Understanding the impact of performance degradation on users' QoE during live Internet streaming is key to maximize the audience and increase content providers' revenues. It is known that some problems have a strong correlation with low QoE-e.g., users experiencing video stalls tend to leave video sessions earlier. It is however mostly unknown whether such observations hold for live streaming of large-scale events (e.g., the FIFA World Cup). Such events are particular due to the attractiveness of the streamed content, reaching an impressively high audience worldwide. We study whether and to what extent performance degradation during live streaming of large-scale events affects users' QoE. We leverage a unique dataset collected from a major content provider in South America during the 2014 World Cup. We first extract performance metrics from the logs: stream bitrate and bitrate switches, playback stalls, and playback startup latency. We then correlate these performance metrics with session duration, which we use as a QoE indicator. We confirm the strong correlations between the metrics and QoE indicators; in particular, frequent stalls are often accompanied by higher probability of early session termination. Moreover, we quantify how such correlations vary according to broadcasted matches and client terminals. Some of our findings challenge intuition -e.g., we find that PC users seem more tolerant to problems than users on mobile terminals. Our results and dataset are an important step towards models to predict users' QoE in large-scale events.

No abstract

No abstract

As transmissões de vídeo ao vivo já romperam a fronteira da escala global e agora enfrentam um novo desafio: oferecer alta qualidade de experiência (QoE) de maneira uniforme para todos os seus clientes. Para atacar este problema, diversas abordagens utilizam informações históricas relacionadas ao desempenho de transmissão para inferir a qualidade de experiência (QoE) de suas futuras sessões. Isso permite que os recursos necessários para cada tipo de cliente sejam melhor estimados, antes mesmo do início da sessão. No entanto, o sucesso de tais esquemas depende de uma previsão acurada de QoE: estudos anteriores utilizam métricas de desempenho como taxa de interrupções e bitrate médio e alcançam acurácia de previsão de 70%. No presente trabalho apresentamos uma nova abordagem, que correlaciona a QoE do cliente com seu fluxo de adaptação de bitrate. Nós mostramos que esse conjunto de métricas proporciona uma acurácia de previsão de 81%. Também apresentamos um estudo de caso para alocação de clientes usando o previsor e constatamos um potencial para aumento da QoE geral se comparado a alocação padrão.

Bittorrent is one of the most popular file sharing applications on the Internet. It is well-known that its success mainly depends on its user cooperation. Systems with a small number of altruist users or without incentive mechanisms are fated to failure. This paper discusses the influence of Facebook on Bittorrent swarms. We analyze data from more than 16,600 Bittorrent swarms disseminated by Facebook and by traditional torrent websites. Our results show that the dissemination process is enhanced when a torrent is announced on a social network. Social torrents have up to 50% more seeders and four times more peers that participate on multiple swarms. Furthermore, peers in social torrents exhibit high locality, both geographically and in terms of ASes. If the Bittorrent protocol leverages the knowledge of physical networks for building the P2P overlay network, social torrents may have better locality in the partnerships established between peers. As consequence, social torrents may have better throughput, faster data dissemination and less data traffic between ASes. I. INTRODUÇÃODesde a década passada, observa-se a massiva adoção do paradigma peer-to-peer (P2P) na Internet. De fato, o tráfego gerado por suas aplicaçõesé de grande representatividade nas redes de computadores. Estimativas mostram que 36% de todo tráfego de upload da América do Norte tem como origem o Bitorrent, atualmente a principal aplicação para compartilhamento de arquivos em redes P2P. Além disso a parcela deste protocolo no tráfego de pico desta região ultrapassa 10% 1 .O sucesso de sistemas P2P depende fortemente do nível de colaboração de seus participantes (peers). A falta de cooperação impõe um grande desafioà garantia de qualidade de serviço e por isso, existem vários mecanismos que procuram incentivar a cooperação em sistemas P2P. O Bittorrent implementa um esquema descentralizado conhecido por tit-for-tat [3]. Por esse esquema, peers monitoram-se mutuamente e assim, recursos são oferecidos a um peer de acordo com sua contribuição.Apesar da larga adoção e uso do tit-for-tat, observa-se que em muitos casos, a rede P2P não se beneficia dele [6]. Esse mecanismo não favorece relações baseadas em localização 1 Global Internet Phenomena Report: 2H 2012, www.sandvine.com geográfica (ou topológica de redes) dos peers e nem relacionamentos de longa duração: de acordo com [11] a taxa de reencontro entre peersé menor que 5%. Mais ainda, não são considerados fatores sociais, como o relacionamento dos usuários do Bittorrent em outros tipos de redes (e.g., redes sociais). E de se esperar uma melhor disseminação dos dados pelo Bittorrent caso se considere esses fatores [1]. A intuiçãoé simples: pode-se esperar de forma razoável forte cooperação entre parceiros, ou amigos, e assim, o tit-for-tat não seria necessário [10]. De fato, há indícios que a disseminação de dados no Bittorrent pode ser melhorada quando se utiliza redes sociais para fazer o seu anúncio inicial. Por exemplo, [11], [10] mostram que torrents anunciados via Twitter, uma rede social pop...