Impact of Network Effects on Application Quality

Die Auswirkung von Netzwerkeffekten auf die Anwendungsqualität

  • The ubiquity of high speed Internet access, proliferation in the adoption of mobile devices, and the popularity of content-rich applications have brought a new dimension to the Internet landscape. Indeed, high speed residential connectivity and mobile wireless access have changed user expectations. The broadband access technologies (i. e., DSL,WiFi, 3/4G, and LTE), and smart mobile devices (i. e., Android, iPhone, iPad, etc.), have enabled users to interactively browse, stream videos (i. e., YouThe ubiquity of high speed Internet access, proliferation in the adoption of mobile devices, and the popularity of content-rich applications have brought a new dimension to the Internet landscape. Indeed, high speed residential connectivity and mobile wireless access have changed user expectations. The broadband access technologies (i. e., DSL,WiFi, 3/4G, and LTE), and smart mobile devices (i. e., Android, iPhone, iPad, etc.), have enabled users to interactively browse, stream videos (i. e., YouTube and Netflix), play online games, and share content for social networking. All trends together have caused a fundamental change in how users interact with the Internet. Any adverse impact due to high Internet traffic, heterogeneous access, and application protocol mix on flows of different applications can result in sub par network performance and unsatisfactory user experience. Understanding the relation between network performance and user perception is thus crucial for application designers, network, and service providers. In this thesis, we endeavor to explore the impact of emerging network effects on different applications both from network performance and user experience point of view. Studies of network performance and user experience require a multi-purpose heterogeneous testbed that supports a variety of networking conditions commonly present in today’s Internet. We propose the design and architecture of QoE-Lab. The main features of QoE-Lab include 1) Next Generation Mobile Networks (NGMN), i. e., WiFi and 3G UMTS, 2) access/ backbone network emulation, and 3) virtualization. It provides services like traffic generation, topology emulation, and high-precision cross-layer monitoring. We describe two Quality of Experience (QoE) case studies to show the benefits of the QoE-Lab testbed framework. Next, we perform a sensitivity study of the packet loss process within a router for different network load levels, flow size distributions, and buffer sizes. We compare the loss process for TCP and UDP flows at different link utilizations and buffer sizes. We highlight the importance of understanding the flow-level properties of the traffic, e.g., packet loss under different networking conditions and their consequences on application performance, i. e., flow-happiness. We find that packet losses do not affect all flows similarly. Depending upon the network load and the buffer sizes, some flows either suffer significantly more drops or significantly less drops than the average loss rate. Based on anonymized packet level traces from more than 20,000 DSL lines, server logs from a large content distribution network (CDN), and publicly available backbone traces, we investigate the flow-level performance of popular applications across a range of size-based flow classes. We use retransmissions, throughput, and round-trip-times (RTTs) as key flow performance metrics. We compare these metrics under different network loads, DSL link capacities, and for up/downstream directions. We show that irrespective of the direction, flows are severely impacted by events related to network load and application behavior. We also find that, in general, this impact (as measured by our performance metrics) differs markedly across the different flow classes. In particular, contrary to popular belief, small flows from all applications, which make up the majority of flows, experience significant retransmissions, while very large flows, although small in number, experience very limited retransmissions. In terms of application-related performance, we observe that especially when compared to HTTP, P2P flows suffer from continuously high retransmissions. As for the root cause of these retransmissions, we identify the access part of the network as the main culprit and not the network core. Further, we focus on the impact of networking conditions due to the adoption of heterogeneous wireless access technologies such as WiFi and 3G UMTS. These technologies have different physical layer characteristics and impose different networking conditions on flows. We study the impact of network handovers, codec switchover, and packet loss on VoIP applications. We compare our subjective test results with the wideband Perceptual Evaluation of Speech Quality (PESQ) prediction model. PESQ is often used as a standard for new generations of smart phones for quality assurance. We find that the WB-PESQ model underestimates the auditory quality in certain NGMN conditions, e. g., for wideband to narrowband speech codec switching. In addition, we explore the impact of access networks, network handovers, video codecs and codecs changeover, video bit-rate, and bit-rate switching. Our work highlights the bottlenecks in video delivery over NGMNs. We find that network handovers have mostly a negative impact on user perception even if the video transmission is not affected by packet loss. In addition, the choice of video codec influences the video quality. While H.264 provides higher overall quality in WiFi networks, MPEG-4 improves user experience in 3G UMTS. Moreover, changing the video codec during a lossless transmission generally degrades the user experience. Finally, we study the impact of NGMN conditions on web streaming video. We aim to understand how different access networks influence transport protocol (TCP) metrics and impact web video streaming quality. We complement the QoE estimations with network Quality of Service (QoS) parameters such as throughput, delay, and transport layer statistics. Our results show that 1) video QoE remains stable in WiFi even with high packet loss, 2) QoE in 3G UMTS is sensitive to packet loss even for low loss rates due to high variations in the network QoS, namely, throughput and delay, 3) the decrease in QoE and QoS in 3G UMTS is due to its negative interactions with the aggressive congestion control of CUBIC TCP, and 4) handover from WiFi to 3G UMTS degrades QoE.show moreshow less
  • Die Allgegenwärtigkeit von High-Speed Internetzugängen, hohe Zuwachsraten bei der Nutzung von Mobilgeräten sowie die Popularität von inhaltsreichen Anwendungen haben der Internetlandschaft neue Dimensionen hinzugefügt. Damit einhergehend haben sich die Erwartungen der Nutzer durch schnelle Heiminternetanschlüsse und den mobilen, drahtlosen Netzzugriff geändert. Die Breitbandzugangstechnologien (z.B.: DSL, WiFi,3/4G und LTE) in Kombination mit smarten Mobilgeräten (z.B.: Android, iPhone,iPad) ermDie Allgegenwärtigkeit von High-Speed Internetzugängen, hohe Zuwachsraten bei der Nutzung von Mobilgeräten sowie die Popularität von inhaltsreichen Anwendungen haben der Internetlandschaft neue Dimensionen hinzugefügt. Damit einhergehend haben sich die Erwartungen der Nutzer durch schnelle Heiminternetanschlüsse und den mobilen, drahtlosen Netzzugriff geändert. Die Breitbandzugangstechnologien (z.B.: DSL, WiFi,3/4G und LTE) in Kombination mit smarten Mobilgeräten (z.B.: Android, iPhone,iPad) ermöglichen es den Nutzern das Internet zu durchsuchen, Videos zu streamen (z.B.: YouTube und Netflix), Onlinespiele zu spielen und Inhalte über soziale Netzwerke zu verbreiten. Zusammen führten diese Trends zu einer fundamentalen Änderung in der Art und Weise in der Nutzer mit dem Internet interagieren. Hoher Internetverkehr, Schwankungen der Zugriffsraten und Anwendungsprotokolle verschiedener Anwendungen sind mögliche Faktoren, die sich in unterdurchschnittlicher Netzwerkleistung und nicht zufriedenstellendem Nutzerleben (User Experience) niederschlagen können. Entsprechend ist das Verstehen der Zusammenhänge von Nutzerleben und Netzwerkleistung für Anwendungsentwickler, Netzwerkund Servicedienstleister essentiell. Daher wird in dieser Arbeit der Einfluss aufkommender Netzwerkeffekte auf unterschiedliche Anwendungen aus beiden Perspektiven zu betrachtet: Der Sicht der Netzwerkleistung und der Sicht des Nutzerlebens. Studien, die sowohl Netzwerkleistung als auch Nutzererleben einbeziehen, erfordern ein heterogenesMehrzwecktestbed, welches eine Vielzahl der imInternet vorhanden Netzwerkbedingungen unterstützen kann. Zu diesem Zweck schlagen wir das QoE-Lab vor. Die Hauptmerkmale von QoE-Lab beinhalten 1) Next Generation Mobile Networks (NGMN) z.B.: WiFi und 3G UMTS, 2) Access/Backbone Netzwerk-Emulierung und Virtualisierung. Es bietet weiterhin Möglichkeiten wie Traffic Verkehrsgenerierung, Topologieerzeugung und Hochpräzisions-Mehrschicht- Überwachung. Wir beschreiben zwei Quality of Experience -Fallstudien (QoE, Qualität des Nutzerlebens), um die Vorteile des QoE-Lab Testbeds zu zeigen. Anschließend führen wir eine Sensitivitätsanalyse durch, um den Paketverlust innerhalb eines Routers bei unterschiedlichen Netzwerkauslastungsraten, Flow Size-Verteilungen und Buffergrößen zu untersuchen. Wir vergleichen den Verlustvorgang für Transport Protokolle TCP und UDP bei unterschiedlichen Linkauslastungen und Buffergrößen. Wir heben die Bedeutung von Flow Level-Eigenschaften des Verkehrs hervor, wie z.B.: Paketverlust unter verschiedenen Netzwerkbedingungen und die Konsequenzen für die Anwendungsleistung, z.B.: flow-happiness. Wir berichten, dass Paketverluste nicht alle Flows gleichermaßen beeinflussen.Basierend auf Netzwerklast und Buffergrößen zeigen einige Flows entweder signifikant höhere oder signifikant niedrigere Paketdropraten im Vergleich zur durchschnittlichen Paketdroprate. Auf der Basis von anonymisierten Paketdaten von mehr als 20.000 DSL Leitungen, Server Logs von den großen Content Distribution Networks (CDN) und öffentlich verfügbaren Daten von Backbone Netzen, untersuchen wir die Flow Level-Leistung von bekannten Anwendungen über eine Vielzahl von größenbasierten Flowklassen. Als primäre Flowleistungsmetriken benutzen wirWiederübertragungen, Durchsatz und round-trip-times (RTTs).Wir vergleichen dieseMetriken für unterschiedliche Netzwerkauslastungsraten, DSL-Linkkapazitäten und Up/Downstream-Richtungen. Wir zeigen das Flows, ungeachtet der Richtung, stark beeinflusst werden durch Ereignisse, die in Bezug stehen, zu Netzwerklast und Anwenderverhalten. Wir berichten weiterhin, dass sich dieser Einfluss (gemessen entsprechend unserer Metrik) in unterschiedlichen Flowklassen deutlich unterscheidet. Im Gegensatz zur weit verbreiteten Annahme müssen kleine Flows aller Anwendungen, welche den Hauptanteil aller Flows ausmachen, deutlich mehr Wiederübertragungen durchführen als große Flows. Eine kleine Anzahl von Flows führt zu einer deutlich reduzierten Anzahl an Neuübertragungen. In Bezug auf anwendungsspezifische Leistung beobachten wir das P2P-Flows unter durchgängig hohen Neuübertragungsraten leiden, insbesondere im Vergleich mit HTTP. Als den Hauptgrund hierfür identifizieren wir den Zugangsteil und nicht den Kernteil des Netzwerks. Des Weiteren konzentrieren wir uns auf den Einfluss von Netzwerkbedingungen die in Zusammenhang mit der Einführung unterschiedlicher drahtloser Zugangstechnologien, wie WiFi und 3G UMTS stehen. Diese Technologien haben unterschiedliche physikalische Layer-Merkmale und legen den Flows unterschiedliche Netzwerkbedingungen auf. Wir untersuchen den Einfluss von Netzwerkübergang, Codecwechseln und Paketverlust auf VoIP-Anwendungen (Voice over Internet Protocol). Wir vergleichen unsere subjektiven Testergebnisse mit den Wideband Perceptual Evaluation of Speech Quality-Vorhersagemodell (WB-PESQ). PESQ wird oft als Standard benutzt um Qualitätszusagen für neue Smartphones treffen zu können. Wir beobachten, dass das WB-PESQ Modell die akustische Qualität in gewissen NGMN Bedingungen unterschätzt, z.B.: für Codecwechsel zwischen Breitband und Schmalband-Sprache. Zusätzlich untersuchen wir den Einfluss von Zugriffsnetzwerken, Netzwerkübergang, Videocodecs und Codecwechseln, Videobitraten und Bitratenwechseln. Unsere Arbeit hebt die Engpässe bei der Videoübertragung über NGMNs hervor. Wir finden heraus, dass Netzwerkübergaben meist einen negativen Einfluss auf das Nutzerleben haben, obwohl die Videoübertragung keinen Paketverlust zeigt. Darüber hinaus beeinflusst die Wahl des Videocodecs die Videoqualität. Während H.264 inWiFi-Netzwerken eine insgesamt bessere Qualität bietet, verbessert MPEG-4 das Nutzerleben in 3G UMTS-Netzwerken. Das Wechseln des Codecs während einer verlustfreien Übertragung senkt weiterhin, die von Benutzer, wahrgenommene Qualität. Schließlich untersuchen wir den Einfluss von NGMN Bedingungen auf Webvideostreaming. Wir analysieren wie verschiedene Zugangsnetze und Transport Protokoll-Metriken die Webvideostreamingqualität beeinflussen. Wir ergänzen QoE-Abschätzungen mit Quality of Service (QoS) -Parametern wie Durchsatzrate, Verzögerungsraten und Transport Layer- Statistiken. Unsere Ergebnisse zeigen dass 1) Video-QoE fürWiFi-Netzwerke selbst bei hohem Paketverlust stabil bleibt 2) QoE bei 3G UMTS-Netzwerke aufgrund von hohen QoS Schwankungen, insbesondere hinsichtlich der Durchsatz- und Verzögerungsraten, selbst für niedrige Verlustraten sehr sensibel auf Paketverlust reagiert. 3) die Verringerung von QoE und QoS in 3G UMTS -Netzen in negativer Wechselwirkung mit dem aggressiven Staukontrolle von CUBIC TCP steht und 4) die Übergabe von WiFi nach 3G UMTS die QoE senkt.show moreshow less

Download full text files

Export metadata

  • Export Bibtex
  • Export RIS

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author: Muhammad Amir Mehmood
URN:urn:nbn:de:kobv:83-opus-36226
Advisor:Prof. Anja Feldmann
Document Type:Doctoral Thesis
Language:English
Date of Publication (online):2012/07/27
Publishing Institution:Technische Universität Berlin
Granting Institution:Technische Universität Berlin, Fakultät IV - Elektrotechnik und Informatik
Date of final exam:2012/07/09
Release Date:2012/07/27
Tag:Flußperformanz; Netzwerkzustand und -eigenschaften; Quality of Experience
Flow performance; Network conditions; Quality of Experience
Institutes:Institut für Telekommunikationssysteme
Dewey Decimal Classification:004 Datenverarbeitung; Informatik
Licence (German):License LogoDeutsches Urheberrecht mit Print on Demand (u.a. für Dissertationen empfohlen)