快手QoE指标设计的分析初探

  • 时间:
  • 浏览:1
  • 来源:幸运飞艇APP下载_幸运飞艇APP官方

但会 这俩例子还有八个 多很有意思的地方,这俩直播同样的时间点,观察另外八个 多QoE指标:观看人数

QoE与QoS指标之间的关系,在大规模数据集下,规律是非常稳定的,但会 在分析具体这俩的间题的已经 ,情况往往会处在变化,原因着着实际会影响QoE指标的因素过多,QoS指标什么都有有其中八个 多因素,在QoS指标在短时间下降,那么 差到无法忍受的情况下,直播间的内容和氛围,粉丝群体区别,主播买车人号召力,须要更显著影响QoE。

简单介绍一下QoE(Quality of Experience)用户体验指标,QoE指标的设计理念是为了更贴近用户的真实感受,架构设计 的是用户的行为数据,主什么都有有用来衡量用户的主观体验,比如直播卡顿了,有几个用户会选泽被抛弃当前直播间。与之对应,技术服务质量指标(QoS,Quality of Service),主要反映的是客观指标,如处在了有几个次卡顿。如上图所示,是八个典型QoE指标的示例。

https://www.baijiayun.com/web/playback/index?classid=1150731150147056&session_id=20115015020&token=GqnbiUX1y4lt681rrJ0J_RVM5yFl6dFS4sB52SAekvWq3jsp5ES4O8ykX8qRNLttvr5OwSoF9BcKp0fXMnVKLQ

下面来看一遍播率和用户评论卡顿数,完播率的定义是完正的观看一遍八个 多短视频的比例,用户评论卡顿数的定义是直播间里观众给主播发送内容是”卡”或同义评论的数量。完播率评价的是,用户是与否看一遍八个 多短视频。用户评论卡顿数是用户很直观的八个 多真实反馈,当他着实这俩直播间卡了,他会要强烈的抱怨一下,这反应了用户的真实体验。在影响这八个 多指标的因素中,技术服务质量的权重就会比较大。完播率涉及到因素主要包括推荐给用户的视频是完正须要他喜欢看的,以及整个播放过程是完正须要流畅,这俩与具体的技术服务指标完正须要较强相关性。用户评论卡顿数的波动有原因着着原因着着直播的过程含高这俩因素影响到了直播,比如说网络抖动,主播机器卡了原因着着商业CDN的服务质量下滑等等,这俩须要原因着用户观看卡顿,而这俩完正须要技术服务质量。这八个QoE指标,能比较完正的说明QoE指标和用户体验相关,也和QoS相关,但会 QoS在不同的QoE指标所占的权重是不一样的,有的指标用户行为的权重会大这俩,有的指标QoS权重会大这俩。

接下来简单介绍一下快手的短视频业务,也为十月份的LVS大会做八个 多预告。这里主什么都有有简单讲下短视频业务和直播到底有这俩不一样?主要从内容生产,传输,观看来对比:

首先,短视频会涉及到复杂性性的内容生产流程,导入、拍摄、剪辑,能能叠加魔法表情、特效滤镜,比直播要复杂性什么都有有。其次是在架构设计 过程中,短视频能能做更灵活的策略,如多CDN调度,预加载,CDN预热类式的策略,监控起来也会有什么都有有不一样的QoS、QoE指标,如慢速比、播放完成率等。

4,直播QoE-QoS指标联合分析

有八个 多特殊的维度是直播房间,单个房间的观看卡顿率,主播有那么 推流卡顿也是时不时须要用到的QoS信息。

Q4: 卡顿时长的过滤是在服务器端,还是在客户端?

全链路的数据架构设计 ,分析,不能精准的定位这俩的间题,并制定方案改进。本文来自快手流媒体大数据平台架构师罗喆在LiveVideoStackCon热身分享上的分享,他会在10月19-20日的LiveVideoStackCon上分享更完正和完正的内容。

图中的一根 绳子 曲线,是观看人数曲线,对比下面的两条曲线,和上图一样,是八个 多QoS指标。能能看一遍,在主播推流处在卡顿的时刻,观看人数这俩QoE直播什么都有有略有下降,并那么 像评论卡顿数指标那样出現大幅的变化。

当用户看一遍画面后,须要评估开播过程的性能,整个开播过程是与否流畅的,这里主要用首帧时间来评估。

首先,在主播端,评价主播端的推流性能是通过直接计算主播的推流卡顿,主播端最容易处在这俩的间题什么都有有网络抖动原因着卡顿。在观众端,首先是通过计算黑屏率评估拉流可用性,黑屏指用户完正看那么 直播的画面,即整个直播观看不可用。

对于快手来说,QoE是重要的监测指标,但原因着着要找到影响QoE的因素,还须要通过QoS来监测。

A: 着实主播端那么 八个 多buffer的强行限制,直播端会在buffer到一定长度进行丢帧,在拉流端,我们我们我们 将Buffer长度限制在5秒,为了控制延时的大小。

架构设计 到了数据已经 ,为什么么么会把它转换成八个 多监测指标呢?数据须要汇聚成这俩对用户体验有关键影响的指标不能进行观测,下面按照直播的流程介绍每个核心QoS指标。

剩下的还有什么都有有细分的维度完正须要业务相关的,这里就不一一列举了。那么 多的维度已经 ,原因着着不进行聚合,用于数据分析和监控很不方便。须要通过OLAP维度聚合模块,将维度进行一定程度上的聚合。

制订QoS指标已经 ,须要先架构设计 比较完正的打点数据,在主播端,架构设计 架构图从左往右,首先是摄像头和麦克风的架构设计 ,已经 是去噪,美颜和特效等前正确处理算法,这俩技术模块非常消耗CPU和机器的内存,为了监控性能,须要对这俩过程中的帧率、CPU和内存占用做完正的上报。已经 进入编码环节,这里我们我们我们 同样会监控帧率,除此之外,我们我们我们 也会采样上报编码器的客观质量数据,便于线上做大规模质量调优。在传输环节,我们我们我们 会统计主播端的卡顿次数,记录收流源站服务器的IP、地理位置等完正信息。

5, 分析维度

文 / 罗喆

架构设计 / LiveVideoStack

2,用户体验(QoE)监测指标简介

一, 快手业务简介

3,直播质量(QoS)指标介绍

接下来,看八个 多具体例子,这是八个 多单房间的卡顿监控数据:

快手的主要业务什么都有有短视频和直播,上图是这俩快手的直播截图,从这俩图片中能能看出快手平台的内容比较具有生活气息,场景十分丰富,有室内有户外,有游戏有吃播,但会 从技术的宽度来看,我们我们我们 主要须要正确处理用户地域分布广、网络环境复杂性、手机机型复杂性、业务场景丰富等挑战。面对海量的用户,复杂性的场景,我们我们我们 选泽通过建立全面的数据监测体系,实时感知用户的体验这俩的间题,从而提出有针对性的优化策略,但会 评估优化的收益。在实践中,我们我们我们 总结了一系列用户体验(QoE)、服务质量(QoS)相关指标,研究了它们之间的区别和联 系,对于体验优化有指导性作用,在此分享一下我们我们我们 的相关经验,希望对从事相关工作的同学们能有帮助。

首先,次均观看时长和在线人数会反映用户的行为,从图中能能看出,次均观看时长和在线人数两条曲线在晚高峰八时的已经 会那么快达到峰值,而在白天时不时处在八个 多比较平稳的增长情况。这俩增长趋势是用户行为原因着的,原因着着用户在晚上的已经 更有时间刷短视频和观看直播,什么都有有次均观看时长和在线人数须要上涨。这俩跟服务质量也会有关系,在晚高峰的已经 原因着着卡顿严重,原因着着会引起曲线下行,但总体上来说,服务质量指标在这里所占的权重并完正须要决定性的。

除了性能之外还有稳定性,拉流端还有五种场景是原因着着它原因着着这俩原因着原因着断线了,断了已经 用户会自动重连,通过统计重连次数观测稳定性。

Q2: 发送端到接收端的延时是怎么才能 才能 统计的?

A: 这俩是我们我们我们 的八个 多技术特征,能能相当于提一下是将这俩特殊信息写在视频流顶端,通过这俩特殊信息,在播放端就能能判断,它和主播之间的延迟是有几个。

A: 我们我们我们 实现码率自适应,主什么都有有通过预测可用发送速率,但会 在速率处在变化时,反向反馈给编码器,使之及时调整输出码率,从而实现码率自适应。

四, 直播QoE-QoS指标联合分析

播放端的架构设计 数据,架构设计 过程是主播端的逆序过程。我们我们我们 会完正记录拉流节点信息,细分的首屏时间,接收缓冲区信息,卡顿,码率、解码帧率等,在播放失败的已经 ,也会上报错误信息和原因着。 

三, 直播技术服务质量(QoS,Quality of Service)指标介绍

这是八个 多QoE指标和QoS指标关联的例子,也展示了平时跟进具体这俩的间题的办法:重点监控QoE和核心的QoS指标,在QoE的指标处在这俩的间题的已经 ,立刻快速的找到和它直接相关的QoS的指标,判断是完正须要服务质量真的出現这俩的间题。

Q3: 主播端和拉流端的Buffer长度是怎么才能 才能 选泽的?

这俩截图是快手真实的业务数据的截图,横轴是卡顿率,纵轴是播放时长,能能明显的看一遍这俩曲线的趋势是随着卡顿率的上涨,播放时长快速的下降。实际情况中,假若数据规模足够大,不管从任何维度观测,这八个 多指标的关系,基本上都符合曾经的规律。这俩规律也很容易理解,当直播观看变得很卡的已经 ,用户继续观看的动力下降,什么都有一群人会选泽退出直播间。 

正原因着着短视频的业务,比直播要更复杂性这俩,但会 我们我们我们 在制订QoE和QoS指标已经 ,遇到了什么都有有困难。第一,短视频的功能繁多,流程复杂性;第二,涉及模块多,包括上传模块,转码模块,CDN的各种复杂性策略,全链路的监控难度比较大;第三,要平衡清晰度和流畅度,成本之间的矛盾关系,但会 QoE和QoS的指标制定起来,挑战更大。

今天的主要内容分为以下有几个帕累托图:

有了核心的QoS指标,还须要了解从这俩维度上来分析这俩指标,下面介绍一下分析这俩指标的维度。

5,短视频大数据体系简介和预告

五, 短视频业务

Q1: 码率自适应做在编码已经 ,怎么才能 才能 实现自适应过程?

这俩这俩的间题说明,用户着实纷纷抱怨直播卡,但会 我们我们我们 并那么 被抛弃直播房间,还是继续守候在直播房间顶端。这俩情况完正违背了已经 介绍的,卡顿率影响观看时长的规律。卡顿率高了,但会 大帕累托图观众还是你能能继续观看。

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/vn9PLgZvnPs1522s82g/article/details/818115068

 

首那么 判断是完正须要原因着着QoS指标出現了这俩的间题原因着的QoE指标波动。比如说主播在直播打王者荣耀,但他的手机连接王者荣耀的服务器卡了会使整个游戏画面变得比较卡,从而原因着直播看上去比较卡,这俩已经 用户的QoE指标会处在变化,但直播的QoS指标完正须要正常的,什么都有有在处在QoE指标变化的已经 ,一般是先看和它直接相关的QoS指标是完正须要真的有这俩的间题。这俩例子,在同样时间点,这俩房间的拉流卡顿率也大幅度的上涨,能能判断是服务质量出了这俩的间题。

A: 这俩值的过滤完正须要在服务器端做。

A: 动态变化,根据场景设置,但不不超过八个 多限定值。

在观看端,短视频的特点是观看时长、下载时长很短,高频,快手八个 多短视频默认那么 7秒,下载时长原因着着那么 1-2秒,但会 是一下到底的体验。用户对于偶尔出現的卡顿,会更加敏感。

六, Q&A

进一步分析,原因着着有几滴 用户拉流卡顿,我们我们我们 推测,很有原因着着是跟主播推流卡顿有关,那么 我们我们我们 看下第三张图,主播端推流监控数据,这两条曲线分别是推流的帧率和码率,在同样的时间点,能能看一遍是主播推流码率大幅度下降了,此时,观众端卡顿率上升且QoE指标评论卡顿数也大幅度的上升。这俩已经 ,就原因着着定位这俩的间题应该是主播的网络处在了这俩抖动,推流码率大幅度的下降,观众端感受到的卡顿大幅度上升。

Q5: 那么 主播推流端的GoP大小恒定的,还是个动态变化的?

首先同時 看一下直播业务的完正流程,能能分为三块:推流端,传输CDN和播放端。

在十月份LVS大会正式的演讲中,我原因着着给我们我们我们 完正分享,快手团队是怎么才能 才能 正确处理这俩困难,制定出符合短视频业务需求的QoE和QoS指标,并利用这俩指标指导体验优化的。希望感兴趣的同学不能积极报名参会。

2, 主播端架构设计 数据

1, 直播完正流程

上图的一根 绳子 曲线,这俩是某直播房间的用户评论中出現卡顿的数量,刚才在介绍QoE指标的已经 也专门提到过这俩指标,是用户主观感受的直接反馈。在17点58分的时间点上,这俩指标时不时的上涨,应该是在这俩已经 用户几滴 的感觉到卡顿了,这俩已经 须要立刻去查和它相关的QoS指标:单个房间的拉流卡顿率。

二, 直播的用户体验(QoE,Quality of Experience)监测指标简介

4, 直播QoS指标

3, 播放端架构设计 数据

1,快手业务简介

首先,第八个 多维度是省份,即地域,也什么都有有空间的维度,原因着着推流和拉流CDN服务商的资源分布是按大省原因着着大区来部署的,什么都有有选泽省份作为关键的地域上的维度来观测QoS至标。

QoS指标用于衡量系统中,客观处在的质量相关事件,是技术优化的主要目标。从技术宽度出发的优化,均以QoS为目标,如卡顿率,首屏时间等。下面介绍一下快手的QoS指标设计思路。

刚才介绍直播的QoE和QoS指标的数据架构设计 ,计算办法和观测的维度。接下来举例介绍,QoE和QoS指标到底是有这俩关联?

直播回放:

目前智能监控主什么都有有看省份,ISP和CDN八个 多维度聚合的结果,用这俩来做线上的报警,参考历史同期的数据,做同比和环比的监测。此外,这俩维度聚合已经 进入到数据可视化模块,数据能能很方便的做多样的可视化和多维度的分析,这里主什么都有有离线的业务分析。

拉流开播已经 ,用户原因着着会持续观看一段时间,通过在拉流端上报卡顿次数和卡顿时长来计算整体的卡顿率,作为稳定播放期间性能的评估指标。卡顿率的定义什么都有有给定时间窗口内,处在过卡顿的观看行为数量除以总的观看行为数量。

从推流端到拉流端的整个全流程都用这八个核心的指标来监控大盘的情况。

运营商ISP,CDN,终端类型,网络类型,客户端版本完正须要在分析这俩的间题时常见的维度。