Proposal penelitian:
Analisa QOE pada Sistem Streaming Video HTTP
MANAJEMEN BISNIS ICT
Dosen : Iwan Krisnadi, Dr,Ir,MBA.
Oleh:
Galih Praditya Purnomo
55416120023
Analisa QOE pada Sistem Streaming Video HTTP
1. ABSTRAK
Abstrak-streaming video HTTP, seperti video Flash, banyak digunakan untuk menghadirkan media yang tersimpan. Karena layanan yang dapat diandalkan TCP, kualitas gambar dan suara tidak akan terdegradasi oleh gangguan jaringan, seperti delay tinggi dan packet loss. Namun, kerusakan jaringan dapat menyebabkan peristiwa penyatuan kembali yang akan menghasilkan pemutaran dendeng dan merusak struktur temporal video. Degradasi kualitas ini dapat mempengaruhi kualitas pengalaman pengguna (QoE). Dalam makalah ini, kami menyelidiki hubungan antara tiga tingkat kualitas layanan (QoS) streaming video HTTP: QoS jaringan, aplikasi QoS, dan QoS pengguna (yaitu, QoE). Tujuan utama kami adalah untuk memahami bagaimana QoS jaringan mempengaruhi QoE streaming video HTTP. Pendekatan kami adalah untuk pertama kali mengkarakterisasi korelasi antara aplikasi dan jaringan QoS dengan menggunakan model analisis dan evaluasi empiris. Langkah kedua adalah melakukan eksperimen subjektif untuk mengevaluasi hubungan antara aplikasi QoS dan QoE. Analisis kami menunjukkan bahwa frekuensi reffering adalah faktor utama yang bertanggung jawab atas variasi QoE.
2. PENDAHULUAN
Streaming video HTTP banyak digunakan dalam menghadirkan konten multimedia yang tersimpan. Secara khusus, video Flash Adobe (FLV) memainkan peran penting dalam menyimpan dan streaming video melalui HTTP over TCP. YouTube jelas merupakan sistem yang paling sukses untuk layanan video sharing dan video-on-demand berdasarkan FLV. Jenis "streaming" ini berbeda dengan streaming berbasis UDP tradisional yang ditawarkan di, misalnya Windows Media dan Real Media, karena tidak perlu streaming video server dan klien untuk disinkronkan. Selain itu, klien bisa menonton klip video yang tidak lengkap dengan download teknologi yang progresif. Fitur yang dapat diandalkan dari TCP juga membebaskan codec video dari penanganan kehilangan paket, dan kualitas gambar tidak terdegradasi karena frame yang hilang. Selain itu, server web tidak memerlukan perangkat lunak tambahan atau plugin untuk mendukung fungsi streaming video.
tulisan ini, kami membuat tumpukan protokol serupa, namun fokus kami tidak pada kualitas spasial (yaitu gambar) pada lapisan aplikasi QoS. Sebagai gantinya, kami mengusulkan sebuah struktur temporal video sebagai aplikasi QoS untuk streaming video HTTP dan menggunakannya untuk menganalisis bagaimana QoE dipengaruhi oleh jaringan QoS (yaitu kualitas jalur jaringan).
Untuk mengkarakterisasi hubungan antara QoS jaringan dan aplikasi QoS, karya sebelumnya melakukan studi analitis untuk memodelkan kinerja video streaming dengan menggunakan TCP. Algoritma diusulkan untuk memperkirakan kebutuhan buffer penerima berdasarkan model. Selain itu, studi empiris dilakukan untuk menyelidiki bagaimana kondisi jaringan mempengaruhi aplikasi QoS dengan mencatat metrik aplikasi selama pemutaran video. Namun, evaluasi mereka hanya didasarkan pada Windows Media. Dalam tulisan ini, kami mengadopsi pendekatan analitik dan empiris untuk mempelajari korelasi antara QoS jaringan dan aplikasi QoS. Secara khusus, kami menggunakan seperangkat metrik kinerja aplikasi (APM) untuk penelitian ini:
(1) Waktu penyangga awal,
(2) Berarti durasi acara penyatuan kembali
(3) Frekuensi reffering. Di sisi lain, jaringan QoS dapat diukur berdasarkan pengukuran aktif (OneProbe dan YouTube Video Speed History) atau pengukuran pasif.
Selain itu, QoE biasanya dinyatakan menggunakan Mean Opinion Score (MOS) dari 1 ("Buruk") sampai 5 ("Sangat Bagus"). Bisa didapat dari pengukuran subjektif atau objektif. Rekomendasi ITU-T P.911 memberikan referensi untuk melakukan pengukuran subjektif materi audiovisual, dan VQEG memberikan rencana uji terperinci untuk mengevaluasi kualitas video secara subjektif. Namun, PSNR (Peak-Signal-to-Noise-Ratio) dan MSE (Mean Square Error), yang merupakan contoh pendekatan objektif, hanya mengevaluasi kualitas video, sehingga tidak sesuai untuk streaming video HTTP. Dalam tulisan ini, kami melakukan eksperimen subjektif untuk mengevaluasi bagaimana aplikasi QoS berkorelasi dengan QoE. Berdasarkan hasil korelasi untuk jaringan dan aplikasi QoS, kita kemudian dapat mengkorelasikan jaringan QoS dengan QoE yang dapat divisualisasikan secara efektif dengan menggunakan grafik radar.
3. PERUMUSAN MASALAH
dan audio. Tidak seperti karya-karya ini, kami mempelajari korelasi berdasarkan kualitas temporal video streaming HTTP. Huynh-Thu dkk. Mengevaluasi korelasi antara aspek temporal dan kualitas yang dirasakan pada, dan mengusulkan.
Dengan penjelasan di atas, maka sangatlah penting untuk merumuskan suatu permasalahan yaitu bagaimana sistem streaming video Http ini bisa diimplementasikan dengan rincian sebagai berikut :
Apakah ada Sistem Streaming video Http saat ini ?
Dimana saja Sistem Streaming video Http tersebut bisa di dapat? Siapa saja yang memanfaatkan Streaming video Http tersebut? Kapan Sistem Streaming video Http digunakan?
Bagaimana Sistem Streaming video Http bekerja dan Berapa biayanya?
Pembuatan dan pengujian sistem ini rencananya akan di adakan selama 16 minggu. Teknik observasi yang dilakukan dengan wawancara. terhadap pengguna (Aktor) yang berhubungan dengan sistem ini.
Pengumpulan data meliputi data primer dan data sekunder. Data primer didapat dengan melakukan experimen dan data sekunder di dapatkan dari pengguna aplikasi streaming atau forum-forum situs teknologi informasi.
Variabel-variabel yang digunakan untuk kajian ini adalah:
Informasi Data Streaming Video
Informasi QoE Internet yang digunakan pada saat Streaming Data streaming yang terkirim melalui sistem
Informasi yang didapat dari hasil QoE Streaming video.
Data yang masuk akan di analisis berdasarkan variable di atas dan dilakukan simulasi berdasarkan kondisi yang telah ditentukan.
4. METODOLOGI
Untuk melaksanakan kegiatan-kegiatan seperti yang tertera pada ruang lingkup dengan hasil sesuai dengan yang diharapkan pada tujuan kegiatan ini dan disertai dengan pemanfaatan biaya yang efektif, maka metodologi-metodologi untuk melakukan kegiatan-kegiatan tersebut haruslah didesain sedemikian rupa sehingga semua variable-variable dan indikator yang terlibat dalam kajian terpenuhi. Untuk itu metodologi untuk melaksanakan kajian ini dilakukan sebagai berikut :
digunakan sebagai instrumen pengambilan data, pengalokasian keahlian personil dan peralatan.
Melakukan studi literatur terhadap penelitian penelitian sebelumnya untuk mendapatkan gap analisisnya.
Melakukan diskusi forum dan wawancara terhadap pengguna/pemakai aplikasi sistem streaming video http.
Melakukan eksperimen dan melakukan pengujian sistem streaming video http. Sampling akan di lakukan terhadap data video streaming secara random selama 1 bulan.
Analisa terhadap data yang di dapatkan berdasarkan variabel yang sudah di tentukan di awal.
Pembuatan rumusan laporan dan rekomendasi hasil kajian.
Pencarian Database
Sebuah pencarian sistematis literatur dilakukan menggunakan database elektronik berikut:
PubMed
PsychINFO
EMBASE
CINAHL
Cochrane
LILACS
Berikut flow chart metode penelitian:
5. RANCANGAN NETWORK QoS DAN APLIKASI QoS
Pada bagian ini, kami menyelidiki hubungan antara QoS jaringan dan aplikasi QoS. Network QoS adalah kinerja jalur jaringan antara server dan client, termasuk round-trip time (RTT), packet loss rate, dan bandwidth jaringan. Aplikasi QoS, di sisi lain, mencerminkan kinerja dari sudut pandang aplikasi. Dalam scussion, kami mengusulkan tiga APM untuk mengukur aplikasi QoS untuk streaming video HTTP. Kami kemudian menghubungkan kedua QoS dengan menggunakan pemodelan analitik dan evaluasi empiris.
A. Metrik kinerja aplikasi.
Tiga APM untuk mengukur aplikasi QoS untuk streaming video HTTP, dan metrik ini mewakili struktur temporal pemutaran video, terlepas dari konten video.
A
B
Melakukan Pengujian & Data Collection
Analisa Data
Uji Data
Rekomendasi
1) Waktu penyangga awal (dilambangkan dengan Tinit): Metrik ini mengukur periode antara waktu mulai memuat video dan waktu mulai memainkannya.
2) Mean rebuffering duration (dilambangkan dengan Trebuf): Metrik ini mengukur durasi rata-rata acara refferal.
3) Rebuffering frequency (dilambangkan dengan frebuf): Bila jumlah data video buffer berkurang ke nilai yang rendah, pemutaran akan berhenti sebentar, dan pemain akan masuk ke keadaan reffering. Metrik ini mengukur seberapa sering peristiwa penyatuan kembali terjadi.
Memplot rangkaian waktu waktu pemutaran video (yaitu, posisi video saat ini) dan jumlah video yang disangga oleh FlashTrack, penerapan pemutar video Flash yang disesuaikan yang akan dipresentasikan pada bagian III-D. Garis padat mengacu pada waktu playhead video, dan garis putus-putus ke jumlah video buffer. Lingkaran pada garis putus-putus sesuai dengan peristiwa buffer kosong yang terjadi setiap kali jumlah video buffer turun ke nilai yang rendah. Pemutaran video akan berhenti sampai buffer diisi ulang. Oleh karena itu, waktu playhead video berhenti meningkat untuk periode pemulihan setelah terjadinya penyangga kosong.
Seri waktu waktu pemutaran video dan jumlah data video yang disangga pada pemutar.
B. Memodelkan APM
1) Bandwidth jaringan, RTT, dan packet loss rate konstan selama download video.
2) Klien tidak berinteraksi dengan video selama Pemutaran, seperti berhenti dan maju / mundur mencari.
3) Rata-rata bitrate lintas lalu lintas antara server dan client konstan. 4) Fluktuasi bitrate video tidak besar.
5) Penyangga video harus diisi sebelum keluar dari keadaan buffering dan rebuffering awal, dan ukurannya lebih kecil dari panjang video.
1) Waktu penyangga awal dan jangka waktu pengembalian berarti:
Perkiraan (dalam detik) dari waktu penyanggaan awal dan berarti durasi bitrate video. Untuk memperkirakan rata-rata goodwill TCP, kami menggunakan model throughput untuk aliran Reno Reno, yang diberikan dimana s (p) adalah tingkat pengiriman paket per RTT, p adalah packet loss rate, b adalah jumlah paket yang dikenali oleh ACK, R adalah RTT, dan T0 adalah batas waktu pengiriman ulang. Akibatnya, estimasi rata-rata goodwill TCP untuk RTT dan
tingkat kerugian yang diberikan adalah β = s (p) × M × 8 / R, di mana M adalah
ukuran dari paket data yang dikirim dari server.
Sedangkan model throughput dapat memperkirakan tingkat pengiriman paket TCP, goodwill TCP juga dipengaruhi oleh bandwidth yang ada yang mempengaruhi tingkat packet loss dan RTT yang dialami oleh arus TCP. Secara khusus, ketika tingkat pengiriman paket lebih besar daripada bandwidth yang tersedia, jalur jaringan akan menjadi padat, sehingga meningkatkan penundaan antrian paket TCP atau bahkan membuang beberapa paket karena buffer overflow. Untuk menghitung goodput, untuk mengukur RTT dan tingkat kerugian jalur jaringan dengan konfigurasi bandwidth tertentu.
2) Rebuffering frequency: Mengingat durasi video l (dalam detik), estimasi frekuensi refferal diberikan oleh:
pada permulaan Acara penyimpan kosong pertama, dan brebuf adalah durasi video yang diputar (dalam hitungan detik) sebelum acara buffer kosong
berikutnya. Bila β «λ (i.e., β / λ ≈ 0), frekuensi refferal maksimum diberikan oleh
Dari Persamaan, frekuensi pembangkitan kembali maksimum saja Tergantung pada panjang video dan ukuran buffer, dan tidak tergantung pada goodput TCP.
C. Mengukur APM dari klien
Aplikasi pemutar video Flash yang disesuaikan, bernama FlashTrack, untuk menghitung APM yang sebenarnya berdasarkan status pemutaran video yang didapat dari klien. FlashTrack menggunakan kelas Flash Netstream untuk merekam status buffer dan saat playhead saat ini setiap 0,25 detik, dan special acara, seperti buffer kosong. Telah digunakan menggunakan properti BufferTime di kelas Netstream untuk menyesuaikan ukuran buffer player. Penyangga harus diisi sebelum memulai pemutaran atau setelah acara refferal. Dalam eksperimen, ditetapkan BufferTime menjadi 3 detik, seperti yang digunakan di internet vidio.
D. Percobaan percobaan
Gambar 3 menunjukkan pengaturan testbed untuk mengevaluasi model kami untuk korelasi antara QoS jaringan dan aplikasi QoS. Server web dipasang dengan Ubuntu 10.04 (kernel 2.6.32-22) dan Apache 2.2.14 untuk meng-host klip video agar klien dapat mendownload dan bermain menggunakan FlashTrack. Klien menjalankan Ubuntu 9.04, Firefox 3.6.8, dan Flash Player 10.1. Algoritma penghindaran kongesti TCP untuk kedua mesin dikonfigurasi sebagai "Reno." Router dipasang di antara server dan klien untuk meniru bandwidth jaringan yang berbeda, tingkat kehilangan paket dan RTTs.
6. Kesimpulan
dua sub problems: mengukur korelasi antara QoS jaringan dan aplikasi QoS, dan mengukur korelasi antara aplikasi QoS dan QoE. Pada sub problem pertama, kami mengusulkan tiga metrik kinerja aplikasi untuk streaming video HTTP dan menggunakan model analitik dan evaluasi empiris untuk mengkarakterisasi koreksinya. Pada subproblem kedua, penilaian subyektif dilakukan untuk mengkorelasikan MOS dan aplikasi QoS.
Temuan utama kami adalah throughput jaringan diturunkan dengan packet loss dan RTT, sehingga meningkatkan frekuensi reffering. Kami juga mengidentifikasi frekuensi reffering menjadi faktor utama yang bertanggung jawab atas varian MOS. Ini menunjukkan bahwa struktur temporal, bukan artefak spasial, juga merupakan faktor penting yang mempengaruhi QoE. QoE dapat diperbaiki oleh QoS jaringan atau manajemen QoS aplikasi. Selain itu, pendekatan kami memungkinkan kami untuk memeriksa korelasi antara QoS dan QoE dari aspek yang berbeda, dan pendekatannya dapat diterapkan dengan mudah ke lingkungan aplikasi lainnya.
7. Daftar Pustaka
[1] The Video Quality Experts Group (VQEG). http://www.its.bldrdoc.gov/vqeg.
[2] Youtube video speed history. http://www.youtube.com/my speed. [3] Adobe. Video technology center, delivery: Progressive download. http://www.adobe.com/devnet/video/progressive.html.
[4] S. Avallone, S. Guadagno, D. Emma, A. Pescape, and G. Ventre. D-itg distributed internet traffic generator. In Proc. QEST, 2004.
[5] H. Balakrishnan, V. Padmanabhan, G. Fairhurst, and M. Sooriyabandara. TCP performance implications of network path asymmetry, 2002.
[6] Y. Chang, C. Chang, K. Chen, and C. Lei. Radar chart: Scanning for high QoE in QoS dimensions. In Proc. IEEE CQR, June 2010.
[7] S. Ha, I. Rhee, and L. Xu. CUBIC: A new TCP-friendly high-speed TCP variant. SIGOPS Oper. Syst. Rev., 42(5):64–74, 2008.
[8] ITU-T Recommendation P.800. Methods for subjective determination of
transmission quality, August 1996.
[9] ITU-T Recommendation P.911. Subjective audiovisual quality assess- ment
methods for multimedia applications, December 1998.
[10] R. Karki, T. Seenivasan, M. Claypool, and R. Kinicki. Performance analysis of home streaming video using Orb. In Proc. NOSSDAV, 2010.
[11] T. Kim and M. Ammar. Receiver buffer requirement for video streaming over TCP. In Proc. SPIE, pages p. 422–431, 2006..
[12] Nielsen. YouTube maintains top ranking by total streams and Hulu grows 490 percent year-over-year, April 2009. http://en-us.nielsen.com/main/news/news releases/2009/may/youtube maintains.
[13] K. Tan and J. Song. Compound TCP: A Scalable and TCP-friendly Congestion Control for High-speed Networks. In Proc. PFLDNet, 2006.
