Контроль видеотрафика

Введение. С начала 2023 года, в связи с возросшей потребностью в виртуальном общении и растущим внедрением мультимедийных приложений, очевидно, что значительная часть будущего трафика будет генерироваться из этих приложений. Эти разнообразные мультимедийные приложения создают высокий спрос на полосу пропускания в отличие от традиционного сетевого трафика, такого как Интернет и представляют серьезную проблему для поставщиков услуг, особенно в беспроводных сетях. Если поставщики услуг решат уменьшить доступную полосу пропускания для каждого пользователя, чтобы позволить большему количеству пользователей получить доступ к сети, это может привести к потенциальной потере пакетов и ухудшению качества передачи данных видео. С другой стороны, если они выделяют больше полосы пропускания для удовлетворения потенциального высокого спроса на мультимедийные услуги, может произойти потеря полосы пропускания.

Эффективные подходы к управлению трафиком. Чтобы минимизировать коэффициент потери пакетов для сохранения качества цифрового видео при одновременной максимизации скорости сети за счет предотвращения перегрузки и поддержания оптимального использования полосы пропускания, для адаптивной потоковой передачи требуются эффективные подходы к управлению трафиком, такие как динамическое распределение полосы пропускания. Например, видеоконференции между различными географическими точками требует высокой пропускной способности, и, если предлагаемая пропускная способность будет уменьшена, качество видео может быть поставлено под угрозу [2]; в связи с чем неэффективно использовать ту же выделенную пропускную способность для видеочата на мобильных устройствах. Вместо этого сервисы должны динамически адаптироваться к условиям сети, которые варьируются с точки зрения пропускной способности, скорости потери пакетов [3]. Эти проблемы могут быть значительно смягчены, если можно предсказать объем видеотрафика, который будет генерироваться в сети. Точное прогнозирование многих аспектов деятельности в режиме реального времени на полосу пропускания очень важен; к ним относятся справедливое использование полосы пропускания, динамическое распределение полосы пропускания и сквозное управление качеством мультимедийных потоков в реальном времени. Полоса пропускания является основным ресурсом, доступным сети, и дифференциальное распределение полосы пропускания может использоваться для поддержания сквозного QoS, где сквозное управление QoS (Quality of Service) - это дифференциальное определение приоритетов приложения (такого как мультимедийный поток в реальном времени) сетью для поддержания QoS по всему сетевому пути от сервера к получателю.

Другим важным аспектом видеотрафика являются строгие требования к задержке передачи пакетов. Они возникают из-за необходимости поддерживать восприятие человеком непрерывный видеопоток и являются серьезной проблемой для сетевых администраторов. Чтобы избежать значительной задержки передачи, происходит увеличение времени прохождения пакетов и уменьшение пропускной способности. Это явление в компьютерных сетях называется излишней сетевой буферизацией. Все больше и больше приложений в Интернете, чувствительных к задержкам, делают это явление актуальной проблемой. Однако более фундаментальной проблемой является предсказуемость поведения источника потока данных для конкретного приложения. Обеспечение большей предсказуемости может уменьшить чрезмерное накопление пакетов в буферах за счет использования, например, эффективных механизмов контроля трафика на пограничных маршрутизаторах. Чтобы обеспечить предсказуемость, требуемую новыми приложениями, операторы обычно полагаются на контроль и/или формирование на границе, чтобы гарантировать, что пользователи не используют избыточную полосу пропускания, которая не была учтена. Однако эта попытка контролировать скачиваемые источники может привести к ограничениям на скорость передачи и скачивания соответствующими пользователями которые могут быть несправедливо оштрафованы, несмотря на соблюдение параметров трафика, указанных в их контракте (например, они могут передавать большой пакет данных, а затем сохранять молчание в течение значительного периода времени).

Эти ограничения также могут существенно повлиять на строгие требования к качеству обслуживания пользователей видео.

Требования к задержке видеопакета строги, поскольку задержки раздражают зрителя. Всякий раз, когда задержка, с которой сталкивается видеопакет, превышает максимальную задержку, пакет отбрасывается, и требования к отбрасыванию видеопакета столь же строги. Даже в случаях, когда сеть удовлетворяет средним требованиям к качеству обслуживания, ограничения скорости передачи/загрузки соответствующих пользователей приведут к задержкам, которые повлияют на качество обслуживания пользователя (Quality of Experience - QoE). С другой стороны, если несоответствующие видео пользователи не будут должным образом проконтролированы, это может привести к значительному ограничению пропускной способности для других потоков. Чтобы защитить сетевые ресурсы от преднамеренного или непреднамеренного переполнения трафиком из несоответствующих источников, обеспечивая при этом справедливое отношение к соответствующим пользователям, [29] эффективное и справедливые механизмы обеспечения безопасности имеют первостепенное значение, и ключом к достижению этой цели является то, чтобы этот механизм носил динамичный характер.

Видеотрафик. Многие мультимедийные приложения требуют передачи непрерывного потока данных в режиме реального времени. Как таковые, эти приложения для непрерывной передачи данных могут предъявлять высокие требования к трафику и высокой пропускной способности, характеризующиеся жесткими требованиями к задержкам и потерям. Эти требования создают значительные трудности при проектировании таких систем, особенно с учетом того, что Интернет в настоящее время не предоставляет гарантий качества доставки данных. Переменная скорость передачи данных (Variable bit rate -VBR) показывает, что видеотрассы обладают нелинейностью, изменчивостью во времени и демонстрируют долгосрочную временную зависимость.

Таким образом, среди различных других характеристик видеотрафика есть два основных свойства, представляющие интерес:

1) распределение размеров кадров

2) функция автокорреляции (autocorrelation function - ACF), которая показывает зависимость автокорреляции от величины сдвига во времени.

Что касается первого свойства, было предложено несколько моделей распределения кадров по размерам, включая логнормальную, гамма, длинноволновую модель и различные гибридные дистрибутивы. Кроме того, по сравнению с задачей подгонки модели к распределению размеров кадра, захват структуры ACF видео VBR является более сложной задачей из-за того факта, что трассировки VBR проявляют свойства долговременной зависимости, также называемая долговременной памятью (long-range dependence -LRD) и краткосрочной зависимостью (short-range dependence - SRD) [40]. Совместное существование SRD и LRD указывает на то, что структура ACF видеотрафика аналогична структуре процессов SRD при малых временных задержках и структуре процессов LRD при больших временных задержках. Таким образом, использование только моделей LRD и SRD не дают удовлетворительных результатов. Для решения этой проблемы было проведено множество исследований, но лишь в нескольких из них удалось смоделировать сложную структуру LRD/SRD ACF реального видеотрафика. Для достижения высокого уровня использования сетевых ресурсов при сохранении QoS эффективные стратегии управления трафиком, такие как прогнозирование размеров видеокадров, могут играть значительную роль в динамическом распределении полосы пропускания. Следовательно, необходима дальнейшая работа в этой области [4].

Контроль видео трафика. Видеорегистрация трафика необходима для защиты сетевых ресурсов от злоумышленников и обеспечения надлежащего функционирования источника в сети, чтобы сеть могла эффективно использоваться. Из-за скачкообразного характера видеотрафика возникает проблема эффективного внедрения механизмов контроля перегрузки при сохранении требований к качеству обслуживания.

Кроме того, разработка механизмов контроля перегрузки видеотрафика оставалась сложной задачей из-за больших задержек распространения в этих сетях. Эти задержки могут приводить к длительным периодам между возникновением и обнаружением условий перегрузки соответствующими элементами управления сетью. Таким образом, механизм контроля является важным компонентом стратегии превентивного контроля перегрузки. Он гарантирует, что источник трафика не вводит чрезмерный трафик в сеть. Первым подходом к схеме контроля перегрузки является механизм контроля допуска соединений (connection admission control - CAC), который ограничивает количество подключений к вызовам. Однако постоянно растущий сетевой трафик загружает различные мультимедийные приложения и создают проблему разработки эффективного механизма CAC довольно сложной. Кроме того, часто пользователи мультимедиа могут пытаться нарушить свои контракты на трафик с провайдером, вводя трафик с длительными периодами загрузки или путем злонамеренного использования [5].

Выводы:

Одной из фундаментальных проблем сетевого контроля является механизм контроля источника трафика, который защищает сетевые ресурсы от преднамеренного или непреднамеренного переполнения трафиком из несоответствующих источников.

Это происходит на периферии сети до того, как исходный пакет попадает в сеть. Этот тезис предлагает исследовать использование моделей для повышения эффективности видео таким образом, чтобы сохранялась защита от переполнения трафика, избегая при этом излишне строгого контроля за соответствующими видеоисточниками.

Эффективные стратегии управления трафиком могут играть значительную роль в динамическом распределении полосы пропускания. Но это требует углублённого исследования в этой области.

1. Cisco Video and TelePresence Architecture Design Guide [Online] Available: http://www.cisco.com (дата доступа: 01.12.2023)
2. J. Ye, K.-C. Leung, and S. H. Low. Combating Bufferbloat in Multi-Bottleneck Networks: Theory and Algorithms. IEEE/ACM Transactions on Networking, 2021, pp.1477–1493.
3. Varasteh, A. Van Bemten, C. Mas-Machuca, and W. Kellerer. Towards Understanding the Performance of Traffic Policing in Programmable Hardware Switches. IEEE International Conference on Network Softwarization (NetSoft), 2021
4. H. Wang, X. Zhang, H. Chen, Y. Xu, and Z. Ma. Inferring End-to-End Latency in Live Videos," IEEE Transactions on Broadcasting, April 2021.
5. M. Jin, M. Li, Y. Zheng, and L. Chi. Searching Correlated Patterns from Graph Streams. IEEE Access, vol. 8, pp. 106690-106704, January 2020.