video bitrate that minimizes the difference between the current buffer occupancy and the expected value from the playback buffer model. The evaluation results indicated that the proposed scheme achieves higher video quality than conventional algorithms and can cope with various environments without the tuning of the configuration parameters.

Le streaming adaptatif HTTP est une technologie récente dans les communications multimédia, utilisant notamment le standard MPEG-DASH. L'un des principaux problèmes dans le déploiement des services de streaming en direct est la réduction de plusieurs types de latence tel que le délai de démarrage et la latence de bout en bout. Dans cette thèse, nous abordons le problème de ces latences dans les services de streaming en direct utilisant MPEG-DASH. Tout d'abord, nous examinons les causes du délai de démarrage dans les systèmes MPEG-DASH et les stratégies communes pour réduire ce délai. Nous proposons une nouvelle méthode basée sur HTTP / 1.1 qui est compatible avec les infrastructures Web existantes. Deuxièmement, nous étudions les principaux composants qui sont à l’origine de la latence totale, nous proposons un système de streaming en direct à faible latence. Troisièmement, nous montrons comment un système de streaming en direct utilisant MPEG-DASH et à faible latence peut être combiné avec un système utilisant un réseau Broadcast. Notre approche proposée garantit la synchronisation des deux contenus transmis via deux réseaux de distribution DASH et broadcast
HTTP adaptive streaming is a recent topic in multimedia communications with on-going standardization activities, especially with the MPEG-DASH standard which covers on demand and live services. One of the main issues in live services deployment is the reduction of various latencies, the initial delay before the playback and the overall end-to-end latency. In this thesis, we address the problem of these latencies in live DASH streaming. First, we review the causes of startup delay in DASH and common strategies used to reduce this delay. We propose a new method based on HTTP/1.1 and compatible with existing caching and delivery infrastructures for reducing the initial setup of an MPEG-DASH session. Second, we investigate the major contributor components to the end-to-end latency. We propose a complete novel low latency live DASH streaming system. Third, we show how such a low latency live DASH system can be used to enable combined broadcast and broadband services while keeping the client buffering requirements on the broadcast link low. Our proposed approach insures two functionalities: synchronization of both contents delivered through different distribution networks and keeping the client buffering requirements on the broadcast link low

Le streaming adaptatif sur HTTP, désigné par HAS, est une technique de streaming vidéo largement déployée sur Internet. Elle utilise TCP comme protocole de transport. Elle consiste à segmenter la vidéo stockée sur un serveur web en petits segments indépendants de même durée de lecture et transcodés à plusieurs niveaux de qualité, désignés par "chunks". Le player, du côté du client HAS, demande périodiquement un nouveau chunk. Il sélectionne le niveau de qualité en se basant sur l’estimation de la bande passante du/des chunk(s) précédent(s). Étant donné que chaque client HAS est situé au sein d’un réseau d’accès, notre étude traite un cas fréquent dans l’usage quotidien: lorsque plusieurs clients partagent le même lien présentant un goulot d’étrangement et se trouvent en compétition sur la bande passante. Dans ce cas, on signale une dégradation de la qualité d’expérience (QoE) des utilisateurs de HAS et de la qualité de service (QoS) du réseau d’accès. Ainsi, l’objectif de cette thèse est d’optimiser le protocole TCP pour résoudre ces dégradations de QoE et QoS. Notre première contribution propose une méthode de bridage du débit HAS au niveau de la passerelle. Cette méthode est désignée par "Receive Window Tuning Method" (RWTM): elle utilise le principe de contrôle de flux de TCP et l’estimation passive du RTT au niveau de la passerelle. Nous avons comparé les performances de RWTM avec une méthode récente implémentée à la passerelle qui utilise une discipline particulière de gestion de la file d’attente, qui est désignée par "Hierarchical Token Bucket shaping Method" (HTBM). Les résultats d’évaluations indiquent que RWTM offre une meilleure QoE et une meilleure QoS de réseau d’accès que HTBM. Notre deuxième contribution consiste à mener une étude comparative combinant deux méthodes de bridages, RWTM et HTBM, avec quatre variantes TCP largement déployées, NewReno, Vegas, Illinois et Cubic. Les résultats d'évaluations montrent une discordance importante entre les performances des différentes combinaisons. De plus, la combinaison qui améliore les performances dans la majorité des scénarios étudiés est celle de RWTM avec Illinois. En outre, une mise à jour efficace de la valeur du paramètre "Slow Start Threshold", sthresh, peut accélérer la vitesse de convergence du player vers la qualité optimale. Notre troisième contribution propose une nouvelle variante de TCP adaptée aux flux HAS, qu’on désigne par TcpHas; c’est un algorithme de contrôle de congestion de TCP adapté aux spécifications de HAS. TcpHas estime le niveau de la qualité optimale du flux HAS en se basant sur l’estimation de la bande passante de bout en bout. Ensuite, TcpHas applique un bridage au trafic HAS en fonction du débit d’encodage du niveau de qualité estimé. TcpHas met à jour ssthresh pour accélérer la vitesse de convergence. Une étude comparative a été réalisée avec la variante Westwood+. Les résultats d’évaluations montrent que TcpHas est plus performant que Westwood+
HTTP adaptive streaming (HAS) is a streaming video technique widely used over the Internet. It employs Transmission Control Protocol (TCP) as transport protocol and it splits the original video inside the server into segments of same duration, called "chunks", that are transcoded into multiple quality levels. The HAS player, on the client side, requests for one chunk each chunk duration and it commonly selects the quality level based on the estimated bandwidth of the previous chunk(s). Given that the HAS clients are located inside access networks, our investigation involves several HAS clients sharing the same bottleneck link and competing for bandwidth. Here, a degradation of both Quality of Experience (QoE) of HAS users and Quality of Service (QoS) of the access network are often recorded. The objective of this thesis is to optimize the TCP protocol in order to solve both QoE and QoS degradations. Our first contribution consists of proposing a gateway-based shaping method, that we called Receive Window Tuning Method (RWTM); it employs the TCP flow control and passive round trip time estimation on the gateway side. We compared the performances of RWTM with another gateway-based shaping method that is based on queuing discipline, called Hierarchical Token Bucket shaping Method (HTBM). The results of evaluation indicate that RWTM outperforms HTBM not only in terms of QoE of HAS but also in terms of QoS of access network by reducing the queuing delay and significantly reducing packet drop rate at the bottleneck.Our second contribution consists of a comparative evaluation when combining two shaping methods, RWTM and HTBM, and four very common TCP variants, NewReno, Vegas, Illinois and Cubic. The results show that there is a significant discordance in performance between combinations. Furthermore, the best combination that improves performances in the majority of scenarios is when combining Illinois variant with RWTM. In addition, the results reveal the importance of an efficient updating of the slow start threshold value, ssthresh, to accelerate the convergence toward the best feasible quality level. Our third contribution consists of proposing a novel HAS-based TCP variant, that we called TcpHas; it is a TCP congestion control algorithm that takes into consideration the specifications of HAS flow. Besides, it estimates the optimal quality level of its corresponding HAS flow based on end-to-end bandwidth estimation. Then, it permanently performs HAS traffic shaping based on the encoding rate of the estimated level. It also updates ssthresh to accelerate convergence speed. A comparative performance evaluation of TcpHas with a recent and well-known TCP variant that employs adaptive decrease mechanism, called Westwood+, was performed. Results indicated that TcpHas largely outperforms Westwood+; it offers better quality level stability on the optimal quality level, it dramatically reduces the packet drop rate and it generates lower queuing delay

Le trafic vidéo a subi une augmentation fulgurante sur Internet ces dernières années. Pour pallier à cette importante demande de contenu vidéo, la technologie du streaming adaptatif sur HTTP est utilisée. Elle est devenue par ailleurs très populaire car elle a été adoptée par les différents acteurs du domaine de la vidéo streaming. C’est une technologie moins couteuse qui permet aux fournisseurs de contenu, la réutilisation des serveurs web et des caches déjà déployés. En plus, elle est exempt de tout blocage car elle traverse facilement les pare-feux et les translations d’adresses sur Internet. Dans cette thèse, nous proposons une nouvelle méthode de vidéo streaming adaptatif appelé “Backward-Shifted Coding (BSC)”. Il se veut être une solution complémentaire au standard DASH, le streaming adaptatif et dynamique utilisant le protocole HTTP. Nous allons d’abord décrire ce qu’est la technologie BSC qui se base sur le codec (encodeur décodeur) à multi couches SVC, un algorithme de compression extensible ou évolutif. Nous détaillons aussi l’implémentation de BSC dans un environnement DASH. Ensuite,nous réalisons une évaluation analytique de BSC en utilisant des résultats standards de la théorie des files d’attente. Les résultats de cette analyse mathématique montrent que le protocole BSC permet de réduire considérablement le risque d’interruption de la vidéo pendant la lecture, ce dernier étant très pénalisant pour les utilisateurs. Ces résultats vont nous permettre de concevoir des algorithmes d’adaptation de qualité à la bande passante en vue d’améliorer l’expérience utilisateur. Ces algorithmes permettent d’améliorer la qualité de la vidéo même étant dans un environnement où le débit utilisateur est très instable.La dernière étape de la thèse consiste à la conception de stratégies de caching pour optimiser la transmission de contenu vidéo utilisant le codec SVC. En effet, dans le réseau, des serveurs de cache sont déployés dans le but de rapprocher le contenu vidéo auprès des utilisateurs pour réduire les délais de transmission et améliorer la qualité de la vidéo. Nous utilisons la programmation linéaire pour obtenir la solution optimale de caching afin de le comparer avec nos algorithmes proposés. Nous montrons que ces algorithmes augmentent la performance du système tout en permettant de décharger les liens de transmission du réseau cœur
Due to the growth of video traffic over the Internet in recent years, HTTP AdaptiveStreaming (HAS) solution becomes the most popular streaming technology because ithas been succesfully adopted by the different actors in Internet video ecosystem. Itallows the service providers to use traditional stateless web servers and mobile edgecaches for streaming videos. Further, it allows users to access media content frombehind Firewalls and NATs.In this thesis we focus on the design of a novel video streaming delivery solutioncalled Backward-Shifted Coding (BSC), a complementary solution to Dynamic AdaptiveStreaming over HTTP (DASH), the standard version of HAS. We first describe theBackward-Shifted Coding scheme architecture based on the multi-layer Scalable VideoCoding (SVC). We also discuss the implementation of BSC protocol in DASH environment.Then, we perform the analytical evaluation of the Backward-Sihifted Codingusing results from queueing theory. The analytical results show that BSC considerablydecreases the video playback interruption which is the worst event that users can experienceduring the video session. Therefore, we design bitrate adaptation algorithms inorder to enhance the Quality of Experience (QoE) of the users in DASH/BSC system.The results of the proposed adaptation algorithms show that the flexibility of BSC allowsus to improve both the video quality and the variations of the quality during thestreaming session.Finally, we propose new caching policies to be used with video contents encodedusing SVC. Indeed, in DASH/BSC system, cache servers are deployed to make contentsclosed to the users in order to reduce network latency and improve user-perceived experience.We use Linear Programming to obtain optimal static cache composition tocompare with the results of our proposed algorithms. We show that these algorithmsincrease the system overall hit ratio and offload the backhaul links by decreasing thefetched content from the origin web servers

Grâce à l'évolution des technologies des Réseaux et des dispositifs mobiles (téléphones, tablettes), les utilisateurs sont amenés à utiliser de plus en plus de services à forte consommation de bande passante, comme le streaming vidéo. Selon un report de CISCO, en 2017, le streaming vidéo mobile représentait 58% du trafic de données mobile mondial, un pourcentage qui devrait atteindre 79% d’ici 2022. Ce trafic est principalement constitué de vidéo à la demande (VoD) sur HTTP Adaptive Streaming (HAS), qui est désormais une technologie incontournable des dispositifs mobiles. Les solutions HAS utilisent des algorithmes d’adaptation de débit, qui ajustent de manière transparente le débit du flux multimédia pour compenser les conditions changeantes du réseau. Néanmoins, la transmission vidéo sur les réseaux mobiles fait toujours face à des défis importants car ces réseaux se caractérisent par une variation continuelle du débit, principalement attribuable aux effets physiques associés à la propagation radio ainsi qu’à la mobilité des utilisateurs (interruptions de session). L’objectif est de traiter ces défis de la diffusion vidéo dans les réseaux mobiles et de proposer des solutions optimisées sous deux perspectives distinctes. Dans la perspective des fournisseurs de services vidéo Over the Top (OTT), nous proposons de nouveaux algorithmes d’adaptation du débit mobile; tandis que, dans la perspective des vendeurs d’équipements de télécommunication et des opérateurs réseau, nous explorons les avantages que la collecte du trafic HAS et de son analyse peuvent apporter à la gestion du réseau. Plus précisément, lors de l’évaluation des performances de systèmes HAS actuels, nous avons identifié 3 problèmes : [1] concerne les données d’entrée qui pilotent les algorithmes d’adaptation de débit. Bien que plusieurs algorithmes d’adaptation de débit aient été introduits pour améliorer la qualité d’expérience (QoE) de l’utilisateur, seuls quelques-uns exploitent les informations provenant des couches inférieures et des capteurs actuellement disponibles sur tous les appareils mobiles modernes. Au contraire, la plupart des techniques d’adaptation de débit reposent sur une estimation de ce dernier ou sur d’autres mesures disponibles à niveau application, telles que la quantité de données pré-chargées. Dans cette direction, nous proposons une nouvelle solution d’adaptation de débit basée sur le contexte et intégrant les informations des capteurs du téléphone. [2] Concerne les fournisseurs de services video OTT. La plupart des algorithmes d’adaptation de débit existants dépendent de modèles statistiques et se heurtent donc à des difficultés quand il est nécessaire de généraliser de manière appropriée ces modèles en dehors des scénarios prévus lors de la modélisation statistique.Nous proposons un nouvel algorithme d’adaptation du débit basé sur l’apprentissage en ligne, qui fonctionne bien sur un large éventail de scénarios de streaming. Cela ne nécessite aucun réglage de paramètre, aucune modification en fonction du type d’application ou des hypothèses statistiques pour le canal.[3] Concerne l’absence de jeux de données disponibles et actualisés pour le trafic du streaming vidéo mobile. Afin de mieux comprendre le trafic HAS et d’obtenir des données fiables qui permettraient aux opérateurs d’optimiser leurs réseaux, nous avons mené une vaste campagne expérimentale visant à collecter des informations sur plusieurs couches à partir du trafic en streaming. L’ensemble de données qui en résulte est mis à la disposition de la communauté académique et industrielle, les données étant enregistrées aux niveaux réseau, transport et application.Nous avons aussi enregistré les données du streaming vidéo sur QUIC. Enfin, nous avons utilisé ces données pour concevoir une nouvelle technique de profilage de trafic, basée sur l’apprentissage automatique, et qui fournit une estimation des paramètres du système HAS à partir de mesures ”passives” uniquement
As mobile networking technology is experiencing perpetual evolution and the computing capabilities of mobile devices are being constantly enhanced, the demand for bandwidth-intensive mobile multimedia consumption is currently experiencing an unprecedented surge. In 2017, mobile video streaming accounted for 58% of the global mobile data traffic, a percentage that is projected to reach a striking 79% by 2022. Most of this traffic is Video on Demand (VoD) over HTTP Adaptive Streaming (HAS), which undoubtedly becomes fast an integral part of the mobile client’s life. HAS solutions employ rate adaptation algorithms, that seamlessly adjust the rate of the media stream, to compensate for changing network conditions. Most notably, Dynamic Adaptive Streaming over HTTP (DASH) is a standard for HAS, that uses existing web server infrastructure and is now the dominant solution for video delivery. Nonetheless, video delivery over mobile networks still faces substantial challenges, primarily in mobile networks, that are commonly characterized by throughput variation; primarily attributed to physical effects associated with radio propagation, along with shortterm session interruptions attributed to user mobility. Depending on the current user location, channel degradation can have a detrimental impact on user Quality of Experience (QoE). The scope of this dissertation is to treat these challenges of video delivery in mobile networks and expedite its optimization, under two distinct perspectives. Under the perspective of Over the Top (OTT) video service providers, we propose new mobile rate adaptation algorithms; whereas, under the perspective of telecommunication equipment vendors and network service operators, we explore the merits of HAS traffic collection and its analysis, on network management. Upon conducting a performance evaluation of stateof- the-art HAS schemes, we have identified 3 open issues in the current state of HAS. The first issue concerns the type of input that drives the rate adaptation logic. Although several rate adaptation algorithms have been introduced in order to improve user QoE, only few leverage cross-layer and sensor information that is nowadays readily available in all modern mobile devices, while most rely on either throughput estimation or application-level readings, such as the amount of pre-fetched data. In that direction, we propose a new context-aware rate adaptation solution, that incorporates cellular sensor information into the rate adaptation process. The second open issue concerns OTT video service providers, who are continuously expanding their services to include more diverse user classes, network scenarios, and streaming applications. Most existing rate adaptation algorithms depend on statistical models for the unknowns and thus face complications at generalizing appropriately well beyond a certain scope of usage. To mitigate this limitation, we propose a novel rate adaptation algorithm based on online learning, that performs well over a wide spectrum of streaming scenarios due to its design principle; its ability to learn. It does so without requiring any parameter tuning, modifications according to application type or statistical assumptions for the channel. Last, the third open issue regards the absence of available data-sets for up-to-date mobile video streaming traffic. To better understand HAS traffic and also in order to obtain reliable data that would ultimately enable operators to optimize their networks, we conduct an extensive experimental campaign to collect crosslayer information from streaming traffic. The resulting data-set is made publicly available, with data recorded at the transport, network and application layer; capturing video streaming traffic over QUIC, for the first time. Additionally, we use this data-set to design a novel traffic profiling solution, based on machine learning, that estimates parameters of HAS applications from passive measurements

Le trafic de vidéo streaming étant en très forte augmentation dans les réseaux mobiles, il devient essentiel pour les opérateurs de tenir compte des spécificités de ce trafic pour bien dimensionner et configurer le réseau. Dans cette thèse, nous nous intéressons à la modélisation du trafic de vidéo streaming dans les réseaux mobiles. Pour le trafic de vidéo streaming en temps-réel, nous obtenons une forme analytique pour une métrique de qualité de service (QoS) importante, le taux de perte de paquets, et utilisons ce modèle à faire du dimensionnement. Pour le trafic de vidéo streaming de type HTTP adaptatif, nous proposons et analysons d’autres métriques de QoS comme le bitrate moyen, le taux de déficit vidéo et le surplus de buffer, afin de trouver le bon compromis entre résolution de la vidéo et fluidité de la diffusion vidéo. Nous étudions par simulation l’impact de quelque paramètres clés du systéme. Nous montrons que l’utilisation de segments de vidéo courts, d’un nombre réduit d’encodages vidéos et de l’ordonnancement de type round robin améliore la fluidité de la vidéo tout en diminuant sa résolution. Nous proposons par ailleurs d’adapter le nombre des segments téléchargés dans une requête HTTP de sorte que chaque requête corresponde au même volume de données. Enfin, nous appliquons les techniques de l’apprentissage automatique pour analyser la corrélation entre les caracteristiques du système et la qualité d’expérience (QoE) des utilisateurs
As the traffic of video streaming increases significantly in mobile networks, it is essential for oper- ators to account for the features of this traffic when dimensioning and configuring the network. The focus of this thesis is on traffic models of video streaming in mobile networks. For real-time video streaming traffic, we derive an analytical form for an important Quality-of-Service (QoS) metric, the packet outage rate, and utilize the model for dimensioning. For HTTP adaptive video streaming traffic, we propose and evaluate other QoS metrics such as the mean video bit rate, the deficit rate and the buffer surplus, so as to find the good trade-off between video resolution and playback smoothness. We study by simulation the impacts of some key parameters of the system. We show that using smaller chunk durations, fewer video coding rates and round-robin scheduling may provide a smoother video playback but decrease the mean video resolution. We also propose to adapt the number of chunks downloaded in an HTTP request so that each HTTP request has the same data volume. Finally, we apply machine learning techniques to analyze the correlation between system characteristics and the quality of experience (QoE) of users

Dans cette thèse, nous proposons des solutions pour le chargement progressif et le rendu adaptatif de vastes terrains. Cela peut servir notamment à visualiser la Terre en 3D sur un ordinateur en chargeant les données depuis une immense base de données via un réseau. Dans la première partie de cette thèse, nous introduisons une solution générique pour manipuler des cartes d'échantillons de taille quelconque depuis un serveur jusqu'à un système de rendu client. Nos méthodes s'adaptent aux performances du réseau et du rendu et évitent de traiter des données redondantes. Dans une deuxième partie, nous utilisons cette solution pour permettre le rendu 3D temps réel de vastes terrains texturés. De plus, nous supportons des terrains planétaires et réduisons les incohérences visuelles dues à la projection cartographique et à la précision du rendu. Enfin, nous proposons des algorithmes permettant de créer des bases de données serveur à partir d'immenses cartes d'échantillons.

Le live streaming consiste en la distribution d’un flux de données multimédias (vidéo et audio) en direct vers une large audience par le biais d’un réseau d’ordinateurs. L’approche traditionnelle client-serveur souffre d’un goulot d’étranglement au niveau de la bande passante remontante du serveur, dont la consommation augmente de façon linéaire avec le nombre d’usagers. Une approche pair-à-pair (P2P) a l’énorme avantage de permettre le passage à l’échelle du système jusqu’à une taille arbitraire, puisque chaque nœud qui reçoit le flux vidéo peut apporter ses ressources au réseau au même temps qu’il en consomme. En théorie, au cas où chaque nœud apporterait en moyenne la même quantité d’upload qu’il consomme, le système pourrait s’accroître indéfiniment. Ce travail présente et évalue les performances de PULSE, un système de streaming en direct adapté aux exigences pratiques d’un déploiement à large échelle sur l’Internet. PULSE utilise un réseau maillé non structuré et applique des mécanismes locaux d’incitation au partage en tant que critères pour le choix des nœuds avec qui établir des associations. L’aspect le plus innovant de PULSE est l’introduction d’un mécanisme qui combine l’incitation avec une boucle de rétroaction basée sur les délais de réception, qui mène à la formation de clusters parmi les nœuds qui partagent la même quantité de ressources. Exploitant cette organisation émergente et utilisant des mesures de latence de bout en bout pour estimer la proximité entre nœuds, PULSE peut supporter un large éventail de scénarios réels où les ressources sont rares et distribuées de façon hétérogène, avec une large population d’usagers au comportement dynamique
Live Streaming consists in distributing live media (video and audio) to large audiences over a computer network. The traditional client-server approach to live streaming has a serious scalability limit, as the upload capacity requirement at the server grows linearly with the user population. A P2P solution has the big advantage of seamlessly scaling to arbitrary population sizes, as every node that receives the video, while consuming resources, can at the same time offer its own upload bandwidth to serve other nodes. In theory, if every node contributed on average at least as much as it consumed, the P2P system would have enough resources to grow indefinitely. This work presents and evaluates PULSE, a practical P2P live streaming system intended for large-scale deployment over the Internet. PULSE uses an unstructured mesh-based design and relies on local pairwise incentives as its peer selection mechanism. The most innovative feature of PULSE is the unique coupling of incentives with feedback derived from data reception, which leads to the emergence of clusters that regroup nodes with similar resources. By exploiting this intrinsic clustering phenomenon and by leveraging latency measurements to estimate network locality, PULSE is capable to successfully operate in a wide range of resource-constrained real world scenarios and to support dynamic user populations and heterogeneous node upload capacities

Le trafic de vidéo streaming étant en très forte augmentation dans les réseaux mobiles, il devient essentiel pour les opérateurs de tenir compte des spécificités de ce trafic pour bien dimensionner et configurer le réseau. Dans cette thèse, nous nous intéressons à la modélisation du trafic de vidéo streaming dans les réseaux mobiles. Pour le trafic de vidéo streaming en temps-réel, nous obtenons une forme analytique pour une métrique de qualité de service (QoS) importante, le taux de perte de paquets, et utilisons ce modèle à faire du dimensionnement. Pour le trafic de vidéo streaming de type HTTP adaptatif, nous proposons et analysons d’autres métriques de QoS comme le bitrate moyen, le taux de déficit vidéo et le surplus de buffer, afin de trouver le bon compromis entre résolution de la vidéo et fluidité de la diffusion vidéo. Nous étudions par simulation l’impact de quelque paramètres clés du systéme. Nous montrons que l’utilisation de segments de vidéo courts, d’un nombre réduit d’encodages vidéos et de l’ordonnancement de type round robin améliore la fluidité de la vidéo tout en diminuant sa résolution. Nous proposons par ailleurs d’adapter le nombre des segments téléchargés dans une requête HTTP de sorte que chaque requête corresponde au même volume de données. Enfin, nous appliquons les techniques de l’apprentissage automatique pour analyser la corrélation entre les caracteristiques du système et la qualité d’expérience (QoE) des utilisateurs
As the traffic of video streaming increases significantly in mobile networks, it is essential for oper- ators to account for the features of this traffic when dimensioning and configuring the network. The focus of this thesis is on traffic models of video streaming in mobile networks. For real-time video streaming traffic, we derive an analytical form for an important Quality-of-Service (QoS) metric, the packet outage rate, and utilize the model for dimensioning. For HTTP adaptive video streaming traffic, we propose and evaluate other QoS metrics such as the mean video bit rate, the deficit rate and the buffer surplus, so as to find the good trade-off between video resolution and playback smoothness. We study by simulation the impacts of some key parameters of the system. We show that using smaller chunk durations, fewer video coding rates and round-robin scheduling may provide a smoother video playback but decrease the mean video resolution. We also propose to adapt the number of chunks downloaded in an HTTP request so that each HTTP request has the same data volume. Finally, we apply machine learning techniques to analyze the correlation between system characteristics and the quality of experience (QoE) of users

Les réseaux cellulaires ont connu une croissance phénoménale du trafic alimentée par les nouvelles technologies d'accès cellulaire. Cette croissance est en grande partie tirée par l'émergence du trafic HTTP adaptatif streaming (HAS) comme une nouvelle technologie de diffusion des contenus vidéo. Le principe du HAS est de rendre disponible plusieurs qualités de la même vidéo en ligne et que les clients choisissent la meilleure qualité qui correspond à leur bande passante. Chaque niveau d'encodage est segmenté en des chunks, qui dont la durée varie de 2 à 10 secondes. L'émergence du HAS a introduit des nouvelles contraintes sur les systèmes de livraison des contenus vidéo en particulier sur les systèmes de caches. Dans ce contexte, nous menons une analyse détaillée des données du trafic HAS collecté en France et fournie par le plus grand opérateur de téléphonie mobile du pays. Tout d'abord, nous analysons et modélisons le comportement des clients qui demandent des contenus VoD et live. Ces analyses nous ont permis d'identifier les facteurs qui impactent la performance des systèmes de cache et de proposer un nouveau algorithme de remplacement de contenus qu'on appelle WA-LRU. WA-LRU exploite la localité temporelle des chunks dans le contenu et la connaissance de la charge du trafic dans le réseau afin d'améliorer la performance du cache. Ensuite, nous analysons et modélisons la logique d'adaptation entre les qualités vidéo basés sur des observations empiriques. Nous montrons que le changement fréquent entre les encodages réduit considérablement la performance des systèmes de cache. Dans ce contexte, nous présentons CF-DASH une implémentation libre d'un player DASH qui vise à réduire les changements fréquents entre qualités, assure une bonne QoE des clients et améliore la performance des systèmes de caches. La deuxième partie de la thèse est dédié à la conception, simulation et implémentation d'une solution de préchargement des contenus vidéo sur terminaux mobiles. Nous concevons un système que nous appelons «Central Predictor System (CPsys)" qui prédit le comportement des clients mobiles et leurs consommations des vidéos. Nous évaluons CPSys avec des traces de trafic réel. Enfin, nous développons une preuve de concept de notre solution de préchargement
Recently, cellular networks have witnessed a phenomenal growth of traffic fueled by new high speed broadband cellular access technologies. This growth is in large part driven by the emergence of the HTTP Adaptive Streaming (HAS) as a new video delivery method. In HAS, several qualities of the same videos are made available in the network so that clients can choose the quality that best fits their bandwidth capacity. This strongly impacts the viewing pattern of the clients, their switching behavior between video qualities, and thus beyond on content delivery systems. In this context, we provide an analysis of a real HAS dataset collected in France and provided by the largest French mobile operator. Firstly, we analyze and model the viewing patterns of VoD and live streaming HAS sessions and we propose a new cache replacement strategy, named WA-LRU. WA-LRU leverages the time locality of video segments within the HAS content. We show that WA-LRU improves the performance of the cache. Second, we analyze and model the adaptation logic between the video qualities based on empirical observations. We show that high switching behaviors lead to sub optimal caching performance, since several versions of the same content compete to be cached. In this context we investigate the benefits of a Cache Friendly HAS system (CF-DASH) which aims at improving the caching efficiency in mobile networks and to sustain the quality of experience of mobile clients. Third, we investigate the mobile video prefetching opportunities. We show that CPSys can achieve high performance as regards prediction correctness and network utilization efficiency. We further show that CPSys outperforms other prefetching schemes from the state of the art. At the end, we provide a proof-of-concept implementation of our prefetching system

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2016-04-06T13:08:48Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) A CONTROL-THEORETIC APPROACH FOR ADAPTIVE STREAMING OVER HTT.pdf: 5118913 bytes, checksum: fc08706cd245c8c0de45e4db894cb0a5 (MD5)
Made available in DSpace on 2016-04-06T13:08:48Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) A CONTROL-THEORETIC APPROACH FOR ADAPTIVE STREAMING OVER HTT.pdf: 5118913 bytes, checksum: fc08706cd245c8c0de45e4db894cb0a5 (MD5) Previous issue date: 2015-08-24
FACEPE
Video applications account for a large percentage of Internet traffic, and their utilization tends to grow. In this scenario, multimedia providers are required to deliver video and/or audio content in a seamless manner, regardless of network conditions and client device capabilities. However, current commercial services are not efficient enough, and the academic proposals do not take full advantage of their potential. To this end, we propose a control-theoretic adaptive streaming over HTTP system, which adapts the video quality to the network conditions in a video session. With this system, we aim at delivering video with the highest Quality of Experience possible, while leveraging the available network resources. Our system is located at the client side, and comprises a control system and a state machine. Together, they select the video level that is requested to the server, a standard HTTP server, which sends video chunks as the client requests them. To select the control system and state machine that best fit our requirements, we perform several experiments with different parameter values combinations. Our parameter selection is accomplished in two steps, the last one resulting in the combination that best fits our needs. Then, we compare our system performance to an existent system in the academia. Our experimental results show the benefits of providing more aggressive decisions on the video quality selection. However, they also show that such aggressiveness may, sometimes, compromise the system performance. Overall, though, our system outperforms the baseline of our experiments.
A computação em nuvem é um paradigma computacional que vem sendo amplamente utilizado ao longo dos últimos anos devido as suas características de provisionamento de recursos de forma escalável, onde o usuário paga apenas por aquilo que consumir. Esse modelo computacional possibilita que diversos serviços sejam ofertados a partir da sua Infraestrutura como Serviço (IaaS - Infrastructure as a Service). Porém, a falha de componentes dos recursos da nuvem é algo bastante comum e que afeta diretamente a disponibilidade dos serviços que os utilizam. Garantir alta disponibilidade em serviços na nuvem é um desafio para provedores, que podem utilizar de técnicas como análise de sensibilidade para identificar gargalos de disponibilidade ou ainda fazer uso de mecanismos de tolerância à falhas para atingir melhores resultados de confiabilidade. Desse modo, esse trabalho tem como proposta realizar a avaliação de disponibilidade em arquiteturas para o provimento do serviço de VoD streaming na nuvem, baseado na plataforma Eucalyptus. O trabalho está dividido em dois estudos de caso. Primeiro, apresentamos uma arquitetura básica, sem mecanismos de redundância. Através de modelagem hierárquica formada por diagramas de blocos de confiabilidade (RBD - Reliability Block Diagram) e cadeias de Markov de tempo contínuo (CTMC - Continuous Time Markov Chain), realizamos a avaliação da disponibilidade para essa arquitetura, e em seguida alcançamos a validação do modelo que representa o funcionamento do serviço. Por fim, aplicamos a técnica de análise de sensibilidade paramétrica para identificar gargalos de disponibilidade na arquitetura básica. As análises seguintes que foram esse estudo de caso observam a disponibilidade do serviço em arquiteturas com redundância no modo warm-stand guiadas por índices de sensibilidade, apresentando ao final uma comparação dos valores de disponibilidade para cada arquitetura obtida a partir de componentes redundantes. O segundo estudo de caso analisa o comportamento da disponibilidade total do serviço a partir da variação no tempo de ativação dos mecanismos redundantes. Nossos resultados expressaram que a adoção de componentes redundantes no modo warm-stand na infraestrutura da nuvem proporciona ganhos de disponibilidade no serviço analisado. Também observamos que a variação do tempo de ativação do componente de maior confiabilidade tem maior impacto na disponibilidade total do serviço de VoD streaming.

Multimedia streaming has major commercial potential as the global community of online video viewers is expanding rapidly following the proliferation of low-cost multimedia-enabled mobile devices. These devices enable increasing amounts of video-based content to be acquired, stored, and distributed across existing best effort networks that also carry other traffic types. Although a number of protocols are used for video transfer, a significant portion of the Internet streaming media is currently delivered over Hypertext Transfer Protocol (HTTP). Network congestion is one of the most important issues that affects networking traffic in general and video content delivery. Among the various solutions proposed, adaptive delivery of content according to available network bandwidth was very successful. In this context, the most recent standardisation efforts have focused on the introduction of the Dynamic Adaptive Streaming over HTTP (DASH) (ISO, 2012) standard. DASH offers support for client-based bitrate video streaming adaptation, but as it does not introduce any particular adaptation mechanism, it relies on third party solutions to complement it. This chapter provides an overview of the DASH standard and presents a short survey of currently proposed mechanisms for video adaptation related to DASH. It also introduces the DASH-aware Performance-Oriented Adaptation Agent (dPOAA), which improves user Quality of Experience (QoE) levels by dynamically selecting best performing sources for the delivery of video content. dPOAA, in its functionality, considers the characteristics of the network links connecting clients with video providers. dPOAA can be utilised as a DASH player plugin or in conjunction with the DASH-based performance-oriented Adaptive Video Distribution solution (DAV) (Rovcanin & Muntean, 2013), which considers the local network characteristics, quantity of requested content available locally, and device and user profiles.