O uso de histórico de acesso na definição de taxa de bits em sessões de vídeo com taxa adaptável
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Outros Autores: | |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFAM |
Texto Completo: | https://tede.ufam.edu.br/handle/tede/7930 |
Resumo: | As aplicações de distribuição de vídeo estão entre as que mais geram tráfego na Internet. Estima-se que tais aplicações participarão com 82% de todo o tráfego gerado em 2022. A tecnologia mais usada por essas aplicações fazem a distribuição centrada na ação dos clientes que usam informações da sessão em andamento para tomar decisão sobre a qualidade das imagens e a continuidade da sessão. Essa tomada de decisão tem como um dos principais fatores a vazão fim-a-fim das conexões estabelecidas entre o cliente e os servidores de vídeos. Uma parcela importante das estratégias já implementadas para a tomada de decisão utiliza apenas dados coletados durante a sessão. Nesse cenário, a observação contínua da vazão do canal e suas peculiaridades são essenciais para realização de predições de maior precisão, dada a natureza instável do canal. Entretanto, eventos gerados pela audiência ou pelas estratégias do TCP produzem períodos de ausência de observação da vazão, induzindo tais estratégias a comportamentos erráticos. Nesta dissertação, apresenta-se o conceito de taxa realizável, que pode auxiliar as estratégias de adaptação na tomada de decisão em aplicações de vídeo streaming. Usam-se dados sobre o canal, coletados em medições ativas, para definição de tal taxa. Métodos de Aprendizado de Máquina foram empregados para construção de modelos preditivos. As avaliações dos modelos mostram que as predições são precisas e aplicáveis em sessões de vídeo streaming, sendo possível, por exemplo, a redução do período inicial de prospecção, e até mesmo um equilíbrio maior entre continuidade e qualidade das imagens. |
id |
UFAM_326287bdeb341f3c0cddf4bd71290eb7 |
---|---|
oai_identifier_str |
oai:https://tede.ufam.edu.br/handle/:tede/7930 |
network_acronym_str |
UFAM |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFAM |
repository_id_str |
6592 |
spelling |
O uso de histórico de acesso na definição de taxa de bits em sessões de vídeo com taxa adaptávelThe use of access history in defining bit rate in video sessions with adaptive rateVídeos para InternetTecnologia streaming (Telecomunicação)Aprendizado do computadorVazão realizávelLearning machineCIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃOMedição e predição de vazãoStreaming de vídeoVazão realizávelAprendizagem de máquinaAs aplicações de distribuição de vídeo estão entre as que mais geram tráfego na Internet. Estima-se que tais aplicações participarão com 82% de todo o tráfego gerado em 2022. A tecnologia mais usada por essas aplicações fazem a distribuição centrada na ação dos clientes que usam informações da sessão em andamento para tomar decisão sobre a qualidade das imagens e a continuidade da sessão. Essa tomada de decisão tem como um dos principais fatores a vazão fim-a-fim das conexões estabelecidas entre o cliente e os servidores de vídeos. Uma parcela importante das estratégias já implementadas para a tomada de decisão utiliza apenas dados coletados durante a sessão. Nesse cenário, a observação contínua da vazão do canal e suas peculiaridades são essenciais para realização de predições de maior precisão, dada a natureza instável do canal. Entretanto, eventos gerados pela audiência ou pelas estratégias do TCP produzem períodos de ausência de observação da vazão, induzindo tais estratégias a comportamentos erráticos. Nesta dissertação, apresenta-se o conceito de taxa realizável, que pode auxiliar as estratégias de adaptação na tomada de decisão em aplicações de vídeo streaming. Usam-se dados sobre o canal, coletados em medições ativas, para definição de tal taxa. Métodos de Aprendizado de Máquina foram empregados para construção de modelos preditivos. As avaliações dos modelos mostram que as predições são precisas e aplicáveis em sessões de vídeo streaming, sendo possível, por exemplo, a redução do período inicial de prospecção, e até mesmo um equilíbrio maior entre continuidade e qualidade das imagens.Video related traffic is prevalent on the Internet. By 2022, this traffic will be responsible for 82% of all data transfer throughout the Internet. The HTTP Adaptive Streaming (HAS) is the most popular technology behind modern video applications. Its millstone approaching is to use data collected by clients to build sessions that balance image quality and continuity. The connection between HAS-based clients and servers is a crucial factor in finding that balance. A number of these clients use data from ongoing sessions. In these scenarios, continuous measurements and a clear understanding of essential elements are crucial to estimate the connection throughput due to its natural instability. However, client-side events have the potential to steam slots of silence in those measurements that drive the embedded algorithms for adaptive streaming to erratic behavior. In this work, the concept of achievable rate is introduced based on data collected by proactive monitors. Machine Learning methods are applied to those data to build throughput predictive models, and numerical studies are carried to assess its accuracy. The assessed accuracy shows that the conceived models can improve the decision made by those algorithms that use ongoing sessions data to find the balance between session continuity and image quality.Universidade Federal do AmazonasInstituto de ComputaçãoBrasilUFAMPrograma de Pós-graduação em InformáticaMelo, Cesar Augusto Vianahttp://lattes.cnpq.br/0097703442306179Santos, Eulanda Miranda doshttp://lattes.cnpq.br/3054990742969890Giusti, Rafaelhttp://lattes.cnpq.br/0613781010575440Paz, Tonny Franck Osaki dahttp://lattes.cnpq.br/30684244165373972020-09-15T20:51:49Z2019-08-21info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfPAZ, Tonny Franck Osaki da. O uso de histórico de acesso na definição de taxa de bits em sessões de vídeo com taxa adaptável. 2019. 75 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2019.https://tede.ufam.edu.br/handle/tede/7930porhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFAMinstname:Universidade Federal do Amazonas (UFAM)instacron:UFAM2020-09-16T05:03:42Zoai:https://tede.ufam.edu.br/handle/:tede/7930Biblioteca Digital de Teses e Dissertaçõeshttp://200.129.163.131:8080/PUBhttp://200.129.163.131:8080/oai/requestddbc@ufam.edu.br||ddbc@ufam.edu.bropendoar:65922020-09-16T05:03:42Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)false |
dc.title.none.fl_str_mv |
O uso de histórico de acesso na definição de taxa de bits em sessões de vídeo com taxa adaptável The use of access history in defining bit rate in video sessions with adaptive rate |
title |
O uso de histórico de acesso na definição de taxa de bits em sessões de vídeo com taxa adaptável |
spellingShingle |
O uso de histórico de acesso na definição de taxa de bits em sessões de vídeo com taxa adaptável Paz, Tonny Franck Osaki da Vídeos para Internet Tecnologia streaming (Telecomunicação) Aprendizado do computador Vazão realizável Learning machine CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO Medição e predição de vazão Streaming de vídeo Vazão realizável Aprendizagem de máquina |
title_short |
O uso de histórico de acesso na definição de taxa de bits em sessões de vídeo com taxa adaptável |
title_full |
O uso de histórico de acesso na definição de taxa de bits em sessões de vídeo com taxa adaptável |
title_fullStr |
O uso de histórico de acesso na definição de taxa de bits em sessões de vídeo com taxa adaptável |
title_full_unstemmed |
O uso de histórico de acesso na definição de taxa de bits em sessões de vídeo com taxa adaptável |
title_sort |
O uso de histórico de acesso na definição de taxa de bits em sessões de vídeo com taxa adaptável |
author |
Paz, Tonny Franck Osaki da |
author_facet |
Paz, Tonny Franck Osaki da http://lattes.cnpq.br/3068424416537397 |
author_role |
author |
author2 |
http://lattes.cnpq.br/3068424416537397 |
author2_role |
author |
dc.contributor.none.fl_str_mv |
Melo, Cesar Augusto Viana http://lattes.cnpq.br/0097703442306179 Santos, Eulanda Miranda dos http://lattes.cnpq.br/3054990742969890 Giusti, Rafael http://lattes.cnpq.br/0613781010575440 |
dc.contributor.author.fl_str_mv |
Paz, Tonny Franck Osaki da http://lattes.cnpq.br/3068424416537397 |
dc.subject.por.fl_str_mv |
Vídeos para Internet Tecnologia streaming (Telecomunicação) Aprendizado do computador Vazão realizável Learning machine CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO Medição e predição de vazão Streaming de vídeo Vazão realizável Aprendizagem de máquina |
topic |
Vídeos para Internet Tecnologia streaming (Telecomunicação) Aprendizado do computador Vazão realizável Learning machine CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO Medição e predição de vazão Streaming de vídeo Vazão realizável Aprendizagem de máquina |
description |
As aplicações de distribuição de vídeo estão entre as que mais geram tráfego na Internet. Estima-se que tais aplicações participarão com 82% de todo o tráfego gerado em 2022. A tecnologia mais usada por essas aplicações fazem a distribuição centrada na ação dos clientes que usam informações da sessão em andamento para tomar decisão sobre a qualidade das imagens e a continuidade da sessão. Essa tomada de decisão tem como um dos principais fatores a vazão fim-a-fim das conexões estabelecidas entre o cliente e os servidores de vídeos. Uma parcela importante das estratégias já implementadas para a tomada de decisão utiliza apenas dados coletados durante a sessão. Nesse cenário, a observação contínua da vazão do canal e suas peculiaridades são essenciais para realização de predições de maior precisão, dada a natureza instável do canal. Entretanto, eventos gerados pela audiência ou pelas estratégias do TCP produzem períodos de ausência de observação da vazão, induzindo tais estratégias a comportamentos erráticos. Nesta dissertação, apresenta-se o conceito de taxa realizável, que pode auxiliar as estratégias de adaptação na tomada de decisão em aplicações de vídeo streaming. Usam-se dados sobre o canal, coletados em medições ativas, para definição de tal taxa. Métodos de Aprendizado de Máquina foram empregados para construção de modelos preditivos. As avaliações dos modelos mostram que as predições são precisas e aplicáveis em sessões de vídeo streaming, sendo possível, por exemplo, a redução do período inicial de prospecção, e até mesmo um equilíbrio maior entre continuidade e qualidade das imagens. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019-08-21 2020-09-15T20:51:49Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
PAZ, Tonny Franck Osaki da. O uso de histórico de acesso na definição de taxa de bits em sessões de vídeo com taxa adaptável. 2019. 75 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2019. https://tede.ufam.edu.br/handle/tede/7930 |
identifier_str_mv |
PAZ, Tonny Franck Osaki da. O uso de histórico de acesso na definição de taxa de bits em sessões de vídeo com taxa adaptável. 2019. 75 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2019. |
url |
https://tede.ufam.edu.br/handle/tede/7930 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal do Amazonas Instituto de Computação Brasil UFAM Programa de Pós-graduação em Informática |
publisher.none.fl_str_mv |
Universidade Federal do Amazonas Instituto de Computação Brasil UFAM Programa de Pós-graduação em Informática |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFAM instname:Universidade Federal do Amazonas (UFAM) instacron:UFAM |
instname_str |
Universidade Federal do Amazonas (UFAM) |
instacron_str |
UFAM |
institution |
UFAM |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFAM |
collection |
Biblioteca Digital de Teses e Dissertações da UFAM |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM) |
repository.mail.fl_str_mv |
ddbc@ufam.edu.br||ddbc@ufam.edu.br |
_version_ |
1809732040889729024 |