基于SDN的移动网络中可扩展的感知用户体验的路径选择 待解决的问题及意义 本文主要解决无线网络中大批量视频流量业务中的用户体验(QσE)优化问题。如今网 络成为视频业务的重要载体，有预测称到2020年，无线网络将承载全部P流量的三分之 二。在这种情况下，运营商正受到视频流量的挑战，支持如此大量视频流量的关键是提升连 接速度，因此运营商的基础设施硬件正快速地被推向极限状态。 为了提高效率，移动运营商一直依靠分载技术，该技术能实现网络不同部分的分载从而 优化基础设施，通过备用路径降低网络拥塞概率，提升网络容量。但另一方面，因分载而产 生的众多流量转发路径直接提高了网络的复杂性，对用户体验也没有直接的改善，尤其当某 些路径依赖其他共享的或第三方设施时，用户体验变得更加不可测，而用户体验又与运行商 的收益密切相关，因此，一个高效的能感知用户体验的路径选择算法对提升运营商的市场竞 争力尤为重要。 前人工作 这一部分被作者放在了文章最后，我这里拿到前面来说。作者分析了大量前人的相关策 略，总结出了四大类型，第一类：通过在用户设备上安装测量软件来反馈服务的Q0E,进而 改善路径选择，这种方式的确有效，但是因为需要用户方的协作，系统的扩展性和灵活性受 到限制，而且如果用户因为隐私等问题拒绝配合，则该方案的效果变得比较不可靠，因此不 受运营商的喜爱：第二类：从视频业务提供商的服务器获取相关信息来估计QoE,再进行路 径选择，这种方式对运营商来说具备一定的挑战，也阻碍了运营商自主配置路径的能力：第 三类：依据网络上的流量信息估计Q0E进而选择路径，这种方式在越来越多视频业务用 HTTPS协议传输的环境下变得不切实际，因此也不易被采纳：第四类：这一类从QoS的角 度进行路径选择，但是由于常常只考虑单一的度量指标，往往不能很好地反映QσE状况。 问题的分析与新方案的设计 文中对OoE感知路径选择问题进行分析，将其归结为两个子问题：(1)如何准确预测 大规模网络中给定的源目的对间的视频QoE指标：(2)如何根据这些QoE指标动态选择和 部署QoE感知路径，以最小化设备负载率。 紧接着针对问题(1)，作者指出就是要弄明白对一个给定的传输路径，如何定义其视频 传输的QoE来有效的反映真实的用户体验状况，同时这种定义方式对运营商来说还必须要 是适宜的和可操作的。事实上，从前人的成果状况可以看到，没有一种现成的可快速、精确 估计视频流服务QoE的指标，因此文中提出了用内部网络的多种Qo$指标（比如时延，剩 余带宽等)来预测QoE。其优势在于大多数的服务提供商己经提供了测量相关QoS指标的 工具。对问题(2)，在协调QoE和设备负载率时，如果用端到端的方法会导致对大量路径 的计算，影响效率，因此文中将评估的对象选择为链路，每条链路用它的MOS值作为权重， 路径被看成是链路的组合，然后结合多指标的QoS实现QoE寻路。 经过上述分析后，本文给出了称为SQAPE的算法，该算法利用SDN/OpenFlow架构的 集中控制策略，实现对网络中用户QoE感知路径部署的细粒度控制，如下图所示：
基于 SDN 的移动网络中可扩展的感知用户体验的路径选择 待解决的问题及意义 本文主要解决无线网络中大批量视频流量业务中的用户体验（QoE）优化问题。如今网 络成为视频业务的重要载体，有预测称到 2020 年，无线网络将承载全部 IP 流量的三分之 二。在这种情况下，运营商正受到视频流量的挑战，支持如此大量视频流量的关键是提升连 接速度，因此运营商的基础设施硬件正快速地被推向极限状态。 为了提高效率，移动运营商一直依靠分载技术，该技术能实现网络不同部分的分载从而 优化基础设施，通过备用路径降低网络拥塞概率，提升网络容量。但另一方面，因分载而产 生的众多流量转发路径直接提高了网络的复杂性，对用户体验也没有直接的改善，尤其当某 些路径依赖其他共享的或第三方设施时，用户体验变得更加不可测，而用户体验又与运行商 的收益密切相关，因此，一个高效的能感知用户体验的路径选择算法对提升运营商的市场竞 争力尤为重要。 前人工作 这一部分被作者放在了文章最后，我这里拿到前面来说。作者分析了大量前人的相关策 略，总结出了四大类型，第一类：通过在用户设备上安装测量软件来反馈服务的 QoE，进而 改善路径选择，这种方式的确有效，但是因为需要用户方的协作，系统的扩展性和灵活性受 到限制，而且如果用户因为隐私等问题拒绝配合，则该方案的效果变得比较不可靠，因此不 受运营商的喜爱；第二类：从视频业务提供商的服务器获取相关信息来估计 QoE，再进行路 径选择，这种方式对运营商来说具备一定的挑战，也阻碍了运营商自主配置路径的能力；第 三类：依据网络上的流量信息估计 QoE 进而选择路径，这种方式在越来越多视频业务用 HTTPS 协议传输的环境下变得不切实际，因此也不易被采纳；第四类：这一类从 QoS 的角 度进行路径选择，但是由于常常只考虑单一的度量指标，往往不能很好地反映 QoE 状况。 问题的分析与新方案的设计 文中对 QoE 感知路径选择问题进行分析，将其归结为两个子问题：（1）如何准确预测 大规模网络中给定的源目的对间的视频 QoE 指标；（2）如何根据这些 QoE 指标动态选择和 部署 QoE 感知路径，以最小化设备负载率。 紧接着针对问题（1），作者指出就是要弄明白对一个给定的传输路径，如何定义其视频 传输的 QoE 来有效的反映真实的用户体验状况，同时这种定义方式对运营商来说还必须要 是适宜的和可操作的。事实上，从前人的成果状况可以看到，没有一种现成的可快速、精确 估计视频流服务 QoE 的指标，因此文中提出了用内部网络的多种 QoS 指标（比如时延，剩 余带宽等）来预测 QoE。其优势在于大多数的服务提供商已经提供了测量相关 QoS 指标的 工具。对问题（2），在协调 QoE 和设备负载率时，如果用端到端的方法会导致对大量路径 的计算，影响效率，因此文中将评估的对象选择为链路，每条链路用它的 MOS 值作为权重， 路径被看成是链路的组合，然后结合多指标的 QoS 实现 QoE 寻路。 经过上述分析后，本文给出了称为 SQAPE 的算法，该算法利用 SDN/OpenFlow 架构的 集中控制策略，实现对网络中用户 QoE 感知路径部署的细粒度控制，如下图所示：
SQAPE QoS SDN QoE SDN Measurement Infrastructure Predictor Controller 1.QoS measurement req. 2.QoS measurement (a) 3.QoS results 4.QoS results 5.MOS estimation request 6.MOS estimation response (b) 7.SQAPE path deploy request 8.SQAPE path deploy SQAPE首先请求综合QoS指标信息，这个工作由SDN架构的集中控制特点所保证： 拿到QoS信息后，再调用事先建立好的由QoS向QoE做评估预测的模块，获得用户QoE 的预测结果，这个过程要考虑MOS指标最大化：最后根据QoE预测值向SDN控制器请求 路径映射。 仿真结果 文章最后对SQAPE算法和其他比较算法进行了仿真实验，结果显示，虽然在理想状况 下一些比较算法的视频卡顿频率要低于SQAPE,但是在更贴近实际的场景下，SQAPE体现 出绝对优势，仅此一点便证明SQAPE算法提供了更好的实际QoE:此外，结果还显示，采 用SQAPE算法时，系统具有最小的最大链路负载率，这意味着它更好地利用了网络资源， 因此对维持网络的稳定性有更积极的作用。总之，以上结果证实了SQAPE在动态网络环境 下有更卓越的适应性。 阅读感悟 现实中的绝大多数优化问题建模后基本都是在一些约束条件下求解某些物理量的极值 和最值问题，当遇到所求物理量没有明确定义或者本身过于抽象时，从正面入手通常比较困 难，本文中介绍了一种解决问题的思路：以一些能反映待求物理量的己知物理量为切入点， 综合考虑后对待求物理量做出合理的预测和估计，进而辅助最终问题的求解，实现“曲线救 国”。虽然这种方式不能保证预测的结果和真实值高度一致，但至少使得本来几乎不可解的 问题变得有迹可循，而且，通过对其他已知物理量的严格甄选，可以缩小预测结果与真实值 之间的偏差
SQAPE 首先请求综合 QoS 指标信息，这个工作由 SDN 架构的集中控制特点所保证； 拿到 QoS 信息后，再调用事先建立好的由 QoS 向 QoE 做评估预测的模块，获得用户 QoE 的预测结果，这个过程要考虑 MOS 指标最大化；最后根据 QoE 预测值向 SDN 控制器请求 路径映射。 仿真结果 文章最后对 SQAPE 算法和其他比较算法进行了仿真实验，结果显示，虽然在理想状况 下一些比较算法的视频卡顿频率要低于 SQAPE，但是在更贴近实际的场景下，SQAPE 体现 出绝对优势，仅此一点便证明 SQAPE 算法提供了更好的实际 QoE；此外，结果还显示，采 用 SQAPE 算法时，系统具有最小的最大链路负载率，这意味着它更好地利用了网络资源， 因此对维持网络的稳定性有更积极的作用。总之，以上结果证实了 SQAPE 在动态网络环境 下有更卓越的适应性。 阅读感悟 现实中的绝大多数优化问题建模后基本都是在一些约束条件下求解某些物理量的极值 和最值问题，当遇到所求物理量没有明确定义或者本身过于抽象时，从正面入手通常比较困 难，本文中介绍了一种解决问题的思路：以一些能反映待求物理量的已知物理量为切入点， 综合考虑后对待求物理量做出合理的预测和估计，进而辅助最终问题的求解，实现“曲线救 国”。虽然这种方式不能保证预测的结果和真实值高度一致，但至少使得本来几乎不可解的 问题变得有迹可循，而且，通过对其他已知物理量的严格甄选，可以缩小预测结果与真实值 之间的偏差