Medir a qualidade de vídeo do lado do servidor: Estimar o buffer

Qualidade de Experiência e Rebuffers

Nos primeiros dias da transmissão de vídeo , os espetadores estavam dispostos a suportar uma experiência de reprodução frustrante para ter acesso a conteúdos exclusivos. À medida que o número de fornecedores de conteúdo que partilham o seu conteúdo entre vários distribuidores cresceu, a qualidade da experiência (QE) tornou-se vital para a retenção dos visitantes.

A qualidade da experiência refere-se à experiência geral de um utilizador a ver uma transmissão de vídeo. Ao contrário da qualidade de serviço (QOs), a QE é uma questão mais subjetiva, portanto difícil de medir ou garantir um certo nível. A QE inclui muitos indicadores-chave de desempenho (KPI) que os serviços de vídeo rastreiam para obter clareza do desempenho da sua plataforma. Estas métricas de qualidade podem ser divididas em áreas específicas de preocupação, como o rebuffering ou a extensa flutuação da taxa de bits.

Das várias métricas, o rebuffering é a falha mais notável e irritante dos espetadores. Essa pequena roda giratória é o símbolo de uma má experiência de visualização. A pesquisa da indústria de vídeo mostra consistentemente que os espetadores abandonam um fluxo quando experimentam rebuffering. A culpa por rebuffering e por uma QV degradada pode ser difícil de identificar. Pode ter origem em fontes através do Provedor de Serviços de Internet (ISP) do visitante, da rede de entrega de conteúdo (CDN), do navegador/aplicativo do cliente, ou da infraestrutura de vídeo do editor original.

Embora os problemas com o ISP ou com o editor estejam amplamente fora do nosso controle, agora podemos capturar dados acionáveis que nos permitem identificar e resolver problemas de QE decorrentes da CDN. Para fazer isso, desenvolvemos um algoritmo que chamamos de Rebuffer Estimativa para identificar problemas de qualidade de vídeo usando logs de servidor web. Este sistema de monitoramento em tempo real usa dados granulares para identificar problemas de QV e analisar para entender as causas e as ações de resolução correspondentes. Neste post, veremos como este algoritmo determina os problemas de QV e como podemos usá-lo para melhorar a QV.

A Visão Geral do Algoritmo de Rebuffer Estimativa

Uma maneira de rastrear a QE é que o jogador envie dados de QE para a CDN. Isso requer que jogadores e clientes adotem um kit de desenvolvimento de software (SDK). E dada a ampla diversidade de dispositivos de reprodução, as métricas de QE do lado do cliente são quase impossíveis de capturar consistentemente. O algoritmo Estimativa Rebuffer atenua a necessidade de alterações no jogador/cliente ou adoção do SDK. É uma estimativa porque não precisa de informações enviadas através de balizas do lado do cliente. No entanto, dada a sua amplitude através do centro de dados e redes de distribuição, fornece uma visão muito mais nítida da causa raiz dos problemas de QV em comparação com o lado do cliente.

A ferramenta Estimativa Rebuffer identifica problemas de QV usando logs de acesso do cliente do lado do servidor dos serviços de vídeo na nossa plataforma. Para avaliar a qualidade de vida, utiliza três informações:

• Um carimbo de data/hora de quando um cliente solicitou um asset/video-stream-chunk
• O nome do arquivo do asset/video-stream-chunk
• Um identificador de sessão ou cliente

A partir desta informação, sem a necessidade de ferramentas de terceiros, o algoritmo Estimativa Rebuffer pode determinar elementos-chave que influenciam a QE, incluindo o seguinte:

• Rebuffering – O algoritmo especifica o número de rebuffers que um cliente viu, a duração dos eventos de rebuffer e a proporção do rebuffering com o tempo gasto assistindo ao fluxo de vídeo.
• Taxa de bits média – A qualidade do vídeo é uma função da taxa de bits do vídeo. Uma taxa de bits média mais alta significa melhor qualidade de vídeo, imagens mais claras e nítidas, cores mais ricas e uma melhor experiência.
• Taxa de flutuação: Os visualizadores tendem a responder negativamente a flutuações na taxa de bits, preferindo uma taxa de bits constante. Esta métrica determina o número de vezes que o fluxo de vídeo altera a sua qualidade.
• Distribuição de qualidade – Isso nos permite determinar que fração do vídeo foi servido com que qualidade para um determinado cliente. Por exemplo, 80% eram servidos com alta qualidade, 10% médios, 10% baixos.

Como funciona

Como pode o algoritmo Estimativa Rebuffer fornecer uma avaliação tão útil da QE com apenas duas informações? Vamos dar uma olhada.

Um fluxo de vídeo de taxa de bits adaptativa (ABR) compreende muitos blocos de vídeo individuais ou ativos. Cada pedaço tem um tamanho fixo, normalmente 4 segundos. Por exemplo, um fluxo de vídeo ABR de 40 segundos tem 10 blocos (40/4 a 10 blocos).

Cada pedaço tem o nome sequencial, por exemplo, A1.TS, A2.TS, A3.TS… A10.TS, e assim por diante. A primeira letra é o tipo de qualidade. No nosso caso: A é o mais baixo, B é maior do que A, C é maior do que B…, e assim por diante. Com este conhecimento, olhamos para os pedidos de cada cliente e verificamos-os em sequência. Se a sua qualidade mudar, por exemplo, A1.TS, B2.TS, A3.ts, adicionamos isso à métrica de taxa de flutuação.

Como sabemos quando um cliente nos pediu um pedaço e quanto tempo cada pedaço é (4 segundos), podemos adicionar todo o tempo/duração para todos os pedaços solicitados. Se vemos uma lacuna entre eles, as falhas de solicitação mais longas do que o número de pedaços que o jogador pediu no passado – que é o vídeo no buffer – nós o contamos como um rebuffer. Também consideramos quanto dos clientes de vídeo em buffer teriam assistido quando fizeram uma nova solicitação de chunk da CDN.

Este algoritmo não é exclusivo da VerizonMedia , agora Edgio. Pode ser estendido a outros serviços de vídeo na rede de entrega do Edgio, desde que usem uma convenção de nomes de ficheiros semelhante.