Diseño de Diferentes Clases de Usuarios en un Servicio Video-Streaming Adaptativo

Transcripción

1 Diseño de Diferentes Clases de Usuarios en un Servicio Video-Streaming Adaptativo Isabel V. Martín, Mónica Aguilar-Igartua, Jorge Mata-Díaz Departamento de Ingeniería Telemática. Universitat Politècnica de Catalunya C/ Jordi Girona 1-3, Mód. C3, Campus Nord, Barcelona. {isabelm, maguilar, Abstract. The provision of end-to-end Quality of Service (QoS) for multimedia services over IP-based networks is already an open issue. To achieve this goal, service providers need to manage Service Level Agreements (SLAs), which specify parameters of the services operation such as availability and performance. Additional mechanisms are needed to quantitatively evaluate the user-level SLA parameters. This work is focused on the evaluation and assessment of different design options of an adaptive VoD service. In particular, we obtain some criterions to provide several classes of users fulfilling the SLA commitments. Based on a straightforward Markov Chain, Markov-Reward Chain (MRC) models are developed in order to obtain various QoS measures of the adaptive VoD service. The MRC model has a clear understanding with the design and operation of the VoD system. 1 Introducción En los últimos años las aplicaciones de vídeo bajo demanda (VoD, Video-on-Demand) para la transmisión y distribución de vídeo han experimentado un creciente desarrollo y aceptación por parte de sus usuarios. En particular, los sistemas video-streaming tienen una especial relevancia en redes cableadas e inalámbricas. En estos sistemas el vídeo se distribuye para su reproducción en tiempo real [1]. El servidor de vídeo de un sistema videostreaming almacena un conjunto de películas que pueden ser solicitadas por cualquiera de sus clientes. Si la solicitud de conexión de un cliente es aceptada, se inicia una sesión, y un flujo multimedia se transmite a través de un conjunto de redes heterogeneas desde el servidor de vídeo hasta el terminal del cliente. En los escenarios con calidad de servicio (QoS, Quality of Service) extremo -a-extremo, las medidas de QoS tales como pérdida de paquetes, retardo de paquetes y jitter deben ser garantizadas cuando la conexión se acepta. Estas garantías de tiempo real solicitadas por los sistemas VoD pueden llevarse a cabo usando diferenciación entre clases de tráfico sobre las redes heterogéneas. Por otra parte, la QoS ofrecida a los usuarios depende de las técnicas de compresión que se aplican para reducir la alta cantidad de información generada por las fuentes de vídeo. Las técnicas de codificación más comúnmente usadas son los estándares H.26x y MPEG [2]. Así, el precio pagado por un alto nivel de compresión es un nivel de degradación en la calidad de imagen. Considerando estos escenarios con garantías de QoS en que a mayor nivel de compresión menor es la cantidad de recursos de red requeridos para transmitir la información, a costa de una mayor degradación de la calidad de imagen, crece la relevancia de implementar los llamados servicios VoD adaptativos. Estos servicios VoD adaptativos con QoS emplean un conjunto de mecanismos para una asignación dinámica de los recursos de red, la cual se lleva acabo a través de protocolos de señalización entre el servicio y la red. En la medida que varía la tasa de bits del flujo de información a transmitir, el servicio envía solicitudes de renegociación a la red durante la sesión con el objetivo de modificar los recursos asignados. Estas renegociaciones se llevan a cabo y se determinan en la escala temporal de las escenas de la secuencia de vídeo, consiguiendo así que la cantidad de recursos de red reservados durante la sesión se reduzca sustancialmente y, por lo tanto, se consiga una explotación mucho más eficiente de los recursos de la red [1, 3, 4]. Por consiguiente, es posible incrementar el número de sesiones videostreaming en el sistema con una calidad de imagen similar. Sin embargo, en algunos momentos de congestión la calidad de la imagen tendrá que reducirse. Esto se debe a que, en esas situaciones de congestión, el flujo con la calidad seleccionada no puede ser transmitido. Entonces, el servicio reduce la tasa de bits de la transmisión adaptándola a los recursos de red disponibles en ese momento. Para conseguir esta reducción el sistema aplica un nivel de compresión mayor o, cuando se están utilizando técnicas de escalabilidad, administra una o varias capas de mejora de vídeo (video enhanced layer) [1]. Como consecuencia de este modo de funcionamiento, la QoS que finalmente se provee a los clientes de estos servicios video-streaming varía dependiendo de los recursos de red disponibles durante la sesión. Debido a la gran cantidad de factores que pueden influir en la QoS que se suministra, tanto los proveedores de servicios como sus clientes están realmente interesados en que se disponga de herramientas que cuantifiquen, desde sus respectivos puntos de vista, las prestaciones de estos sistemas. El proveedor del servicio podrá utilizar dichas herramientas para diseñar el sistema de un modo que los recursos sean utilizados eficientemente y los clientes podrán recibir un servicio flexible y ajustado según sus necesidades. Las herramientas analíticas

2 son mecanismos que facilitan las evaluaciones requeridas tanto por los clientes como por los proveedores. En general, las herramientas analíticas permiten incorporar modificaciones al sistema de un modo fácil y, aplicando técnicas ya conocidas en la literatura, obtener evaluaciones computacionales. Esta clase de herramientas ayuda a alcanzar algunos de los principales objetivos típicamente requeridos, como son: maximizar el uso de los recursos de red y la QoS ofrecida a los usuarios y, definir métricas de coste de los servicios. Asimismo, estas herramientas podrían computar diversos parámetros que permitan especificar, administrar y controlar el cumplimiento de los contratos a nivel de servicio (SLAs, Service Level Agreements). En particular, estamos interesados en computar a priori la QoS que se espera ofrecer a un usuario de una aplicación de video-streaming adaptativa, en la que las fuentes de vídeo son capaces de adaptar su tasa de bits de salida a los recursos de red disponibles, que varían a través del tiempo, y a la capacidad de acceso de los clientes. Algunas propuestas de diseño y evaluación de sistemas VoD adaptativos se presentan en [3, 5, 6, 7]. La mayoría de dichas propuestas utilizan modelos de simulación o plataformas reales para llevar a cabo la evaluación de prestaciones de estos sistemas. Un problema de estas técnicas de evaluación es que no facilitan el análisis del sistema ni el estudio de diferentes opciones de diseño. Por otro lado, las escasas propuestas analíticas no toman en consideración la interacción entre las diferentes sesiones de vídeo que comparten los mismos recursos de red. En [8] propusimos una metodología genérica para desarrollar modelos de Performability [9] de los sistemas VoD. Esta metodología resuelve la falta de herramientas o métodos que faciliten el diseño y la evaluación de los sistemas VoD adaptativos. Su aplicabilidad se basa en la caracterización de los flujos multimedia y del comportamiento del canal de comunicación. Esta caracterización requiere de modelos markovianos de ambos, los flujos y el canal. Aplicando este método genérico, también en [8] fue desarrollado un modelo analítico para un servicio VoD adaptativo. Posteriormente, en [10], obtuvimos dos nuevos modelos analíticos que tienen un espacio de estados más reducido. Éstos reducen el espacio de estados que caracteriza los recursos reservados por un grupo de usuarios y, consecuentemente, reducen sustancialmente el costo de las evaluaciones. Todos estos modelos analíticos proporcionaron resultados bastante precisos para las medidas de parámetros de QoS a nivel de usuario tales como calidad de imagen, recursos reservados o efectivamente utilizados. En el presente trabajo hemos construido modelos analíticos para analizar la influencia de algunos de sus diferentes parámetros de configuración en la eficiencia de un servicio VoD adaptativo. Primero, definimos diferentes perfiles de usuario y evaluamos las medidas de parámetros de QoS a nivel de usuario cuando se acepta en el sistema VoD sólo una de esas clases de usuario. Esto nos permite establecer algunos criterios básicos para definir clases de usuarios que sean más eficientes. Posteriormente se puede evaluar la interacción entre las clases de usuarios ya definidas, es decir, cuando hay usuarios de diferentes perfiles de QoS aceptados en el sistema, y así establecer otros criterios de diseño. Por ejemplo, en [11] con esta metodología realizamos un análisis del compromiso entre beneficios del proveedor del servicio y políticas de cobro variable dependiente de la calidad de vídeo percibida por los clientes. El resto del trabajo está organizado de la siguiente manera. En la sección 2 se describe el sistema VoD bajo evaluación. Los trabajos previos presentados en [8] y [10] se resumen en la sección 3, a modo de conocimientos preliminares. En la sección 4, mostrando resultados de algunos ejemplos, analizamos algunas opciones de diseño de los servicios VoD adaptativos para diferentes clases de usuarios y el cumplimiento de los compromisos SLA. Finalmente, en la sección 5 se presentan las conclusiones y los trabajos futuros. 2 Descripción del Sistema. La Fig. 1 presenta el sistema VoD analizado en este trabajo. Diferentes secuencias de video de películas han sido previamente codificadas usando el algoritmo VBR MPEG-II y almacenadas en el servidor de vídeo. Cuando algún cliente del servicio de VoD solicita alguna de esas secuencias, se establece una conexión si el servicio de vídeo tiene suficientes recursos de red para atender satisfactoriamente el perfil de usuario contratado por el cliente, es decir, si es posible cumplir los acuerdos especificados en el contrato del servicio. En la mayoría de las redes IP con soporte de QoS se utiliza RSVP (Resource reservation Protocol) como el protocolo de señalización para administrar los requerimientos de reserva de recursos [12]. Los servicios videostreaming envían a la red solicitudes RSVP para renegociar los recursos que se requiere para que el video-stream sea transmitido. La descripción de estos recursos se especifica a través de los parámetros Traffic Specification (TSpec) que se envían en los mensajes PATH del RSVP. Las solicitudes RSVP se asocian a los cambios de escenas de la secuencia de vídeo. El TSpec de cada requerimiento RSVP se calcula acorde a la complejidad de las escenas de vídeo. Por lo tanto, diferentes recursos de red son solicitados a lo largo de la transmisión de toda la secuencia de vídeo. Además, este proceso de renegociación se ve influenciado por los cambios de recursos disponibles que se producen por la interacción entre las conexiones multiplexadas. Con el objetivo de que las fuentes de vídeo sean capaces de adaptar su tasa de salida de bits a los recursos de red variantes en el tiempo, cada secuencia tiene un conjunto de flujos MPEG codificados con diferentes pasos de cuantización (Q). Entonces, cada flujo disponible proporciona una diferente calidad de imagen acorde al parámetro Q [2]. Para cada sesión aceptada, el flujo transmitido coincidirá con uno de

3 los diferentes flujos disponibles codificados de la secuencia requerida. A este flujo transmitido lo denominaremos flujo-adaptado. La selección del flujo codificado a transmitir depende de la calidad de imagen contratada por el usuario y del resultado de la petición de reserva realizado por el control de admisión extremo a extremo del sistema basado en RVSP. Para llevar a cabo las funciones del sistema se han diseñado tres bloques, que se interconectan como se muestra en el esquema de la Fig. 1. Estos bloques funcionan de la siguiente manera. Para cada flujo disponible, el bloque Planificador Estadístico previamente calcula y almacena los parámetros TSpec de cada escena y, además, los eventos de renegociación de recursos de cada secuencia. El bloque Regulador/Negociador administra y controla el flujo que será transmitido. Por lo tanto, este bloque envía y recibe los mensajes RSVP y, cuando sucede un cambio de escena o una variación en los recursos disponibles, decide qué flujo (Q i ) será transmitido. Además, este bloque controla que las peticiones de recursos estén limitadas a un valor de reserva mínima que asegure transmitir el flujo de, al menos, la peor calidad de imagen disponible durante toda la sesión. El bloque Suavizador extrae la variabilidad de cada grupo de cuadros (frames Intra, Predicted y Bidirectional-Predicted) introducida por el modo de codificación del algoritmo MPEG. De este modo, la tasa de bits se suaviza y se mantiene constante (r GoP ) en cada intervalo de GoP (Group of Pictures). heurística. Sencillos modelos markovianos basados en escenas representan los cambios de escenas a través de transiciones entre estados, donde los estados identifican clases de escenas. De esta forma, se estima que estos cambios de estados representen los cambios significativos de requerimientos de recursos de red. Por simplicidad, en adelante nos referiremos a cada clase de escena como nivel de actividad. Un ejemplo de modelo Markoviano basado en escenas se muestra en la Fig. 3, donde se definen L niveles de actividad. Cabe destacar que, el proceso de segmentación de diferentes flujos codificados con diferente calidad de la misma película da como resultado los mismos límites de las escenas. Consecuentemente, para un conjunto de modelos de flujos de vídeo relativos a una misma película, los cambios de escenas ocurren en los mismo s instantes. Como un ejemplo, en la Fig. 2 se muestra la tasa de bits requerida para transmitir la secuencia El Graduado codificada con Q igual a 4, 8 y 16. En la Fig. 2 se corrobora que estos flujos están alineados temporalmente. Así, en adelante, nos referiremos indistintamente a un cambio del nivel de actividad de la secuencia como a un cambio del nivel de actividad de cualquiera de sus flujos codificados. Figura 1. Modelo del sistema para el servicio VoD adaptativo. 3 Preliminares 3.1 Modelos Markovianos Basados en escenas para una Secuencia de Vídeo Para caracterizar eficientemente los recursos de red requeridos por un flujo de calidad constante de una secuencia de vídeo, necesitamos identificar los grupos de cuadros (frames) con la misma complejidad o actividad. El proceso de identificación de esos grupos consecutivos de frames se llama Segmentación (Segmentation) [13]. La segmentación de una secuencia de vídeo resulta en una serie de grupos de cuadros con requerimientos similares de recursos de red [14]. Estos segmentos, también llamados escenas, definen diferentes niveles de complejidad dentro de la secuencia. Por medio de la clasificación de esas escenas en niveles de actividad, en trabajos previos han sido propuestos modelos basados en escenas [15]. Algunos de esos trabajos más relevantes desarrollan modelos analíticos basados en cadenas de Markov. Estos modelos determinan el número de clases de escenas de manera Figura 2. Tasa de bits reservada, secuencia El Graduado. Figura 3. Modelo markoviano basado en escenas. 3.2 Método Genérico para Desarrollar Modelos Analíticos de Sistemas VoD En [8] propusimos un método genérico para construir modelos basados en Cadenas de Markov con Recompensas (CMR) para sistemas VoD. Para llevar a cabo los cómputos de medidas de QoS aplicamos a la CMR el método de Randomización [16]. Esta metodología genérica consiste de 5 pasos para obtener una CMR que estadísticamente caracteriza los recursos de red requeridos por una conexión y la cantidad de recursos disponibles para dicha conexión. También en [8], aplicando esta metodología, fue derivado un modelo analítico de un sistema VoD particular. Posteriormente, en [10] propusimos algunas modificaciones a este modelo, obteniendo nuevos modelos que reducen el espacio de estados y, así, proporcionan un cómputo más rápido de los resultados. El lector puede encontrar las explicaciones completas de estos modelos analíticos en [8] y [10]. También puede encontrar en [11] un claro resumen de la construcción de estos modelos analíticos, del cual en la Fig. 4 se muestra el modelo genérico resultante para el servicio de vídeo proporcionado a una sesión aceptada en nuestro sistema VoD, donde cada flujo codificado de la secuencia se caracteriza con 3 niveles de actividad (por simplicidad se muestran 3 calidades diferentes

4 a de flujo). La Fig. 4 muestra los estados e f posibles del sistema, en que se transmite el flujo de calidad f en nivel de actividad a. Las transiciones se producen cuando hay cambios de nivel de actividad en las escenas o cambios de los recursos disponibles en el sistema. Figura 4. Modelo genérico del servicio VoD proporcionado a una sesión aceptada en el sistema VoD. 4 Evaluando diferentes opciones de diseño en el Servicio de Vídeo. En la sección 2 se describió el modo de operación general del sistema VoD bajo análisis. Sin embargo, aún están abiertas varias opciones para configurar el servicio de vídeo que finalmente será ofrecido a sus clientes. Muchas de las medidas de QoS de estos servicios VoD adaptativos pueden evaluarse usando nuestros modelos analíticos, que hemos resumido en la sección 3, y fácilmente comparar el rendimiento para diferentes elecciones en el diseño del servicio. Los proveedores del servicio pueden diseñar diferentes clases de usuarios, es decir, diferentes perfiles de usuarios, con diferentes características de QoS. Todas las conexiones, inclusive de diferente clase de usuario, están interactuando y compartiendo los recursos de red. Consecuentemente, la calidad percibida por cada clase de usuario depende de un apropiado diseño de la operación del sistema VoD. Desde el punto de vista del modelo genérico del servicio de VoD propuesto en [8], son varios los aspectos de diseño que pueden determinar diferentes clases de servicio ofrecido al usuario. Algunos de éstos son: o La película solicitada por el cliente. o El conjunto de flujos con diferente calidad de vídeo disponibles para transmitir la película solicitada por el usuario. o La capacidad de ancho de banda (BW) de conexión del cliente (ADSL, MODEM, ) o Privilegios en la política de asignación de recursos implementada en el servidor de vídeo. o Privilegios o restricciones en el control de admisión de las peticiones de conexión, implementado en el servidor de vídeo. La configuración del sistema VoD en estos aspectos, entre otros, influirá fuertemente en la capacidad del servidor de vídeo para satisfacer los acuerdos a nivel de servicio (SLA) entre el proveedor del servicio de vídeo y sus clientes. En esta sección se analiza la eficiencia del servicio de vídeo considerando los mismos parámetros de configuración del sistema VoD que se usaron en [10], con la excepción de un nuevo comportamiento del control de admisión. En [10] el perfil de usuario diseñado determina que cada conexión aceptada en el sistema VoD puede acceder a todos los recursos disponibles, sin distinción entre usuarios o clases de usuarios. En cada conexión se tiene un mínimo BW a reservar para asegurar la transmisión del flujo de más baja calidad de imagen, disponible a su clase de usuario. Llamamos RSV min a dicho valor mínimo. Además, las sesiones ya aceptadas en el sistema VoD no liberan recursos que les han sido asignados a menos que disminuya el nivel de actividad de la secuencia, caso en el cual están obligadas a liberar el BW no necesitado. Un nuevo usuario tiene que esperar a que las exigencias de recursos de las secuencias en transmisión a las sesiones ya aceptadas se encuentren en niveles suficientemente inferiores para que los recursos disponibles alcancen para aceptar esta nueva sesión, lo cual, dependiendo de las secuencias y las calidades de vídeo disponibles a los usuarios aceptados en el sistema VoD, podría no suceder nunca. En contrapartida, una vez que la conexión es aceptada rápidamente consigue un nivel de recursos suficiente para alcanzar una calidad de vídeo cercana a la máxima disponible a su clase y nunca percibirá una alta degradación de dicha calidad de vídeo. Entonces, el control de admisión diseñado y evaluado en [10] para el servicio VoD proporciona a sus usuarios aceptados altas garantías de QoS pero con un control de acceso al sistema muy restringido. En cambio, en el presente trabajo se diseña y evalúa un control de admisión más permisivo. Ahora una nueva solicitud de conexión es aceptada si los recursos totales de red son suficientes para transmitir en todas y cada una de las conexiones su mínima calidad de vídeo. En el momento de recibir esta nueva solicitud de conexión, si es necesario para aceptarla, la calidad de todas las conexiones ya aceptadas será disminuida incluso hasta transmitir sus respectivos flujos de mínima calidad de vídeo disponible. Como consecuencia, este nuevo control de admisión maximizará el número de usuarios aceptados aunque éstos deban experimentar un alto nivel de degradación de QoS. Así, se configura el sistema VoD de manera que todas las clases de usuarios tendrán los mismos privilegios de asignación de recursos y los mismos privilegios de control de admisión. Además, se supondrá que el BW de conexión de los clientes es siempre superior al BW que se requiere reservar para transmitir cualquiera de los flujos del servicio solicitado. 4.1 Diseño del conjunto de flujos de vídeo para cada Clase de Usuario Los proveedores del servicio deben diseñar el conjunto de flujos codificados acorde a la QoS que deseen ofrecer a cada clase de usuario. La cuestión es decidir cuántos y cuáles flujos de diferentes calidades de vídeo son los más adecuados para satisfacer los requerimientos de QoS de cada una de las clases.

5 Para ilustrar un análisis de la influencia de este factor de diseño en nuestro sistema VoD adaptativo, suponemos que el servicio de vídeo dispone de la película El Graduado de la cual tiene almacenadas las calidades de flujos codificados con paso de cuantización Q igual a 4, 8 y 16. Nos referimos a los flujos con esta codificación como vbr4 (la más alta calidad de vídeo), vbr8 y vbr16 (la más baja calidad de vídeo), respectivamente. Por lo tanto, el servicio de vídeo diferenciará cada clase de usuario acorde a la película y las calidades de flujo de vídeo que le podrán ser transmitidas para proporcionarle el servicio solicitado. Considerando dar el servicio con dos calidades de flujo como mínimo, las posibles combinaciones de estos 3 flujos dan origen a 4 posibles clases de usuario las cuales definimos; clase0, clase1, clase2 y clase3, las cuales corresponden a los clientes que soliciten la película El Graduado y que se les permite acceder a los flujos Q={4, 8}, Q={4, 8, 16}, Q={8, 16} y Q={4, 16}, respectivamente. En la Tabla 1 se señalan los valores de los recursos que se requieres reservar para transmitir estos flujos a usuarios de cada una de las clases. Estos valores son muy relevantes en nuestros modelos analíticos del sistema VoD [10], que denominamos parámetros RSV. Los usuarios clase1, clase2 y clase3 tienen el mismo flujo de calidad mínima (vbr16), por tanto su valor de RSV min es el mismo, [bits/gop] que corresponde al máximo PEAK RATE de vbr16. En cambio para un usuario clase0 el flujo de calidad mínima es vbr8, por tanto su RSV min es [bits/gop]. Aunque la cantidad de información transmitida con cada flujo vbr4 o vbr8 es la misma para todas las clases de usuarios, no es igual la cantidad de recursos a reservar, RSV. El mayor valor de RSV min de clase0 aumenta su RSV, respecto a las otras tres clases. Así, clase1, clase2 y clase3 tienen los mismos valores de RSV en sus respectivos flujos (vbr4, vbr8 y vbr16), en cambio la clase0 no. Tabla 1. Recursos reservados para transmitir a una conexión la secuencia de vídeo El Graduado, RSV [bits/gop] Clase1 Clase0 Clase2 Vbr8 Vbr4 Vbr16 Vbr8 Vbr4 Nivel Nivel Nivel De la evaluación del modelo analítico se computaron los valores medios y las desviaciones estándar entre todos los usuarios para diversas medidas de QoS ofrecidas en nuestro sistema VoD. Por razones de espacio aquí se muestran sólo algunos de estos resultados. En las Figuras 5 a 7 se presentan los valores obtenidos para las medidas PSNR, BW reservado y BW transmitido a una conexión y el Tiempo Total en Fallo, en los casos en que sólo una clase de usuarios es aceptada en el sistema VoD adaptativo. En estas figuras la medida señalada como Failure Total Time (Tiempo Total en Fallo) corresponde al Tiempo Total en que no se proporciona al usuario un determinado nivel de calidad de vídeo contratado por el cliente. Se ha medido el caso en que dicho nivel corresponde al flu jo de máxima calidad de su clase de cliente. La unidad en que se presenta este Tiempo Total en Fallo es el porcentaje de tiempo que está en fallo respecto al tiempo total de sesión (tiempo de la secuencia completa). En estas figuras cada curva son varias evaluaciones representadas en función del BW Total asignado al servicio de vídeo y, además, cada curva tiene el número de sesiones (N) como parámetro. Para cada N, las curvas empiezan en el mínimo BW requerido (N RSV min ) para aceptar la N-ésima sesión en el sistema VoD. Por ejemplo, en la Fig. 5 las curvas señaladas como N=2: class1 corresponden a N igual a dos usuarios aceptados de clase1, donde el valor de RSV min para cada usuario clase1 es 1.5 Mbps (364476bits/GoP) y por tanto el mínimo valor de BW Total para aceptar dos conexiones es 3 Mbps. Los valores de PSNR de cada uno de los flujos codificados y almacenados en el servidor de vídeo de la secuencia El Graduado son 42.03, y (vbr4, vbr8 y vbr16, respectivamente) db. Así, el valor máximo de PSNR que puede alcanzar un usuario cuando tiene suficientes recursos para ser servido, casi siempre a lo largo de toda su sesión, con el flujo de máxima calidad a que puede acceder, para clase0, clase1 y clase3 es 42 db y para clase2 es 38 db (ver las Figuras 5 y 6). Análogamente el valor mínimo, cuando los recursos sólo alcanzan para que un usuario sea servido siempre con su flujo de mínima calidad, para clase3 es 34.3 db. Sin embargo, note en la Fig. 5 que para las clases clase0, clase1 y clase2 no se obtiene como valores mínimos los correspondientes a los flujos de mínima calidad de vídeo que pueden acceder, aunque se restringa al mínimo el BW Total. Esto se debe a que en estas clases los niveles de compresión de su flujo de mínima calidad y su flujo de siguiente mejor calidad son suficientemente cercanos para que varias de las escenas puedan ser transmitidas con un flujo de mejor calidad que la mínima calidad de vídeo. Esto se ve reflejado en el modelo analítico de estas clases, donde el flujo de siguiente mejor calidad al mínimo tiene asignado en su nivel de actividad 0 un valor de RSV igual a RSV min. En la Fig. 6, se observa que la PSNR proporcionada a un usuario clase3 es bastante inferior que la PSNR proporcionada a un usuario clase1, para la misma cantidad de BW reservado en ambos casos. Así, podemos afirmar el hecho de que implementar usuarios clase3 es una opción ineficiente. En nuestro sistema VoD, a medida que aumenta el BW Total, en cada conexión aumentan las escenas que pueden ser transmitidas con una mejor calidad de vídeo (las medidas PSNR, BW reservado y BW transmitido a una conexión van aumentando y el Tiempo Total en Fallo va disminuyendo). Esta evolución se aprecia claramente en la Fig. 5. Además, cuando se aceptan conexiones clase0 se asegura un valor alto de PSNR a los usuarios; cuando se aceptan

6 conexiones clase2 se limita a un valor bajo de PSNR a los usuarios; y cuando se aceptan conexiones clase1 los usuarios experimentan un amplio rango del valor de PSNR que depende de la cantidad de recursos de red disponibles en el sistema VoD. Para otras medidas como el BW transmitido y BW reservado a un usuario, se observa este mismo tipo de comportamiento que para la PSNR. Un usuario clase0 siempre reserva más recursos que un cliente clase1 para proporcionar la misma calidad de vídeo y con ello asegura un alto nivel de calidad de vídeo pero reduce las posibilidades de que su solicitud de conexión al sistema sea aceptada. En cambio, un usuario clase1 está dispuesto a aceptar una mayor degradación de la calidad que le es ofrecida pero aumenta su posibilidad de aceptación de conexión al sistema y posteriormente, a lo largo de la sesión, podría mejorar su calidad de vídeo aprovechando los recursos que sean liberados por las demás conexiones aceptadas. En la Fig. 7 se muestra simultáneamente los resultados de las medidas proporcionada a un usuario cuando hay N=5 conexiones aceptadas, en los casos de que estas conexiones sean clase0, clase1 o clase2. Para las medidas PSNR, BW reservado y BW transmitido claramente se comprueba que; en valores de BW Total muy restringido (valores bajo 8.3 Mbps) los usuarios clase1 reciben un servicio igual que si fuesen usuarios clase2. Esta igualdad se debe a que, bajo 8.3 Mbps de BW Total compartido por las conexiones aceptadas en el sistema VoD nunca habrá suficientes recursos disponibles para que un usuario clase1 pueda acceder a su flujo de máxima calidad (vbr4) por lo que podrá acceder sólo a los flujos de las mismas calidades que un usuario clase2 (vbr16 y vbr8). Por otra parte, en la medida que aumenta el valor del BW Total los clientes clase1 utilizan los recursos disponibles mejorando así su calidad hasta el punto que los usuarios clase1 reciben el servicio con una calidad igual o superior a que si fuesen usuarios clase0. Considerando lo expuesto hasta aquí, de las clases de usuarios diseñadas en nuestro sistema VoD podemos decir que; se descarta la implementación de la clase3 debido a que es ineficiente; la clase0 es la clase de usuario exigente, puede acceder a los dos flujos de más alta calidad de vídeo (vrb4, vbr8); la clase1 es la clase de usuario tolerante, puede acceder a tres flujos almacenados en el servidor (vrb4, vbr8 y vbr16) y la clase2 es la clase de usuario conformista, puede acceder a los dos flujos de más baja calidad de vídeo (vrb8 y vbr16). Figura 5. Medidas de QoS proporcionado a clientes homogéneos. Para un usuario de clase0, clase1 o clase2 cuando hay N conexiones homogéneas de clase0, clase1 o clase2 aceptadas en el sistema VoD, respectivamente. Figura 6. Comparación de las medidas de QoS proporcionado a un cliente. Para un usuario de clase1 o clase3 cuando hay N conexiones homogéneas de clase1 o clase3 aceptadas en el sistema VoD respectivamente. Casos N=5 y N=7 conexiones.

7 Figura 7. Comparación de las medidas de QoS proporcionado a un cliente. Para un usuario de clase0, clase1 o clase2 cuando hay N conexiones homogéneas de clase0, clase1 o clase2 aceptadas en el sistema VoD respectivamente. Casos N=5 conexiones Análisis de Granularidad en las Calidades de Vídeo de los Flujos Disponibles Por granularidad en las calidades de vídeo disponibles a una clase de usuario nos referiremos a cuántos flujos de vídeo de calidades distintas puede acceder el usuario durante su sesión de vídeo, intermedios entre los flujos de calidad máxima y mínima que puede acceder. Dicho de otra forma, esta granularidad hace referencia a la diferencia de calidad de vídeo entre un flujo y el flujo de la siguiente mejor calidad, asequibles por la clase de usuario. En esta sección analizamos la influencia en la QoS al disponer de más o menos flujos de calidades de vídeo manteniendo el flujo de máxima y mínima calidad a las que puede acceder el cliente. Existirá una distancia entre calidades de flujos a partir de la cual, agregar más granularidad no proporcionará mayores beneficios en los niveles de QoS. Por otra parte, si la distancia entre flujos es muy grande agregar un flujo de calidad intermedia mejora notablemente la QoS. Además, la ganancia de QoS que se pueda obtener con más granularidad aumenta a medida que entre las conexiones aumenta la competición de recursos de red (aumenta el número de conexiones aceptadas o disminuye la cantidad de BW Total disponible al servicio de vídeo). Generalizando y concretamente expuesto desde el punto de vista de nuestro modelo analítico, se observa que la mejor condición de granularidad en la calidad de vídeo de los flujos de cualquier clase de usuario es que; el RSV del nivel 0 de cada flujo accesible por la clase sea igual o muy cercano al RSV del nivel 2 del flujo con la calidad de vídeo inmediatamente inferior. Una granularidad mayor que esta condición no proporcionará beneficios notables en la QoS. El primer ejemplo comparativo de esta influencia ya lo hemos visto en la Fig. 6 donde se compara clase3 con clase1. Claramente la granularidad en clase3 es insuficiente. El Tiempo Total en Fallo es casi igual para ambos casos, lo cual implica que un usuario clase3 permanece la misma cantidad de tiempo que un usuario clase1 en su flujo de máxima calidad, que para ambos es vbr4. Entonces, si la PSNR de clase1 es mayor que la de clase3 se debe a que muchas de las escenas que sólo pueden ser transmitidas con el flujo vbr16 a un usuario clase3, pueden ser transmitidas con el flujo vbr8 a un usuario clase1. Ahora, para poner otro ejemplo a nuestra afirmación, analizamos otras clases de usuarios. En la Fig. 8 se presentan resultados para usuarios de las clases que llamaremos clase4, clase5 y clase6, los cuales solicitan la secuencia Flores de Otro Mundo. Las clases clase5 y clase6 disponen de los flujos de calidades de vídeo con Q={4, 8, 16} y Q={4, 16}, respectivamente. Los clientes clase4 tienen mayor granularidad que los clase5, agregando el flujo de vídeo con Q=6, es decir, disponen de Q={4, 6, 8, 16}. En la Tabla 2 están los valores de RSV asociados a los flujos de estas clases. Considerando los valores de RSV para los distintos flujos de clase6 y clase5 de la Tabla 2, y comparando clase6 con clase5 en la Fig. 8, confirmamos las mismas observaciones ya hechas entre clase3 y clase1: la granularidad en clase6 es insuficiente. Por otra parte, en la Tabla 2 observamos que clase5 ya cumple la condición en los valores de RSV que hemos observado como mejor opción de granularidad (p.ej >274042). Así, si comparamos los resultados de clase5 con los de clase4 confirmamos la afirmación de que agregar el flujo vbr6 no aporta mayores beneficios en la QoS proporcionada a los usuarios. Clase4 requiere un poco más de BW reservado que clase5, y la mejora en PSNR que ofrece es muy poca. En un trabajo previo [8] obtuvimos resultados de una plataforma implementada. En algunos casos se observó que la QoS resultante puede ser bastante diferente para los distintos usuarios de misma clase en una misma sesión. Podemos observar que nuestro modelo analítico captura este hecho. En la Fig. 8 para los clientes clase6 se observan grandes saltos de los valores resultantes para pequeñas variaciones del BW Total mientras que en la Fig. 6 para clientes clase3 estos saltos no son tan pronunciados. Esto radica en características propias de las secuencias y su segmentación. Así, en casos donde se observan resultados con estas características es recomendable aumentar la granularidad para las clases de usuarios que serán ofrecidas. Esto suaviza los resultados y disminuye las posibles diferencias en la QoS resultante entre los usuarios de una misma clase. Tabla 2. Recursos reservados para transmitir a una conexión la secuencia de vídeo Flores de Otro Mundo, RSV [bits/gop] Clase4 Clase5 Vbr16 Vbr8 Vbr4 Vbr6 Nivel Nivel Nivel

8 Figura 8. Comparación de las medidas de QoS proporcionado a un cliente. Para un usuario de clase4, clase5 o clase6 cuando hay N conexiones homogéneas de clase4, clase5 o clase6 aceptadas en el sistema VoD, respectivamente. Casos N=1, 3 y 5 conexiones. 5 Conclusiones y Trabajos Futuros La mayoría de los esquemas de administración de QoS disponibles en la literatura necesitan mecanismos y procedimientos para cuantificar los parámetros SLA a nivel de usuario. Asimismo, éstos se requieren para el diseño previo de los servicios a ofrecer. La metodología genérica que propusimos en [8] utiliza la caracterización de los flujos de calidad constante para construir modelos analíticos de servicios video-streaming adaptativos. Empleando esta metodología hemos obtenido evaluaciones de un sistema VoD adaptativo para diferentes opciones de diseño. En particular, hemos diseñado y evaluado diferentes perfiles de QoS de los clientes. Además, el análisis de estos resultados nos ha permitido derivar algunos criterios básicos genéricos para determinar el conjunto de flujos de diferentes calidades disponibles a los clientes. Como trabajos futuros estamos analizando otros aspectos de dis eño como el algoritmo de segmentación aplicado a las secuencias de vídeo, diferentes políticas de asignación de recursos y control de admisión para cada clase de usuario. Agradecimientos Este trabajo ha sido financiado por el proyecto SECONNET (CICYT -TSI C02-01). Referencias [1] D. Wu, et al., Streaming Video over Internet: Approaches and Directions, IEEE Trans. on Circuits and Systems for Video Technology 11(3), (2001). [2] M. Ghanbari, Video Coding: An Introduction to Standard Codecs (IEE Telecommunications Series 42), IEE Publishing, (1999). [3] L.J. De la Cruz, J. Mata, Performance of Dynamic Resource Allocation with QoS Guarantees for MPEG VBR Video Traffic Transmission over ATM Networks, IEEE GLOBECOM 99, vol. 2, pp (1999). [4] P. Manzoni, P. Cremonesi, G. Serazzi, Workload Models of VBR Traffic and Their Use in Resource Allocation Policies,IEEE/ACM Trans. on Networking 7(3), (1999). [5] G.M. Muntean, L. Murphy, A New Adaptive Multimedia Streaming System for All-IP Multi- Service Networks, IEEE Transactions on Broadcasting 50(1), 1-10 (2004). [6] A. Lombardo, G. Schembra, Performance Evaluation of an Adaptive-Rate MPEG Encoder Matching IntServ Traffic Constraints, IEEE/ACM Trans. on Networking 11(1),(2003). [7] R.S. Ramanujan, et al., Adaptive streaming of MPEG video over IP networks, Proceedings 22nd Annual Conference on Local Computer Networks, IEEE, pp , (1997). [8] I.V. Martín, J.J. Alins-Delgado, M. Aguilar- Igartua, J. Mata-Díaz, Modelling an Adaptive- Rate Video-Streaming Service Using Markov- Rewards Models, Proc. of the QSHINE04, IEEE, pp , Dallas, Texas, USA, (2004). [9] J.F. Meyer, Performability Evaluation of Telecommunication Networks, in: Teletraffic Science for Cost-Effective Systems, Network and Services, edited by M. Bonnati, Elsevier Science Publishers B. V. (1989). [10] I.V. Martín, J.J. Alins-Delgado, M. Aguilar- Igartua, J. Mata-Díaz, Performability Analysis of an Adaptive-Rate Video-Streaming Service in End-to-End QoS Scenarios, 16th IFIP/IEEE DSOM2005, LNCS 3775, (2005). [11] I.V. Martín, M. Aguilar-Igartua, J. Mata-Díaz, Design of an Adaptive-Rate Video-Streaming Service with Different Classes of Users, IFIP WCC2006, IFIP NetCon2006, Springer, ISSN/ISBN , (2006). [12] Y. Bernet et al., RFC 2998: A Framework for Integrated Services Operation over Diffserv Networks, (2000). [13] U. Sarka r, S. Ramakrishnan, Study of longduration MPEG trace segmentation methods for developing frame -size -based traffic models, Computer Networks 44(22), (2004). [14] Min Wu, et al., Dynamic Resource Allocation via Video Content and Short-Term Traffic Statistics, IEEE Trans. on Multimedia 3(2), (2001). [15] A. Mashat, M. Kara, Performance Evaluation of a Scene-based Model for VBR MPEG Traffic, Perform. Evaluation IFIP WG7.3 36(1), (1999). [16] B. R. Haverkort, et al. (eds), Performability Modelling: Techniques and Tools, (John Wiley & Sons, ISBN: , (2001).