【SZU计算机网络实验】实现码率自适应传输

前言

哈哈实验截止时间推迟了一周，不变的还是被ddl追着跑

本次实验主要在上次实验（流式视频传输）的基础上，模拟网络波动的情况，设计从客户端根据网络波动情况请求不同码率的视频片段的算法，从而提升用户体验（quality of experience, or QoE）

相关资料：

实验文档：计算机网络课程综合实验平台 (snrc.site)

一、引入网络波动

实验提供的文件库fluctuation.h中包含了许多与引入网络波动相关的函数，将其在server.c中引入

#include "fluctuation.h"

在代码初始化阶段调用 load_fl() 函数初始化网络波动相关信息

    /***初始化阶段***/
    WSADATA wsaData;
    WSAStartup(MAKEWORD(2, 2), &wsaData);

    int server_fd, new_socket;
    struct sockaddr_in server_address;
    int opt = 1;
    int addrlen = sizeof(server_address);
    char buffer[BUFFER_SIZE] = {0};
    
    // 初始化网络波动相关信息
    load_fl();

将server.c中所有的send更改为send_fl()，键盘点击ctrl+F

在结束阶段调用 release_fl() 函数释放为网络波动模拟模块所分配系统资源。

    /***结束阶段***/
    // 释放为网络波动模拟模块所分配系统资源
    release_fl();
    
    closesocket(server_fd);
    closesocket(new_socket);
    WSACleanup();

到此网络波动模块就引入成功了

其实程序在运行时便会读取配置文件variation.cfg，实验文件中还提供了不同的网络波动，在文件BandwidthTrace.txt中，可选择其一将其复制到配置文件中。

BandwidthTrace.txt:

Trace1:
100,100,2000
200,200,2000
400,400,2000
800,800,2000
1600,1600,2000
3200,3200,2000
1600,1600,2000
800,800,2000
400,400,2000
200,200,2000
100,100,2000

Trace2:
10,1,1000
250,250,1000
500,500,1000
750,750,1000
1000,1000,1000
1250,1250,1000
1500,1500,1000
1750,1750,1000
2000,2000,1000
2500,2500,1000
3000,3000,1000
2500,2500,1000
2000,2000,1000
1750,1750,1000
1500,1500,1000
1250,1250,1000
1000,1000,1000
750,750,1000
500,500,1000
250,250,1000

Trace3:
10,1,15000
3500,3500,5000
700,700,10000
2000,2000,5000

variation.cfg:

10,1,15000
3500,3500,5000
700,700,10000
2000,2000,5000

可以看到默认的配置是BandwidthTrace.txt中的Trace3

将服务端和客户端都跑起来，发现网页播放的视频出现卡顿，说明网络波动引入成功

二、理解ABR算法

在客户端client.c中引入实现ABR算法所需要的文件库abrlib.h

库中函数允许我们创建一个队列，将需要请求的视频片段的文件名做入队和出队操作

/************1. 添加abr相关参数的头文件******************************/
#include "abrlib.h"
/*******************************************************************/

在初始化阶段添加下载队列相关初始代码

    /***初始化阶段***/
    WSADATA wsaData;
    WSAStartup(MAKEWORD(2, 2), &wsaData);
    /************2. 在初始化阶段添加下载队列相关初始代码*******************/
	Queue download_queue;
	QueueInit(&download_queue);
	
	//在下载队列中，初始化下载chunk0和chunk1
	QueuePush(&download_queue,"ocean-1080p-8000k-0.ts");
	QueuePush(&download_queue,"ocean-1080p-8000k-1.ts");
	
	int video_id=0; //当前下载视频的chunk id
	int current_bitrate=0;  //当前下载的码率 (kbps)
	int last_bitrate=0;  //上一轮下载视频的码率 (kbps)
	/*******************************************************************/

我们初始请求两个码率最高的视频片段，之后根据第一个的视频片段的下载时间决定请求第三个视频的码率，根据第二个视频片段的下载时间决定请求第四个视频的码率，以此类推，即：

1 -> 3 -> 5 -> …

2 -> 4 -> 6 -> …

默认的ABR算法如下：

		/*****5. 在下载结束后，统计QoE，并为之后的下载进行简单的ABR自适应决策**/

		double rebuffering_time=ReceiveSegment(video_segement, req, file_size);   //获取播放器卡顿时间ms
		double buffer_occupancy=GetBufferSize();    //获取播放器缓冲区长度ms
		
		printf("%s tran time: %ld\n", req, download_time);
		
		//统计用户体验质量
		QoERecord(current_bitrate,last_bitrate,rebuffering_time);
		putchar('\n');
		
		last_bitrate=current_bitrate;	
		
		//简单的码率自适应决策
		int next_id=video_id+2; //间隔一个chunk进行下载
		if(next_id<=VIDEO_LEN-1){
			/*****Without ABR******/
			
//		char temp[REQUEST_SIZE]="ocean-1080p-8000k";
//	        char suffix[6]="";
//	        sprintf(suffix, "-%d.ts", next_id);  
//	        strcat( temp, suffix);
//	        QueuePush(&download_queue,temp);    //将决策结果入队

			/**********************/
			
			/********With ABR**********/
		    if(download_time<200){
		        char temp[REQUEST_SIZE]="ocean-1080p-8000k";
		        char suffix[6]="";
		        sprintf(suffix, "-%d.ts", next_id);  
		        strcat( temp, suffix);
		        QueuePush(&download_queue,temp);    //将决策结果入队
		    }else if(download_time<600){
		        char temp[REQUEST_SIZE]="ocean-480p-2500k";
		        char suffix[6]="";
		        sprintf(suffix, "-%d.ts", next_id);  
		        strcat( temp, suffix);
		        QueuePush(&download_queue,temp);    //将决策结果入队
		    }else{
		        char temp[REQUEST_SIZE]="ocean-360p-1000k";
		        char suffix[6]="";
		        sprintf(suffix, "-%d.ts", next_id);  
		        strcat( temp, suffix);
		        QueuePush(&download_queue,temp);    //将决策结果入队
		    }
		    /***************************/
		}	
		
           //释放内存
		free(video_segement);   
		video_segement=NULL;
		video_id++; //更新下载id
		QueuePop(&download_queue);
		/*******************************************************************/

记住在sample code中，释放内存部分代码没有出队操作，需要自行编写

可以看到，默认的ABR算法仅仅从下载时间的角度去实现

运行并输出QoE的累加和

	QoECount();
	putchar('\n');

发现默认的ABR算法能一般都能达到80+甚至100+

三、设计ABR算法

实验文档中提示我们能从几个角度去设计ABR算法：

1. 基于带宽预测
2. 基于缓冲区的容量
3. 基于神经网络

由上述内容我们可以发现，默认的ABR算法只利用了下载时间(download_time)，其实还有两个变量：缓冲区长度(buffer_occupancy) 和 卡顿时间(rebuffering_time) 没有利用到

我们不妨定义一个评价标准，使其同时关联到这三个变量：

$$standard={\theta }_{1}bufferOccupancy-{\theta }_{2}downloadTime-{\theta }_{3}rebufferingTime$$

为了方便讨论，我们先取${\theta }_1={\theta }_2={\theta }_3=1$，即

$$standard=bufferOccupancy-downloadTime-rebufferingTime$$

            double standard = buffer_occupancy - (double)download_time - rebuffering_time;
            printf("%s\n", req);
            printf("buffer occupancy: %.6f, download time: %.6f, rebufffering time: %.6f\n",
                            buffer_occupancy, (double)download_time, rebuffering_time);
            printf("standard: %.6f\n", standard);

之后便是仿照默认ABR，根据标准值所在的区间，这里取边界值为**-2000 和 2000**，决定请求视频片段的码率：

            char temp[REQUEST_SIZE] = "";
            if(standard > 2000){
                    strcat(temp, "ocean-1080p-8000k");
            }else if(standard > -2000){
                    strcat(temp, "ocean-480p-2500k");
            }else{
                    strcat(temp, "ocean-360p-1000k");	
            }
            char suffix[6]="";
            sprintf(suffix, "-%d.ts", next_id);  
            strcat( temp, suffix);
            QueuePush(&download_queue,temp);    //将决策结果入队

测试发现这种方法能稳定120+，某些情况下稳定300+，比默认方法要高出几倍

想要继续优化算法的性能可以接着讨论standard的三个参数以及分割区间的两个边界值总共五个变量的值

四、思考题

思考题1

如果有某一用户群体，相较于其他人，对视频质量的波动没有那么在意，而较低的视频质量会使他们更加恼火。针对该用户群体，当前QoE评分方式是否合适？如果不合适，如何调整？

实验文件在abrlib.h中定义的QoE如下：

// 视频质量相关参数
double QoE_count = 0; // 用户体验质量统计 (Quality of experience)
double alpha = 0.001;
double beta = 0.0005;
double gama = 0.01;

// 记录当前下载的QoE
void QoERecord(int current_bitrate, int last_bitrate, double rebuffering_time)
{	
	double QoE = alpha * current_bitrate - beta * abs(last_bitrate - current_bitrate) - gama * rebuffering_time;
	QoE_count += QoE;
}

当用户对视频质量更加在意时，应该提高alpha的值；对视频质量的波动没那么在意，则应该适当降低beta的值

思考题2

用户在观看常规视频时可以完整观看到视频的全部内容，而在沉浸式视频（360°视频、点云视频等）中，用户会选择性的观看部分视频内容。对于沉浸式视频，如何评估用户的视频观看体验？

在360°视频中，用户只能看到部分的视频内容，所以只需要以这部分视频的质量（包括码率，卡顿时间，缓冲区时间等）来衡量用户的观看体验，而不是整个视频的质量。

360°视频在传输的过程中，可以将视频片段切分成许多tiles，根据用户的头部运动轨迹，预测用户下一步可能需要观看的部分视频，选择性地传输不同码率的这些视频

因此，还可以从由于切分tiles导致的视频片段空间上的码率波动，由于预测不准确性导致的延迟等角度评估用户的观看体验