1 / 31

Adaptive High-performance Real-time applications

Adaptive High-performance Real-time applications. 慶応義塾大学　政策メディア・研究科　 kazuhisa. Motivation. リアルタイムストリーミングの一般化普及 e-learning, international symposium, telemedicine. “Mission-critical flow”: (1) インタラクティブ性、 (2) パフォーマンス ( 映像・音声の品質 ) が求められる Best quality VS. Traffic Congestion パケットロスによる品質劣化が発生

macha
Download Presentation

Adaptive High-performance Real-time applications

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Adaptive High-performance Real-time applications 慶応義塾大学　政策メディア・研究科　 kazuhisa

  2. Motivation • リアルタイムストリーミングの一般化普及 • e-learning, international symposium, telemedicine. • “Mission-critical flow”: (1)インタラクティブ性、(2)パフォーマンス(映像・音声の品質)が求められる • Best quality VS. Traffic Congestion • パケットロスによる品質劣化が発生 • “安定”かつ”最良品質”のストリーミングをEnd-to-Endモデルで実現 • 各フローがネットワーク状態に応じて最良品質を維持しながらpacket lossを最小化

  3. Challenges • (1)Rate Control : 自身のパフォーマンスのみを考慮 • (Best quality) VS. (packet loss, and rate oscillation) • Best data transmission rate を維持する • 最良品質 • packet loss, rate oscillationを防ぐ • “AggressiveRate Control”が上記を満たす上で必要 • (2)Congestion control: ストリーミングフロー全体のパフォーマンスを考慮 • (Aggressive Rate Control) VS. (Nervous Rate Control) • Scalability: 全体のパフォーマンスを可能な限り向上させる • Fairness • Mission-critical なストリーミングフローに着目 • “(1) and (2)”を実現するにはどうするか？ • Error control (FEC)の使い方が肝

  4. Network Estimation Network Controller End-Node controller Quality Adaptation Related Work (Adaptive end-to-end Streaming) • (2) Congestion Control • RAP (INFOCOMM `99) • TCP Friendly Rate Control (SIGCOMM`2000, INFOCOM`2001) • DCCP(SIGCOMM`06): アプリケーションが輻輳制御メカニズムを選択可能(i.e. TCP-like and TFRC) • DVRC (IEEE ICC`07) UDP + Congestion Control • (2) Congestion Control + (2) Error Control • Adaptive FEC (INFOCOM’ 99): TFRC、audio application • QAFEC (NOSSDAV’05): TFRC、MPEG • TCP-AFEC (PV’ 07): TCP-like、VoD • TCP-friendlyなアプローチがほとんど • パケットロスが起きるとすぐに品質を下げる(defferential) • Mission-critical streamingに向かない • TCPに帯域を合わせてしまう

  5. Aggressive Rate Control • (1)Rate Control mechanism • (Best quality) VS. (packet loss, and rate oscillation) • アプローチ: Dynamic FECを品質維持とネットワーク状態把握に利用 Application policy network client Rate Control Media source ・Packet loss rate ・The number of consecutive loss packets ・FEC recovery rate Congestion control Dynamic FEC

  6. Aggressive Rate Control:Rate Control with DynamicFEC • Decision Function • ロスパターン (Packet loss rate, consecutive lost packets) • FEC recovery rate (ネットワーク状態指標としては使っていない) • Increase/decrease algorithm • 固定アルゴリズム(省略) • データ転送レートとFECレートを調整 • 1. FECでリカバーできるか？ • できなさそうならdata transmission rateを下げる • 2. data transmission rateを上げられるか？ • FEC rate を増加させて、ロスパターンを見る • Decision Frequency • ５秒間 • じっくりロスパターンを見ないと、FECの調整が難しい

  7. Aggressive Rate Controlの問題点 • FECによる冗長化が結果的に各パフォーマンスを低下させる • パケットロスをFECでリカバーできない • データ転送レートの振動が起きる • (3) Congestion Controlが必要 • 柔軟にFECの有効性を判断する必要性がある

  8. FECRAC (FEC-based Rate Control Scheme) • (2)Congestion control • Aggressive Rate Control VS. Nervous Rate Control • アプローチ：FEC recovery rateを利用し、FECの有効性を予測 • FEC recovery rate: FECがどれくらい効いているかを示す • “FEC効率”: FECレートを上げた時のFEC recover y rate の増加率 • 最終的にはCongestion controlの指標にしたい Application policy network client Rate Control Media source Congestion control Dynamic FEC ・FEC recovery rate

  9. FECRAC • Decision Function • FEC効率予測値 • FECレートX%時(FEC効率閾値)におけるFEC recovery rateの予測値 • Increase/decrease algorithm(sender based) • FECレート:5%単位で変更 • 映像データ転送レート(“Scale value”): 1単位で変更 • Decision Frequency • Data loss (loss rate閾値)が起きた時 • Receiverがfeedbackする 柔軟にFECの有効性を判断・推測 する必要性がある!!

  10. FEC recovery rate in various network congestions(Good Case)

  11. FEC recovery rate in various network congestions (Bad Case)

  12. FEC recovery rate • 結果： • FEC recovery rateはおおよそ線形的に増加する (増加率は輻輳状態によって様々) • 増加率によってthreshold FEC rate(X%)におけるFEC recovery rate (100%)を推測 • 以下を判断 • 1) FEC rateを上げる • 2) data rate を下げる • 仮説： • Threshold Xは以下に依存 • Application • Data transmission rate (low or high) • Network • RTT,Bottleneck link bandwidth • Threshold Xをadaptiveに変えると, 目指すべきcongestion control ができるのではないか？(そうなって欲しい) • Xが大きい (aggressive) • Xが小さい (nervous)

  13. Future work • FECRACの改良 • 現状：以下のパラメータは固定 • Application(data transmission rate) • Network (RTT, bottleneck link bandwidth) • Simulation • 様々な環境で検証 • 分析 • threshold Xについての検証 • Consecutive lost packets (N)とFEC recovery rateの関係を利用できるか？ • 実装・実ネットワークでの評価

  14. Problems of aggressive rate control:30 flows compete on 1G network (1/2)

  15. Problems of aggressive rate control:30 flows compete on 1G network (2/2)

  16. Problems of aggressive rate control:35 flows compete on 1G network (1/2)

  17. Problems of aggressive rate control:35 flows compete on 1G network (2/2)

  18. Problems of aggressive rate control • FECによる冗長化が結果的に各パフォーマンスを低下させる • Packet lossをより引き起こす (FECでリカバーできない) • Rate oscillationによる品質の低下 2. Increase/decrease algorithm • 固定アルゴリズム(省略) • Data rateとFECrateを調整 • 1. FECでリカバーできるか？ • できなさそうならdata transmission rateを下げる • 2. data rateを上げられるか？ • FECをバリバリ増加させて、ロスパターンを見る 3. Decision Frequency • ５秒間 • じっくりロスパターンを見ないと、FECの調整が難しい 柔軟にFECの有効性を判断・推測 する必要性がある!!

  19. FEC recovery rate in various network congestions(Good Case)

  20. FEC recovery rate in various network congestions (Bad Case)

  21. FEC recovery rate • 結果： • FEC recovery rateはおおよそ線形的に増加する (増加率は輻輳状態によって様々) • 増加率によってthreshold FEC rate(X%)におけるFEC recovery rate (100%)を推測 • 以下を判断 • 1) FEC rateを上げる • 2) data rate を下げる • 仮説： • Threshold Xは以下に依存 • Application • Data transmission rate (low or high) • Network • RTT,Bottleneck link bandwidth • Threshold Xをadaptiveに変えると, 目指すべきcongestion control ができるのではないか？(そうなって欲しい) • Xが大きい (aggressive) • Xが小さい (nervous)

  22. FEC recovery rate in various network congestions (Bad Case) Estimated Frec threshold

  23. Sender state P_loss>0 Initial Estimation Est_frec > 100 P_loss=0 P_loss=0 (n = n – 5;) Active_probe real_data_loss > thresh BackOff Succeed or Scale down real_data_loss > thresh Set initial F_rate Succeed 3 times Steady Polling_stable No real data loss 5 times fail If (real_data_loss > thresh) frec_stack[0] = frec Count <3 && no dataloss No real data loss 3 times Previous p_loss – ploss >3 N_inital = n; Probe_scaleup If ( p_loss < 1 && scale_next <= scale_now + F_rate) Increase scale value by 1

  24. FECRACexperiments on real-network • FECRAC VS. Aggressive Rate Control • topology 300Mbps 1ms sender Receiver

  25. experiment (self-control method: 11 flows compete)

  26. experiment(FECRAC: 11 flows compete)

  27. experiment(self-control method: 13 flows compete)

  28. experiment (FECRAC: 13 flows compete)

  29. Simulation • A sender transmits TMbps UDP packets • Receiver receives the packets and measures within 5 seconds; • The packet loss rate: Ploss • The number of consecutively lost packets: N • The number of non-recovered UDP packets: L • In the same network condition in which L was given: • The sender transmits TMbps UDP packets with Fenc%(FEC encoding rate) • The receiver measures L’within 5 seconds Streaming UDP node T Mbps TCP nodes 100Mbps 10ms < RTT < 200ms UDP nodes

  30. Simulation results (１≦Plos≦3) Frec: FEC recovery rate Fenc: FEC encoding rate L: (the number of non-recoverd UDP packets within 5 seconds) L －　L’ (L > L’, L≠0) L Frec(%) = (L≦L’, L≠0) 0

More Related