基于PPlive的客户端行为的研究
Upcoming SlideShare
Loading in...5
×
 

基于PPlive的客户端行为的研究

on

  • 2,304 views

主要是通过分析pplive数据包得出的一些结论,有待改进。

主要是通过分析pplive数据包得出的一些结论,有待改进。

Statistics

Views

Total Views
2,304
Slideshare-icon Views on SlideShare
2,298
Embed Views
6

Actions

Likes
0
Downloads
21
Comments
0

1 Embed 6

http://www.slideshare.net 6

Accessibility

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    基于PPlive的客户端行为的研究 基于PPlive的客户端行为的研究 Presentation Transcript

    • 基于 PPL ive 的客户端行为的研究
      • 电信学院 通信专业
      • 姓名:叶青
      • 学号: 04211085
      • 指导老师:陈常嘉
    • 完成的研究任务
      • 1. pplive 的工作机制
      • 2. buffer 特性分析,主要是 buffer 的一些参数 及它们之间的相互关系
      • 3. chunk 的调度策略
      • 4. peer 的选择和保持策略
      • 5. 下载拓扑分析
      • 以上的研究主要是通过分析 pplive 数据包的形式得出结论
    • PPLive 工作机制
    • Buffer 特性分析( 1 )
      • PPLive 的双缓冲机制: PPLive 的 TV 引擎缓冲区和媒体播放器缓冲区 。 PPLive 的主要组件是它的电视引擎,它负责从 PPLive 网络下载视频数据块并将下载的视频流化到媒体播放器。
    • Buffer 特性分析( 2 )
      • BM(buffer map) 、 BMW 、 BM playable video 、 time
    • Buffer 特性分析( 3 )
      • 结论 : ( 1 ) pplive 客户端约每 5 秒发送一次 BM ,每次偏移约 50 个 chunk; ( 2 ) offset 与 t 成正比,由斜率知 offset 偏移速率约为每秒 10 个 chunk ; ( 3 ) playable video 基本恒定 .
    • Chunk 调度策略
      • chunk 的下载基本按 chid 从小到大依次下载 ,斜率与下载速率正比。但在局部为了提高下载 chunk 数据的效率,有一定的灵活性
    • Peer 的选择和保持策略
      • 基于质量的选择和保持策略
      n 0.80 0.74 0.65 0.31 0.18 比例 10 8 6 2 1 前 n 个 peer
    • 前 30 个 peer 的对比
      • 排在十名之后的 peer :有的以低速率保持较长时间的连接,有的以较高速率短时间出现
    • Peer 拓扑分析
      • 双向 peer 的个数为 194 个,约占总 peer 个数的百分之六十。双向 peer 发送数据总量 76706 ,占总的发送数据量的比例为 0.91 ;接收数据总量 99476 , 占总的接收数据量的比例为 0.89 ,得出 mesh 型拓扑
    • 同一双向 peer 上、下载数据量对比
      • 同一 peer 上、下载数据量有较大差异
    • 参考互惠模型求互惠系数
      • 根据实际数据求得互惠系数为 0.273 ,与参考文章中的结论相比,有较好的互惠程度。由此也可得出 peer 间的 mesh 模型
    • thank you for your attention