Video kullanıcı ağı portreleri ve uygulamalarının hızlı bir keşfi
Yazar | Alibaba Entertainment Kablosuz Geliştirme Uzmanı Daola
Alibaba Entertainment Test Geliştirme Mühendisi
Editör | Tu Min
arka fon
Video kullanıcıları, mobil ağ trafiğinin ana tüketicileridir. Diğer uygulamalarla karşılaştırıldığında, video izleme kullanıcı deneyimi ağ ortamıyla yakından ilgilidir. Oynatma başarı oranı, donma oranı ve HD oranı gibi temel deneyim göstergelerinin tümü bir ağ ortamındaki ürün performansıyla ilgilidir.
Piyasada bazı ağ analizi ve çevresel profilleme uygulamaları bulabiliriz. Örneğin, popüler mobil oyun "Glory of the King", mevcut ağ durumunu tanımlamak için mevcut yönlendirici, hücre ve genel ağ gecikme süresini kullanarak ağ kalitesinin bir ölçümünü sağlar ve kullanıcılara sezgisel bir algılama sonucu sunar. Örneğin, bir veri yolu modelini simüle etmek için 500kbps'lik bir ağ hızı limiti kullanılır; bir metro modelini simüle etmek için% 20'lik bir paket kaybı oranı kullanılır. Çevrimiçi portrelerin önemi tek bir cümleyle özetlenebilir: bireyselleştirme, farklılaştırılmış karar verme. Farklı kullanıcılar videoları izlediklerinde, yaşadıkları ağ ortamının belirgin farklılıkları vardır. Bu fark iki açıdan özetlenebilir:
Ağ kalitesindeki farklılıklar. Ağ kalitesi, nihayetinde video akışının indirme hızını etkiler. İndirme hızı video bit hızından uzun süre daha düşük olduğunda veya titreme şiddetli olduğunda, oynatmanın donmasına neden olmak kolaydır. İndirme hızı, oynatma bağlantısındaki her bir bağlantının kapsamlı faktörlerinden etkilenir. Bu, bağlantıdaki bağlantının kalitesini değerlendirmemizi, indirme hızı düştüğünde sorunlu bağlantıyı bulmamızı ve ilgili sorunu belirli soruna uygulamamızı gerektirir. Kullanışlı, püf noktaları görün ve püf noktalarını sökün.
Ağ ortamındaki farklılıklar. Kullanıcının ev ağında, genel ağda veya işe gidip gelirken olup olmadığı. Buradaki ortamın tanınması artık gerçek zamanlı bir veri toplama ve analizi değildir. Bir ön veri toplama süreci gerektirir. Bu ortamda görünebilmesi için ağ trafiği gibi bir dizi özelliğe dayalı olarak kullanıcının kullanım ortamını anlayabilmelidir. Kayıttan yürütme olaylarını önceden tahmin etme yeteneği, özelleştirilmiş stratejilerin uygulanmasıyla birlikte, kullanıcılara daha iyi bir video görüntüleme deneyimi sağlayabilir.
Ağ portresi
Oynatma sırasında ağı değerlendirmek için daha yaygın bir yöntem, video parçalarının indirme hızını veya oynatıcının arabelleğinin azalma oranını tahmin etmektir. İndirme hızının ve arabellek düşme oranının oynatma bağlantısının uçtan-uca performansını yansıtabileceği doğrudur, ancak gerçek mühendislik uygulamasında, farklı oynatma stratejilerini benimsemek için daha fazla boyutsal bilgiyi kavramayı umuyoruz. Örneğin, oynatma parçalarının indirme hızı aniden düşerse, CDN tarafında bir arıza olduğunu bilirsek, oynatma bağlantısını bir yedek CDN'ye değiştirebiliriz; ve kullanıcının LAN bant genişliği tıkalıysa, akıllı dosya mantığı ile oynatmaya geçiş yapabiliriz Daha düşük bit hızına sahip akış. Video oynatma sırasında ağ değişikliklerini algılayabildiğimizde ve indirme hızı değişikliklerinin nedenlerini analiz edebildiğimizde, oynatma deneyimini iyileştirmek için uygun stratejileri etkili bir şekilde yapabiliriz.
Şekil 1, kullanıcı terminallerinde video oynatmak için ağı göstermektedir. Ağ topolojisinden başlayarak, video kullanıcılarının oynatılmasını ve indirilmesini etkileyen faktörler temel olarak kullanıcı ekipmanı, yerel alan ağı, genel ağ ve CDN'dir. Kullanıcı ekipmanının ağ kalitesini etkilediği ana parametre sinyal gücüdür. Yerel alan ağının ağ kalitesi, ağ geçidinin veri dağıtım kapasitesini yansıtır. Bazı nicel göstergeler arasında aygıttan ağ geçidine olan veri gecikmesi, paket kaybı oranı ve ağ kanalı tıkanıklığı bulunur. Genel ağın ağ kalitesi, cihaz tarafından yapılan rastgele ağ isteklerinin kalitesini yansıtır. Göstergeler rastgele adreslere gecikme, paket kaybı oranı vb. İçerir. CDN tarafı, esas olarak CDN kalitesinin ve programlama stratejisinin normal olup olmadığını yansıtır. Niceliksel göstergeler arasında indirme hızı, TCP gecikmesi ve indirme ve oynatma segmentlerinin paket kaybı oranı bulunur.
Şekil 1: Video kullanıcısı ağ topolojisi
Kullanıcı ekipmanı, yerel alan ağı, genel ağ ve CDN'nin dört boyutundaki gösterge kaynakları dağınıktır ve veri boyutları tek tip değildir. Gösterge verilerini işlemek ve temizlemek ve ardından istatistiksel özellik analizi yoluyla ağ hızını karakterize etme yeteneğini bulmak gerekir. Orijinal zaman serisi verilerinden istatistiksel özellikleri çıkarma yöntemi Şekil 2'de gösterilmektedir:
Şekil 2: Özellik çıkarma işlemi
1. Veri temizleme: Ham veri toplama, iş parçacığı zamanlaması ve diğer sorunlar nedeniyle kirli verileri ortaya çıkaracaktır. Temelde 0 değerini veya maksimum değeri ekleyin. Örneğin, ağ geçidi gecikmesi rtt işlenirken -1, 0 veya zaman aşımı değeri gibi bazı veriler karıştırılır. Aykırı değerler nihai değerlendirme sonucunu etkileyecektir.Genel olarak silme işlemi seçilir.Kayıp değerler için silme veya doldurma işlemleri yapılabilir.Doldurma için ortalama, rastgele, k-en yakın komşu doldurma vb. Duruma göre yöntemler seçilir.
2. Veri standardizasyonu: Veri normalleştirme, temizlenen verileri normalleştirir, birim kısıtlamalarını kaldırır ve farklı göstergelerin karşılaştırılmasını veya ağırlıklandırılmasını kolaylaştırır. Son olarak, birden çok özellik çok boyutlu bir vektöre dönüştürülür ve veri normalizasyonunun amacı vektör standardizasyonu ile elde edilir, ister ms ister KBps cinsinden veri olsun, vektörde tek tip bir eleman oluşturur.
3. Özellik türetme ve seçme: Özellik türetme, orijinal özellikleri dönüştürmeyi ve aşağıdaki gibi gerekli yeni verileri hesaplamayı amaçlar: özelliklerin ortalamasını, varyansını ve standart sapmasını hesaplama ve temsil edilecek özellik için X-nicelik verilerini seçme. Örneğin, her seferinde ağ geçidi gecikmesi rtt tarafından bildirilen veriler, birden fazla toplamanın sonucudur Hesaplamada genellikle ortalaması ve varyansı hesaplanarak ifade edilir.Ağ kartı trafiği açısından beklenti, bir süre içinde elde edilebileceğidir. Bu nedenle maksimum değer, ortalama değeri almak en iyi çözüm değildir Burada yaptığımız, onu karakterize etmek için onun 90. yüzdelik değerini almaktır.
Özellik seçimi açısından, değişkenler arasındaki korelasyonu doğrulamak için Pearson korelasyon katsayısını kullanmak gibi doğrulama sonucuyla yüksek düzeyde ilişkili olan özellikleri seçmek için korelasyon doğrulamasını kullanabilirsiniz. Bir dizi veri temizleme, standardizasyon ve seçim yoluyla, seçimden sonra elde edilen özelliklerin gerekli ayrım derecesine sahip olup olmadığı, ilgili kümeleme algoritması tarafından desteklenmelidir ve dağılım grafiği + yoğunluk grafiği daha sezgisel olarak gözlemlemek için kullanılabilir. veri.
Şekil 3: Özellik dağılım grafiği
Şekil 3, bazı kullanıcıların ağ geçidi gecikmelerinin ve bunların ortalama ağ hızlarının bir dağılım diyagramıdır Yatay eksen, kbps cinsinden ortalama ağ hızıdır ve dikey eksen, her seferinde toplanan ortalama ağ geçidi gecikmesidir (ms cinsinden). Kırmızı nokta bir veri parçasıdır. Geleneksel dağılım grafiklerinden farklı olarak, şekil ayrıca saçılma noktalarının yoğunluk dağılımını da hesaplar. Mavi alan yoğunluk alanıdır. Renk ne kadar koyu olursa yoğunluk o kadar büyük olur. Ayrıca dikey Yukarıdaki eksen ve yatay eksen ayrıca veri dağılımının bir sınır dağılım haritasına sahiptir. Bu şekil, verilerin görsel görüntülere dönüştürülerek verilerin bu kısmının dağılımını göstermektedir. Grafikten elde edilebilecek bilgiler:
Yoğunluğun en yüksek olduğu bölümler, ağ geçidi gecikmesinin küçük olduğu alanlardadır;
Yatay eksenden, ağ hızı ne kadar yüksekse, ağ geçidi gecikmesi o kadar az büyük bir değere sahiptir.
Uygulama senaryosu
Ağ kalitesi analizi, ağın neden sorunlu olduğunu bize daha doğru bir şekilde söyleyebilecek çok boyutlu sonuçlar sağlar. Farklı problem türleri için, ilgili stratejileri uygulamak istenen sonuçları sağlayabilir. Tablo 1, farklı zayıf ağ türleri altındaki bazı stratejileri listelemektedir.
Tablo 1 Zayıf ağ stratejilerinin listesi
Deneyim optimizasyon programı
Uygulama senaryosu
Cihazın sinyal gücü zayıf
Kullanıcılara sinyalin zayıf, wifi'ye yakın vb. Olduğunu hatırlatın.
yükleme ipuçları
Müşteri hizmetleri sistemi otomatik durma teşhisi
Yayını başlat
tampon stratejisi
Akıllı vites stratejisi
Zayıf LAN ağ kalitesi
Kullanıcılara ev yönlendiricisi parametrelerini yeniden başlatmalarını veya optimize etmelerini, daha boş bir kanal seçmelerini vb. Hatırlatın.
Genel ağ kalitesi zayıf
Eşzamanlı indirmeler, quic / bbr ve diğer zayıf ağ etkin indirme protokollerini vb. Kullanın, koruyucu arabellekleme stratejileri kullanın
cdn ağ kalitesi zayıf
Alternatif CDN'yi, alternatif alan adını vb. Değiştirin.
1. Zayıf ağ kullanıcıları için ipuçları
Zayıf ağ arabelleği durumunda, Şekil 4'te gösterildiği gibi sinyal veya LAN gecikmesi yüksekse, kullanıcıya karşılık gelen optimizasyonu elde etmesi için arabellek sayfasında kullanıcıya rehberlik etmesi istenecektir. Müşteri hizmetleri sisteminde donma tespiti sonucunda ilgili uyarılar da verilecektir.
Şekil 4: Zayıf wifi sinyali için arabellek istemi
2. Zayıf ağ planlama optimizasyonu:
Ağ saptama sonucu, kamu ağının kalitesinin iyi ve CDN'nin kalitesinin zayıf olması ise, bu genellikle bir programlama problemidir. Şu anda, indirme bağlantısında bir sorun olup olmadığını kontrol edin, örneğin CDN planlamasının iller arası mı yoksa çapraz operatör mü olduğu; URL'nin ele geçirilip geçirilmediğini; CDN su seviyesinin sıkı olup olmadığını ve yedek hattın etkinleştirilmesi gerekip gerekmediğini kontrol edin.
3. Zayıf ağ indirme optimizasyonu:
Ağ algılama sonucu, genel ağın kalitesinin zayıf olması ve CDN'nin kalitesinin de zayıf olması, kullanıcının zayıf bir ağ ortamında olduğunu gösterirse, yüksek gecikmeye ve yüksek paket kaybı oranına direnmek için eşzamanlı indirmelere, QUIC, BBR ve diğer etkin indirme yöntemlerine başlayacağız. Aynı zamanda, kullanıcıları akıllı dosyaları kullanmaya veya izlemek için bit hızını düşürmeye yönlendirecektir.
4. Kullanıcı sahne portresi:
Ağ geçidi gecikmesi, ağ geçidi IP'si, sinyal gücü ve ağ geçidi gecikmesi gibi veriler, farklı senaryolarda farklı davranır. Örneğin, ev ağı nispeten kararlıdır, daha düşük bir ağ geçidi gecikmesine sahiptir, LAN'a bağlı cihazlar nispeten sabittir ve ağ geçidi IP'sinin de belirli ortak özellikleri vardır. Son kullanıcı sahnesinin tanınmasına uygulanabilecek analiz ve özellik çıkarma ve sınıflandırma için önceki ağ göstergelerini kapsamlı bir şekilde kullanıyoruz. Şekil 5'te gösterildiği gibi.
Şekil 5: Ağ özellikleri aracılığıyla sahne portresi
Modern programlama dili PK, geliştiricilerin 2020'de önemsediği yedi programlama dili!
MySQL Oracle'ı vurdu ve ilk 1'de yer alıyor, özel bulut en çok yeniden kullanılan ve büyük veri yetenekleri az! | Çin Büyük Veri Uygulaması Faaliyet Raporu
Gobang'ın AlphaGo sürümünü oynamak için CNN nasıl kullanılır?
Eskiden balık tutan programcı, şimdi Wuhan'da fazla mesai yapmak için gönüllü oluyor
Blok zinciri ve büyük veri birlikte yeni bir veri bütünlüğü çağını başlatabilir mi?
Ethereum 2.0, sharding, DAG, off-chain state channel ... Blockchain ölçeklenebilirliği için çözümlere genel bakış!
