科技部補助專題研究計畫成果報告
期末報告
雲端串流服務品質之量化分析─以故宮iPalace頻道服務為例
計 畫 類 別 ： 個別型計畫 計 畫 編 號 ： MOST 104-2410-H-004-123-執 行 期 間 ： 104年08月01日至105年07月31日 執 行 單 位 ： 國立政治大學資訊管理學系 計 畫 主 持 人 ： 蔡瑞煌 共 同 主 持 人 ： 溫日華、郁方、李正國 計畫參與人員： 學士級-專任助理人員：張家哲 大專生-兼任助理人員：林晉晟 大專生-兼任助理人員：何旻恂 大專生-兼任助理人員：陳思妤 大專生-兼任助理人員：王子云中 華 民 國 105 年 08 月 25 日
中 文 摘 要 ： 隨選視訊（video on demand, VOD）服務是一種可以讓用戶 （client）透過網際網路（Internet）選擇自己想要看的視訊 （video）內容的服務。用戶選定內容後，VOD系統可以用串流 （streaming）媒體的方式即時播放，也可以將內容完全下載後再播 放。從90年代開始，網際網路流量以視訊串流（video streaming）為最大宗，但是視訊串流服務（video streaming service）使得伺服器（server）端的負載比一般網站服務 （website service）來得繁重。這時，伺服器管理者會透過伺服器 叢集（cluster）和負載平衡（load balancing）的作法來減輕伺服 器的負載。另一方面，伺服器管理者也會注意到可用服務品質 （quality of service, QoS）具體量化服務表現來管理網站。文獻 回顧發現，尚無學者在視訊串流服務採用雲端服務（cloud
service）和TCP-based視訊串流技術之情境下，探討虛擬器 （virtual machine, VM）端的負載量與用戶播放器（video player）端的QoS之相關議題。
國家高速網路與計算中心（National Center for
High-Performance Computing, NCHC）與國立故宮博物院（National Palace Museum, NPM）合作提供故宮教育頻道（iPalace channel, iPalace）服務。此服務乃是一雲端服務且採用TCP-based視訊串流 技術，因此本研究以故宮教育頻道服務為研究對象，來探討虛擬器 端的負載量與用戶播放器端的QoS之相關議題。
本研究在虛擬器端設定負載率（load rate）為負載量之量化指標 ；在用戶播放器端，設定初始緩衝時間（initial buffering time）、平均再緩衝時間（mean re-buffering duration）以及再 緩衝頻率（re-buffering frequency）等三個QoS量化指標。當任何 一個用戶播放器QoS量化指標變大時，其用戶播放器QoS則變差。實 驗設計上，本研究設計了班級上課（classroom）情境和非班級上課 （non-classroom）情境來蒐集在虛擬器端和用戶播放器端之相關資 料。 實驗結果的分析顯示，在班級上課情境下，如果用戶端之電腦環境 （包括連線上網之網路環境）較為一致，則負載率與初始緩衝時間 之間沒有太大的關係，但是負載率與平均再緩衝時間之間以及負載 率與再緩衝頻率之間具有線性正相關，不過僅為低度相關。換言之 ，在班級上課情境且用戶端之電腦環境較為一致時，虛擬器端之負 載率與用戶播放器端QoS之間具有線性負相關之關係，不過僅為低度 相關。細究其僅為低度相關之原因，可能是連線上網之網路狀況影 響用戶播放器端QoS所致。舉例來說，在本研究班級上課情境的實驗 期間，班級上課情境的網路環境是政大的校園網路，全校師生共用 ；所以在班級上課情境的實驗期間，總是還有其他同學在使用政大 的校園網路，而使得網路流量在每個時刻不會是固定的。 由本研究之實驗結果的分析可推知：在視訊串流服務採用雲端服務 和TCP-based視訊串流技術之情境下，(1)不論虛擬器端之負載量為 何，用戶端的各種可能變異性（裝置、連線上網之網路狀況、系統 平台、安裝的合法及不合法軟體、瀏覽器的各種擴充套件等等）會 致使初始緩衝時間、再緩衝頻率和平均再緩衝時間有很大的變域 ，也致使用戶播放器端之QoS有很大的差異。(2)班級上課情境的網 路流量狀況是接近一致，但不是相同。(3)連線上網之網路狀況的變 異性會影響用戶播放器端QoS。
中 文 關 鍵 詞 ： 負載平衡、服務品質、隨選視訊串流、TCP-based視訊串流 英 文 摘 要 ： National Center for High-Performance Computing in Taiwan
and National Palace Museum in Taiwan jointly provide the iPalace channel (iPalace) service. This study uses the iPalace service to explore QoSs of the virtual machine (VM) of server side and the video-player of client side. In this study, the load rate is set as the QoS indicator of VM-side. As for the video-player of client side, this study uses the following three QoS indicators: the initial
buffering time, the mean buffering duration, and the re-buffering frequency. When any one of QoS indicators of the video-player of client side becomes large, the service quality of iPalace is deteriorated. In the experimental design, this study has designed the classroom context and the non-classroom context to collect relevant information for calculating the aforementioned four QoS indicators. From the analysis of experimental results, this study concludes that: (1) No matter what kind of loading in the VM side, the variability (device connected to the Internet the network status, system platform, legal and illegal software installed browser various extensions, etc.) of the client side result in a large range for the initial
buffering time, the mean buffering duration, and the re-buffering frequency, and thus the volatility of QoS of video-player of client side. (2) In the classroom context, the Internet traffic is rather uniform, but not a constant. (3) The volatility of the Internet traffic will affect the QoS of video-player of client side.
英 文 關 鍵 詞 ： load balancing、quality of service、video-on-demand streaming、TCP-based video streaming
科技部補助專題研究計畫成果報告
（□期中進度報告/
þ期末報告）
雲端串流服務品質之量化分析
—以故宮 iPalace 頻道服務為例
計畫類別：
þ個別型計畫 □整合型計畫
計畫編號：
MOST 104 － 2410 － H － 004 － 123 －
執行期間：104 年 8 月 1 日至 105 年 7 月 31 日
執行機構及系所：國立政治大學 資訊管理學系
計畫主持人：蔡瑞煌 教授（資訊管理學系）
共同主持人：郁方 助理教授（資訊管理學系）
溫日華 教授（企業管理學系既運籌管理研究所）
李正國 副研究員（高速網路與計算中心）
計畫參與人員：張家哲 專任助理
陳思妤 兼任助理
王子云 兼任助理
何旻恂 兼任助理
林晉晟 兼任助理
本計畫除繳交成果報告外，另含下列出國報告，共 _0_ 份：
□執行國際合作與移地研究心得報告
□出席國際學術會議心得報告
□出國參訪及考察心得報告
中 華 民 國 105 年 8 月 25 日
雲端串流服務品質之量化分析 — 以故宮 iPalace 頻道服務為例
摘要
隨選視訊（video on demand, VOD）服務是一種可以讓用戶（client）透過網際網路（Internet）選 擇自己想要看的視訊（video）內容的服務。用戶選定內容後，VOD 系統可以用串流（streaming）媒體 的方式即時播放，也可以將內容完全下載後再播放。從90 年代開始，網際網路流量以視訊串流（video streaming）為最大宗，但是視訊串流服務（video streaming service）使得伺服器（server）端的負載比 一般網站服務（website service）來得繁重。這時，伺服器管理者會透過伺服器叢集（cluster）和負載 平衡（load balancing）的作法來減輕伺服器的負載。另一方面，伺服器管理者也會注意到可用服務品 質（quality of service, QoS）具體量化服務表現來管理網站。文獻回顧發現，尚無學者在視訊串流服務 採用雲端服務（cloud service）和 TCP-based 視訊串流技術之情境下，探討虛擬器（virtual machine, VM） 端的負載量與用戶播放器（video player）端的 QoS 之相關議題。
國家高速網路與計算中心（National Center for High-Performance Computing, NCHC）與國立故宮博 物院（National Palace Museum, NPM）合作提供故宮教育頻道（iPalace channel, iPalace）服務。此服務 乃是一雲端服務且採用TCP-based 視訊串流技術，因此本研究以故宮教育頻道服務為研究對象，來探 討虛擬器端的負載量與用戶播放器端的QoS 之相關議題。
本研究在虛擬器端設定負載率（load rate）為負載量之量化指標；在用戶播放器端，設定初始緩衝 時間（initial buffering time）、平均再緩衝時間（mean re-buffering duration）以及再緩衝頻率（re-buffering frequency）等三個 QoS 量化指標。當任何一個用戶播放器 QoS 量化指標變大時，其用戶播放器 QoS 則變差。實驗設計上，本研究設計了班級上課（classroom）情境和非班級上課（non-classroom）情境 來蒐集在虛擬器端和用戶播放器端之相關資料。 實驗結果的分析顯示，在班級上課情境下，如果用戶端之電腦環境（包括連線上網之網路環境） 較為一致，則負載率與初始緩衝時間之間沒有太大的關係，但是負載率與平均再緩衝時間之間以及負 載率與再緩衝頻率之間具有線性正相關，不過僅為低度相關。換言之，在班級上課情境且用戶端之電 腦環境較為一致時，虛擬器端之負載率與用戶播放器端QoS 之間具有線性負相關之關係，不過僅為低 度相關。細究其僅為低度相關之原因，可能是連線上網之網路狀況影響用戶播放器端QoS 所致。舉例 來說，在本研究班級上課情境的實驗期間，班級上課情境的網路環境是政大的校園網路，全校師生共 用；所以在班級上課情境的實驗期間，總是還有其他同學在使用政大的校園網路，而使得網路流量在 每個時刻不會是固定的。 由本研究之實驗結果的分析可推知：在視訊串流服務採用雲端服務和TCP-based 視訊串流技術之 情境下，(1)不論虛擬器端之負載量為何，用戶端的各種可能變異性（裝置、連線上網之網路狀況、系 統平台、安裝的合法及不合法軟體、瀏覽器的各種擴充套件等等）會致使初始緩衝時間、再緩衝頻率 和平均再緩衝時間有很大的變域，也致使用戶播放器端之QoS 有很大的差異。(2)班級上課情境的網路 流量狀況是接近一致，但不是相同。(3)連線上網之網路狀況的變異性會影響用戶播放器端 QoS。 關鍵詞: 負載平衡、服務品質、隨選視訊串流、TCP-based 視訊串流
On Quantitatively Analyzing the Quality of Cloud-based Streaming Services
– case of iPalace channel service
ABSTRACT
Video on demand (VOD) service allows a client to select a video content and renders him/her watch the video content through the Internet. After the client selects the content, VOD system either streams the video content for instant playback mode, or downloads the video content completely to the client’s equipment before playing. Starting from the 1990s, the video streaming is the largest part of Internet traffic, but the video streaming service exerts heavier loading on the server than the general web service does. In this case, the server manager uses the approaches of server cluster and load balancing to reduce the loading of the server. On the other hand, the server manager also needs to pay attention to the quality of service (QoS) that quantifies the performance of service. From literature review there is no study that evaluates the QoS of TCP-based video streaming service on cloud.
National Center for High-Performance Computing in Taiwan and National Palace Museum in Taiwan jointly provide the iPalace channel (iPalace) service. This service is a cloud service with TCP-based video streaming technology. Thus, this study uses the iPalace service to explore QoSs of the virtual machine (VM) of server side and the video-player of client side.
In this study, the load rate is set as the QoS indicator of VM-side. As for the video-player of client side, this study uses the following three QoS indicators: the initial buffering time, the mean re-buffering duration, and the re-buffering frequency. When any one of QoS indicators of the video-player of client side becomes large, the service quality of iPalace is deteriorated. In the experimental design, this study has designed the classroom context and the non-classroom context to collect relevant information for calculating the aforementioned four QoS indicators.
Analysis results show that in the classroom context where the clients’ computer equipment environment (including the network traffic) is more uniform, there is no significant relationship between the load rate and initial buffering time; however, both the mean re-buffering duration and the load rate have light positive correlation with the load rate. In other words, when the client's computer environment is more uniform or harmony, the QoS of VM-side and the QoS of video-player of client side are slightly negatively correlated. The reasoning may be due to the Internet traffic that affects the QoS of video-player of client side. For example, during the experiment of classroom context, the Internet traffics is based upon the whole TANET environment of the campus of National Chengchi university that all faculty members, staff, and students share. Therefore the Internet traffic during the experiment of classroom context is not constant.
From the analysis of experimental results, this study concludes that: (1) No matter what kind of loading in the VM side, the variability (device connected to the Internet the network status, system platform, legal and illegal software installed browser various extensions, etc.) of the client side result in a large range for the initial buffering time, the mean re-buffering duration, and the re-buffering frequency, and thus the volatility of
QoS of video-player of client side. (2) In the classroom context, the Internet traffic is rather uniform, but not a constant. (3) The volatility of the Internet traffic will affect the QoS of video-player of client side.
雲端串流服務品質之量化分析 — 以故宮 iPalace 頻道服務為例
一、 雲端服務之負載與服務品質 隨選視訊（video on demand，VOD）服務是一種可以讓使用者（user）透過網際網路（Internet） 選擇自己想要看的視訊（video）內容的服務。用戶（client）選定內容後，VOD 系統可以將視訊內容 完全下載後再播放，也可以用串流媒體（streaming media）的方式即時播放視訊內容。視訊內容完全下 載後再播放的方式在不適當的科技情境下，如有限的硬碟空間或緩慢的下載速度等，無法滿足使用者 順利觀看視訊內容的需求，造就了使用者對於串流媒體的需求 (Lawton 2000)。從1990 年代早期開始，視訊串流（video streaming）已佔網際網路最大流量，並且高速成長 (Conklin 2001, Karki et al. 2010, Hoßfeld et al. 2011)。舉例來說，在 2000 年，每個禮拜就已經有超過 350,000 個 小時的運動、音樂、新聞及娛樂等視訊內容透過網際網路傳遞播放。其中，近數十萬小時的視訊內容 乃透過隨選（on demand）的方式，讓使用者根據其需求，而選取、獲得內容 (Conklin et al. 2000)。視 訊串流之所以大受歡迎，細究其因，主要乃因是網路頻寬（bandwidth）及壓縮/解壓縮（compression / decompression）技術的進步。舉例來說，從早期的 56-Kbps 數據機（modem），一直到非對稱數位用 戶線路（asymmetric digital subscriber lines, ADSL）及 T1 專線，網路傳輸效率的大幅度進步讓隨選視訊 串流的方式成為可行 (Lawton 2000)。
視訊串流服務（video streaming service）在伺服器（server）端的處理不同於一般網站服務（website service）的處理。視訊串流服務必須將視訊內容壓縮並切割成多個封包（packages），進而透過網際網 路遞送所有的封包到用戶端。而視訊串流又可以依串流協定（streaming protocol）分為 User Datagram Protocol (UDP)-based 及 Transmission Control Protocol (TCP)-based 兩類。基於 UDP 的特性（即封包在 傳輸過程中丟失，並不會重新傳送），UDP-based 串流協定主要是應用在比較重視快速傳輸速率的現場 即時（live）串流服務。而基於 TCP 的特性（在傳輸封包的過程中，如果有封包丟失，則會要求伺服 器重送），TCP-based 串流協定具有可靠傳輸（reliable transmission）效果 (Wang et al. 2008)。TCP-based 串流協定也會因需重新排序封包，而造成其處理效能低落。因此，當TCP-based 視訊串流的處理效能 低於用戶端播放器（video player）播放視訊內容的速度時，視訊內容播放會中斷（interruption）。這類 中斷可能令使用者覺得視訊內容播放服務品質不佳 (Mok et al 2011)。
圖1：用戶 端電腦接收封包和播放視訊內容的示意圖。
以下用HTML5 視訊串流服務來說明用戶端電腦接收封包和播放視訊內容的情境。如圖 1 所示， 用戶端電腦在點擊（click）<載入視訊內容>圖示時，會發生 loadstart 事件（event），促使用戶端電腦 接收視訊串流封包至用戶端記憶體的緩衝區。當緩衝區的未播放之視訊內容量足夠時，會發生canplay
事件，促使播放器開始播放（play）視訊內容。播放視訊內容期間，若緩衝區的未播放之視訊內容量不 足以播放時，則會發生再緩衝（re-buffering）事件，產生 waiting 事件，直到緩衝區的未播放之視訊內 容量足夠，才會促使播放器進行視訊內容播放（playing）事件。最後，當全部的視訊內容播放結束， 會發生ended 事件。從 loadstart 事件發生至 canplay 事件的發生之期間為初始緩衝時間（initial buffering time），而從 waiting 事件發生至 playing 事件發生的期間為再緩衝時間（re-buffering duration）。表 1 為用戶端電腦接收HTML5 視訊串流封包和播放視訊內容的事件之詳細描述。 表1：用戶端電腦接收 HTML5 視訊串流封包和播放視訊內容的事件 (Source: W3C 2011)。 事件 說明 loadstart 當瀏覽器開始尋找視訊內容時，此事件處於觸發狀態 canplay 當瀏覽器可以開始播放視訊內容時，此事件處於觸發 狀態 waiting 當緩衝區的未播放之視訊內容量不足以播放時，此事 件處於觸發狀態 playing 當視訊內容停止播放後，再開始播放之時，此事件處 於觸發狀態 ended 當視訊內容結束播放時，此事件處於觸發狀態 視訊串流服務通常是透過雲端運算（cloud computing）基礎設施來提供。雲端運算是一種基於網 際網路的運算方式；通過這種方式，共享的軟硬體資源和資訊可以按需求提供給用戶。用戶不再需要 了解「雲端」中基礎設施的細節，不必具有相應的專業知識，也無需直接控制基礎設施。雲端運算通 常涉及通過網際網路來提供動態、易擴充的功能，而且經常是虛擬化（virtualization）的資源。 虛擬化是一種能夠在一個到多個實體伺服器所集合而成的叢集（cluster）上，建立眾多虛擬器 （virtual machine, VM）的一種方法。而這樣的方法，允許使用者在一台能力較強的伺服器叢集上，去 模擬多台能力較小的虛擬器，不只能節省空間的耗用，還能節省電力及其他成本的浪費。最重要的優 點在於，在同一伺服器叢集上的虛擬器可以使用其他處於閒置（idle）狀態的虛擬器之資源來處理事務。 雖然虛擬化使用其他閒置虛擬器資源的做法和傳統的伺服器叢集類似，但虛擬化能夠將資源做更高層 次的資源分享、更有效的利用資源 (Membrey et al. 2012)。 視訊串流服務使得伺服器端的負載比一般網站服務來得繁重 (Conklin et al. 2000)。 傳統上，伺服 器管理者會透過負載平衡（load balancing）的作法來減輕伺服器的負載 (Yu et al. 2013)。負載平衡是一 個用來在多個伺服器、網路卡、硬碟及其他運算資源間去分散工作量的一種方法 (Yang 2012)。負載平 衡在實作上可以藉由硬體或軟體來達成。硬體負載平衡（hardware load balancing）是在伺服器和外部 網路之間設置負載平衡器（load balancer）。負載平衡器為專門用以解決特定負載平衡問題的硬體設備， 擁有多種負載平衡演算法，因此在效能上遠比軟體負載平衡（software load balancing）來得更好，主要 用於流量較大、運算節點較多的情境。缺點是成本高出軟體負載平衡許多(Zhao 2011)。圖 2 即為 Brocade 公司所推出的ADX 系列，擁有 7 種負載平衡演算法及 4 種層級的健康偵測 (Brocade et al. 2010)。
而軟體負載平衡不像硬體負載平衡可以獨立存在，必須將軟體裝載於特定的系統上，才能使之達 成負載平衡之功能。儘管能力不如硬體負載平衡，但在成本和擴展性（scalability）來說相對較有優勢。 舉例來說，只要在內部網路中的節點裝載負載平衡軟體，即可進行規模化的擴展 (Zhao 2011)。
域名伺服器（Domain Name Server, DNS）負載平衡是以域名伺服器為基礎的負載平衡做法 – 透過 域名伺服器，可以對外以統一的域名（Domain Name）發佈，並利用內部網路相互連接多台運算節點 （computing nodes）。當用戶發送網頁或其他資源的請求（request）時，會先連接到域名伺服器；域名 伺服器再進一步透過不同負載平衡策略，例如輪循（round robin）策略，將請求分配到內部網路中適當 的運算節點處理，來回應（response）用戶請求。DNS 負載平衡是服務導向的負載平衡 (Membrey et al. 2012)。
即使網站服務有做負載平衡，在負載的高峰期間還是會有服務品質（quality of service, QoS）不良 的問題 (Yang 2012)。QoS 一開始乃是被廣泛使用在通訊及網路領域，用量化指標（例如，回應時間、 延遲時間等等），將通訊服務品質或網路服務品質具體呈現 (Zeng et al. 2004)。QoS 對於服務供應商 （service provider）與用戶來說都非常重要；這是因為服務供應商希望以 QoS 作為具體的參考，帶給 用戶最好的服務品質。而對於用戶而言，則希望藉由QoS，從服務供應商得到較好的服務品質 (Rao et al. 2011)。
而隨著各類型網站服務的推出，使得QoS 超脫了通訊和網路領域，廣泛用來管理各類型網站服務。 也因為不同類型的服務有著不同的特性，因此並沒有統一的QoS 模型來規範其指標的組成 (Alrifai et al. 2010)。例如，在雲端服務（cloud service）情境裡，服務層級協議（service level agreement, SLA）則經 常被用來作為用戶與服務供應商協調QoS 的具體協議 (Alrifai et al. 2010)。服務層級協議指的是，服務 供應商與用戶之間應就服務品質、水準以及性能等方面達成協議或訂定契約。在設立SLA 時，服務供 應商首要之務，就是與用戶達成共識，決定整體方法與指導原則，並加以標準化。
過往研究對於TCP-based 視訊串流服務的 QoS 已有探討。例如，Wang et al (2003) 以實證研究的 方式，針對在視訊內容播放期間，探討網路狀況對於QoS 的影響。而 Kim and Ammar (2006)以 TCP-based 視訊串流為標的，提出分析性研究的QoS 模型，並且針對用戶端緩衝需求的推測，提出一種演算法。
還有，如圖3 所示，Mok et al (2011)以 TCP-based 的 HTTP 視訊串流為研究對象，將其 QoS 分為 使用者QoS、應用層（application）QoS 及網路層（network）QoS 等三個層級。使用者 QoS 亦稱為使 用者主觀感受（quality of experience, QoE）。為了深入探討網路層 QoS 對 QoE 兩者之間的關係，Mok et al (2011)將其分拆為兩個子問題：(1)網路層 QoS 和應用層 QoS 的關係評估，和(2)應用層 QoS 和 QoE 的關係評估。其中，如表2 所示，在應用層 QoS 的部份，提出由初始緩衝時間、平均再緩衝時間（mean re-buffering duration）以及再緩衝頻率（re-buffering frequency）所構成的 Application Performance Metrics (APM)。而在網路層 QoS 部份，所提出的指標則分別為頻寬、往返時間（round-trip time, RTT）和往返 丟包率（round-trip packet loss rate）。
表2：應用層 QoS。(Source: Mok et al. 2011)
應用層QoS 說明
初始緩衝時間 視訊內容的開始載入至開始播放之期間 平均再緩衝時間 再緩衝事件之平均期間
再緩衝頻率 在單位時間內，再緩衝事件的發生數量
在處理第一個子問題的部分，Mok et al (2011)根據 (Kim & Ammar 2006; Wang et al. 2008)的分析推 導，建置了網路層QoS 和應用層 QoS 之間關係的模型，並客製化 Adobe Flash Player 來收集應用層 QoS 的資料，以及使用Click Router 來模擬網路狀況，從而衡量在不同網路層 QoS 情境下，進行實證研究 應用層QoS 的狀況。而在處理第二個子問題的部分，Mok et al (2011)則根據第一個子問題的實證研究 結果，將應用層QoS 以 25%、50%及 75%分為低、中及高三個等級，並使用 Mean Opinion Score 對參 與實驗的受試者進行主觀感受的量測，以推估QoE 的情形。
Mok et al (2011)的研究結果顯示使用者的主觀感受可以藉由提昇網路層 QoS 及應用層 QoS 來加以 改善。主要影響QoE 的應用層 QoS 指標為再緩衝頻率 – 若再緩衝過於頻繁，會導致使用者主觀感受 不佳。而網路層QoS 與再緩衝頻率的顯著關係是因為封包丟失及往返時間過長，導致處理效能低下， 造成再緩衝頻率高。
從上述之文獻回顧可知，在視訊串流服務採用雲端運算和TCP-based 視訊串流技術之情境下，尚 無學者探討相對客觀的虛擬器端的負載量與用戶播放器端的QoS 之相關議題。
國家高速網路與計算中心（National Center for High-Performance Computing, NCHC）與國立故宮博 物院（National Palace Museum, NPM）合作提供故宮教育頻道（iPalace education channel, iPalace）服務。 故宮教育頻道服務乃是採用雲端運算和TCP-based 視訊串流技術。因此，本研究以故宮教育頻道服務 為研究對象，探討虛擬器端的負載量與用戶播放器QoS 之相關議題。具體而言，在視訊串流服務採用 雲端運算和TCP-based 視訊串流技術之情境下，本研究針對虛擬器端的負載量與用戶播放器 QoS 進行 資料蒐集、分析及討論；使用者主觀感受QoE 部分不在本研究的討論範圍。 二、 故宮教育頻道服務與實驗設計 如圖4 所示，故宮教育頻道服務採虛擬化的方式建置四台虛擬器，其內部網際網路協定位址 （Internet protocol address, IP address）為 140.110.143.x。每台虛擬器的設定如表 3。用戶以
http://npm.nchc.org.tw 域名連接域名伺服器，以取得故宮教育頻道服務。而域名伺服器會依輪循策略將 用戶的請求，依序分配至後端伺服器叢集裡的一台虛擬器。換言之，故宮教育頻道服務採用DNS 負載 平衡的方式，並在運作上搭配輪循策略。故宮教育頻道服務之所以選擇輪循策略，主要是因為其實作 簡單：在伺服器端的域名伺服器不需要做其他的設定，僅需根據內部網路IP 位址來建立對照表，即可 實作輪循策略的效果。NCHC 也曾執行前測，發現輪循策略與其它策略的執行結果並沒有太大的差異。
圖4：故宮教育頻道服務採用 DNS 負載平衡的方式，並在運作上搭配輪循策略 (iPalace 2014)。
表3：故宮教育頻道系統裡的虛擬器之設定（除了 CPU 之外，其餘皆為單一虛擬器的設定） (iPalace, 2014)。
CPU 2X8 core CPU (4 台虛擬機共享) Memory 16 GB RAM
I/O 1 TB HD
OS Windows Server 2012 R2 Web Server Application Internet Information Services 8
故宮教育頻道服務乃是採用雲端運算和TCP-based 視訊串流技術。舉圖 5 為例，當瀏覽器透過統 一資源定位器（uniform/universal resource locator, URL）連結至故宮教育頻道網頁時，網頁上包含很多 個元素（component，例如圖示（icon）、圖片、js 檔、文字區塊及視訊內容等等）。在幕後，每個元素 都會透過瀏覽器，分別發送一個請求給虛擬器。也就是說，並非一個網頁僅對應到一個請求；一個網 頁包含多少元素，就對應多少個請求。 圖 5：瀏覽器透過超連結連接到一個網頁時，在幕後，每個網頁元素都會透過瀏覽器，分別發送一個 請求給虛擬器。 每個網頁元素會產生一個請求給虛擬器，而虛擬器處理不同類型的請求所消耗的效能也不相同。
舉例來說，如圖6 所示，虛擬器處理視訊內容請求（video request）時，會先壓縮視訊內容，再切割成 多個封包，然後傳送到用戶播放器端。換言之，一個視訊內容請求會促成許多個視訊內容封包請求 （video-package requests）。因此，視訊內容請求對虛擬器的負擔是較為繁重的。 圖 6：虛擬器處理視訊內容請求時，會先壓縮視訊內容，再切割成多個封包，然後傳送到用戶播放器 端。 虛擬器端及用戶播放器端所蒐集之資料會進行時間同步（time synchronization），讓兩邊在狀況發 生當下的時間戳記（timestamp）有一個一致的記錄及比較的標準。參考網路時間協定（Network Time Protocol, NTP）的做法來進行時間同步。網路時間協定是以封包交換把兩台電腦的時鐘同步化的通訊 協定。NTP 使用 UDP 埠 123 作為傳輸層。
如圖7 所示，Total Time ≡ T3 - T0 是為兩端在傳輸過程中所花費的總時間。Server Side Processing Time ≡ T2 - T1 是為虛擬器端處理請求所花費的總時間。Round Trip Time (RTT) ≡ Total Time - Server Side Processing Time 即可得兩端傳輸的時間。Server Now ≡ T2 + RTT/2 是為在 T3 當下，虛擬器端處的 時間。Server Now 與 T3 之對應即可得到完成時間同步，讓兩端的時間戳記有一致的記錄及比較的標 準。
圖7：時間同步的做法。
針對每一次的視訊內容請求，虛擬器端及用戶播放器端之相關資料皆會被記錄。藉由伺服器系統 端的系統日誌（system log）加以蒐集虛擬器 QoS 的相關資料。從表 3 可以得知，虛擬器的網頁伺服器 （web server）採用微軟所推出的 Internet Information Services（IIS），因此本研究採用 IIS 的延伸模組 Advanced Logging 記錄虛擬器的運作狀況。如表 4 所示，針對每個請求，Advanced Logging 會產生一 筆12 個欄位的記錄。不過，在資料處理時，沒用到 W3WP-PrivateBytes 及 CPU Utilization 的記錄。
表4：每個請求會有一筆 12 個欄位的記錄。
欄位名稱 說明 用途
1. S-IP 虛擬器的IP 位址 對照記錄的來源 2. Date-UTC 以UTC 形式記錄的日期 與Local 進行對照 3. Time-UTC 以UTC 形式記錄的時間 與Local 進行對照 4. Date-Local 以Local 形式記錄的日期 與UTC 進行對照 5. Time-Local 以Local 形式記錄的時間 與UTC 進行對照 6. Time Taken 虛擬器處理該請求所耗費的 時間 7. Cookie 隨該請求所傳來的用戶端 Cookie 資訊 用以跟用戶播放器端進行 對照 8. C-IP 該請求所對應的用戶IP 位址 用以跟用戶播放器端進行 對照 9. BeginRequest-UTC 虛擬器收到該請求的時間點 - UTC 形式 與Time Taken 欄位進行對 應
間點 - UTC 形式 應 11. W3WP-PrivateBytes 虛擬器處理該請求所耗費的 記憶體量 12. CPU Utilization 虛擬器處理該請求所耗費的 CPU 量 在用戶播放器部分，故宮教育頻道一開始乃是採用HTTP Video Tag，亦即 HTML5 內建的播放器。 而後，因應『提供不同品質的視訊內容供使用者選擇』的需求，改版為JWPlayer。因此，本研究搭配 JWPlayer 所提供的應用程式介面（Application Programming Interface, API），在網頁裡面嵌入程式（code） 來蒐集用戶播放器端的資料。簡言之，在視訊內容播放的過程中，嵌入網頁的處理程式會記錄在表1 所列舉之各事件發生的時間點。而考量到script 的運作效能，因此採用 Google Analytics 服務來蒐集並 存放用戶播放器端的資料。 所蒐集的用戶播放器端資料分為UserInfo 及 EventInfo 兩個部分；表 5 及表 6 提供這兩部分的詳細 子欄位資訊。時間的相關欄位都以毫秒（millisecond）為單位。不過，所蒐集的用戶播放器端資料仍無 法涵括所有用戶端的(裝置、網路狀況、系統平台、安裝的合法及不合法軟體、瀏覽器的各種擴充套件 等等)差異。 表5：UserInfo 部分的子欄位說明。 子欄位名稱 用途 C-IP 用戶IP 位址，用以跟虛擬器端資料進行對應 cookie 用以跟虛擬器端資料進行對應 T1 用以進行時間同步 T2 用以進行時間同步 T3 用以進行時間同步 TimeDiffer 用以進行時間同步 表6：EventInfo 部分的子欄位說明。 欄位名稱 用途
Initial buffering time 使用JWPlayer 的 API 記錄初始緩衝時間 Re-buffering Timestamp 使用JWPlayer 的 API 記錄再緩衝事件發生當下
的時間戳記
Play Timestamp 使用JWPlayer 的 API 記錄從再緩衝狀態回到播 放狀態事件發生當下的時間戳記 … 視訊內容播放過程中可能發生0 次到多次的再 緩衝狀態、播放狀態的循環 Leave Timestamp 若播放過程中使用者與播放器互動 (例如，暫 停、快轉或跳轉)或離開 (例如，上一頁、重新整 理頁面或關閉視窗)，則使用 JWPlayer 的 API 記 錄事件發生當下的時間戳記 本研究依據NCHC 的建議，可收集到的虛擬器端負載量的量化指標為負載率：每毫秒完成的請求
數量（completed requests per millisecond）。其計算方式如公式(1)。如圖 8 所示，每台虛擬器可同時服 務多個用戶的請求；所以從虛擬器端來看，是1 對多的關係。每個用戶的每次請求只由 1 個虛擬器來 回應；所以從用戶播放器端來看，是1 對 1 的關係。因此，計算虛擬器端的負載率是從用戶出發。假 設是用戶A，那計算負載率的分母就會是用戶 A 看視訊內容的時間，而分子則是處理用戶 A 請求的虛 擬器在那段時間裡的所處理的請求總數量。 負載率（在回應用戶A 之視訊內容請求期間） ≡ （在回應用戶 A 之視訊內容請求期間，所 有用戶之請求數量總和）÷回應用戶 A 之視訊內容請求的時間長度 (1) 圖8：用戶請求與虛擬器之間的對應關係。
本研究採用Mok et al (2011)所提出的應用層 QoS 作為用戶播放器 QoS。換言之，本研究設定用戶 播放器QoS 量化指標分別為：初始緩衝時間、平均再緩衝時間、以及再緩衝頻率。當任何一個用戶播 放器QoS 量化指標變大時，其用戶播放器 QoS 則變差。如表 6 所示，本研究直接透過 JWPlayer 的 API 獲得初始緩衝時間；而平均再緩衝時間以及再緩衝頻率之計算方式分別如公式(2)以及公式(3)。 平均再緩衝時間 ≡ 再緩衝時間總量÷再緩衝數量 (2) 再緩衝頻率 ≡ 再緩衝數量÷ (視訊內容的開始載入至結束播放之期間 - 初始緩衝時間 - 再緩衝時 間總量) (3) 在公式(3)，分母之所以要扣掉再緩衝時間總量，主要是為了讓比較期間一致。舉例來說，用戶 A 在下午3 點到 4 點觀看了視訊內容期間，發生了 5 次，共 10 分鐘的再緩衝時間總量。若不在分母扣除 再緩衝時間總量，所得之再緩衝頻率為5/60。若用戶 A 在下午 4 點到 5 點又看了一次相同視訊內容， 期間發生了5 次，但是共 30 分鐘的再緩衝時間總量。若不扣除的狀況下得再緩衝頻率同樣為 5/60。實 際上，兩者的情境並不相同。因此，在設定上讓分母扣除再緩衝時間總量。 在資料蒐集上，如表7 所示，本研究設計了班級上課（classroom）情境以及非班級上課 （non-classroom）情境，以了解在不同的整體服務需求情境下，虛擬器端的負載率與用戶播放器端的 QoS 之關係是否有差異，以期能作為相關從業人員在實務部署上的重要參考。 表7：資料蒐集之情境 類型 資料蒐集期間 非班級上課 3 個星期 (5/25/2016 ~ 6/14/2016)
班級上課 6/27/2016，政大資管系電腦教室，30 個用戶，僅能 選擇一個約5 分鐘之視訊內容 在非班級上課情境，用戶端有各種可能的(裝置、連線上網之網路狀況、系統平台、安裝的合法及 不合法軟體、瀏覽器的各種擴充套件等等)差異，而資料蒐集期間為 3 個星期（5/25/2016 ~ 6/14/2016）。 總共有802 筆有效資料。班級上課情境是模擬故宮教育頻道的主要用戶（台灣中小學的 30 人班級）情 境，來觀察30 人同時在線觀看視訊內容對故宮教育頻道服務的影響。在非班級上課情境，本研究利用 政大資管系電腦教室，30 個用戶，僅能選擇一個約 5 分鐘之視訊內容。資料蒐集僅為這 30 個用戶， 總共有30 筆有效資料。因為視訊內容均完整的播放、電腦設備相同、而且網路環境較一致，因此我們 可以預期用戶端的變異性比較小。 三、 資料分析 (Data Analysis) 在資料分析的部分，採用Excel 2016 作為分析工具。表 8 顯示負載率在非班級上課情境和班級上 課情境時之敘述統計量。圖9 和圖 10 分別呈現負載率在非班級上課情境和班級上課情境時之資料分布 圖。比較表8 之結果可知，因班級上課之安排，負載率（在回應任一用戶之視訊內容請求期間）會升 高，使得其最小值由0 提高至 2.04，平均值由 1.32 提高至 3.52，而標準差也由 0.97 提高至 1.01。 表8：負載率（非班級上課情境）與負載率（班級上課情境）之敘述統計量，單位為『請求數量/毫秒』。 非班級上課情境 班級上課情境 最大值 6.90 5.14 最小值 0.00 2.04 平均值 1.32 3.52 標準差 0.97 1.01 圖9：負載率（非班級上課情境）之資料分布圖。Y 軸單位為『個數』，X 軸的單位為『請求數量/毫秒』。
圖10：負載率（班級上課情境）之資料分布圖。Y 軸單位為『個數』，X 軸的單位為『請求數量/毫秒』。 表9 顯示初始緩衝時間在非班級上課情境與班級上課情境時之敘述統計量。圖 11 和圖 12 分別呈 現初始緩衝時間在非班級上課情境和班級上課情境時之資料分布圖。比較上述之結果可知，(1)用戶端 的各種可能（裝置、連線上網之網路狀況、系統平台、瀏覽器等等）差異會致使初始緩衝時間有很大 的變域。(2)即使在班級上課情境時，請求類型大致相同，而且用戶端的差異較小，網路狀況仍不盡相 同，致使初始緩衝時間的標準差不小。班級上課情境的網路環境是政大的校園網路，是全校師生共用 的；所以在班級上課情境的實驗期間，應是還有其他同學在使用政大的校園網路。由此，亦可推知班 級上課情境的網路狀況仍有差異。 表9：初始緩衝時間（非班級上課情境）與初始緩衝時間（班級上課情境）之敘述統計量，單位為『毫 秒』。 非班級上課情境 班級上課情境 最大值 68304360.00 3547.00 最小值 86.00 197.00 平均值 101355.58 1856.60 標準差 2417404.81 742.13 圖11：初始緩衝時間（非班級上課情境）之資料分布圖。Y 軸單位為『個數』，X 軸的單位為『毫秒』。
圖12：初始緩衝時間（班級上課情境）之資料分布圖。Y 軸單位為『個數』，X 軸的單位為『毫秒』。 表10 顯示再緩衝頻率在非班級上課情境與班級上課情境時之敘述統計量，而表 11 顯示平均再緩 衝時間在非班級上課情境與班級上課情境時之敘述統計量。值得注意的是，(1)在非班級上課情境時之 802 筆資料中，有 421 筆資料在總期間扣除初始緩衝時間的狀況下沒超過 30 秒，比例為 0.52，顯示用 戶沒有耐性在觀看故宮教育頻道之視訊內容。(2)在非班級上課情境的 802 筆有效資料中，有 540 筆資 料顯示在播放過程中沒有發生再緩衝（即再緩衝頻率為0），比例為 0.67；而在班級上課情境的 30 筆 有效資料中，有17 筆資料顯示沒有發生再緩衝，比例為 0.57。圖 13 和圖 14 分別呈現在非班級上課情 境和班級上課情境時，不為0 的再緩衝頻率之資料分布圖。圖 15 和圖 16 分別呈現在非班級上課情境 和班級上課情境時，不為0 的平均再緩衝時間之資料分布圖。 表10：再緩衝頻率（非班級上課情境）與再緩衝頻率（班級上課情境）之敘述統計量，單位為『再緩 衝數量/毫秒』。 非班級上課情境 班級上課情境 最大值 9.39E-04 3.43E-06 最小值 0 0 平均值 3.65E-05 1.48E-06 標準差 8.98E-05 1.73E-06 表11：平均再緩衝時間（非班級上課情境）與平均再緩衝時間（班級上課情境）之敘述統計量，單位 為『毫秒』。 非班級上課情境 班級上課情境 最大值 33525.00 501.00 最小值 0.00 0.00 平均值 1359.31 215.13 標準差 3578.86 250.22
圖13：不為 0 的再緩衝頻率（非班級上課情境）之資料分布圖。Y 軸單位為『個數』，X 軸的單位為『再 緩衝數量/毫秒』。 圖14：不為 0 的再緩衝頻率（班級上課情境）之資料分布圖。Y 軸單位為『個數』，X 軸的單位為『再 緩衝數量/毫秒』。 圖15：不為 0 的平均再緩衝時間（非班級上課情境）之資料分布圖。Y 軸單位為『個數』，X 軸的單位 為『毫秒』。
圖16：不為 0 的平均再緩衝時間（班級上課情境）之資料分布圖。Y 軸單位為『個數』，X 軸的單位為 『毫秒』。 比較上述之結果可知：(1)在非班級上課情境與班級上課情境裡，都有用戶播放器端之平均再緩衝 時間為0；可能的情況是 QoS 相當好，或者用戶沒有耐性在觀看故宮教育頻道之視訊內容。(2)用戶端 的各種可能（裝置、連線上網之網路狀況、系統平台、安裝的合法及不合法軟體、瀏覽器的各種擴充 套件等等）差異會致使初始緩衝時間、再緩衝頻率和平均再緩衝時間有很大的變域，也致使用戶播放 器端之QoS 有很大的差異。(3)即使在班級上課情境時，請求類型相對地一致，而且用戶端的差異較小， 在視訊內容傳輸時的網路狀況仍有差異，會使再緩衝頻率和平均再緩衝時間仍有標準差，也致使用戶 播放器端之QoS 仍有差異。 線性迴歸分析顯示負載率（非班級上課情境）與初始緩衝時間（非班級上課情境）之間沒有太大 的關係。從非班級上課的262 筆（有再緩衝發生的）資料之迴歸分析顯示(1)負載率（非班級上課情境） 與平均再緩衝時間（非班級上課情境）之間沒有太大的關係。(2)負載率（非班級上課情境）與再緩衝 頻率（非班級上課情境）之間沒有太大的關係。 線性迴歸分析也顯示負載率（班級上課情境）與初始緩衝時間（班級上課情境）之間沒有太大的 關係。從班級上課情境的13 筆（有再緩衝發生的）資料之迴歸分析顯示(1)負載率（班級上課情境）與 平均再緩衝時間（班級上課情境）之間具有低度線性正相關。 (2)負載率（班級上課情境）與再緩衝頻 率（班級上課情境）之間具有低度線性正相關。 四、 結論與討論 如同前面的章節所提到的，每一項資源都對應到一個請求，而不同資源類型的請求在處理上所消 耗的效能都不相同，舉例來說，如圖6 所示，虛擬器處理視訊內容請求時，會先壓縮視訊內容，再切 割成多個封包，然後傳送到用戶播放器端。換言之，一個視訊內容請求會促成許多個視訊內容封包請 求。因此，視訊內容請求對虛擬器的負擔是較為繁重的。 實驗結果的分析顯示，在班級上課情境下，如果用戶端之電腦環境（包括連線上網之網路環境） 較為一致，則負載率與初始緩衝時間之間沒有太大的關係，但是負載率與平均再緩衝時間之間以及負 載率與再緩衝頻率之間具有線性正相關，不過僅為低度相關。
換言之，在班級上課情境且用戶端之電腦環境較為一致時，虛擬器端之負載率與用戶播放器端QoS 之間具有線性負相關之關係，不過僅為低度相關。細究其僅為低度相關之原因，可能是連線上網之網 路狀況影響用戶播放器端QoS 所致。舉例來說，在本研究班級上課情境的實驗期間，班級上課情境的 網路環境是政大的校園網路，全校師生共用；所以在班級上課情境的實驗期間，總是還有其他同學在 使用政大的校園網路，而使得網路流量在每個時刻不會是固定的。 由本研究之實驗結果的分析可推知：在視訊串流服務採用雲端服務和TCP-based 視訊串流技術之 情境下，(1)不論虛擬器端之負載量為何，用戶端的各種可能變異性（裝置、連線上網之網路狀況、系 統平台、安裝的合法及不合法軟體、瀏覽器的各種擴充套件等等）會致使初始緩衝時間、再緩衝頻率 和平均再緩衝時間有很大的變域，也致使用戶播放器端之QoS 有很大的差異。(2)班級上課情境的網路 流量狀況是接近一致，但不是相同。(3)連線上網之網路狀況的變異性會影響用戶播放器端 QoS。
References
1. Alrifai, M., Skoutas, D., & Risse, T. (2010). Selecting skyline services for QoS-based web service composition. In Proceedings of the 19th international conference on World wide web (pp. 11-20). ACM. 2. Austerberry, D., & Starks, G. (2002). Technology of Video and Audio Streaming. Elsevier Science Inc. 3. Bobroff, N., Kochut, A., & Beaty, K. (2007). Dynamic placement of virtual machines for managing sla
violations. In Integrated Network Management, 2007. IM'07. 10th IFIP/IEEE International Symposium
on (pp. 119-128). IEEE.
4. Chang, Y. C., Chang, C. J., Chen, K. T., & Lei, C. L. (2010). Radar chart: Scanning for high QoE inQoS dimensions. In Communications Quality and Reliability (CQR), 2010 IEEE International Workshop
Technical Committee on (pp. 1-6). IEEE.
5. Conklin, G. J., Greenbaum, G. S., Lillevold, K. O., Lippman, A. F., & Reznik, Y. A. (2000). Video coding for streaming media delivery on the Internet. Circuits and Systems for Video Technology, IEEE
Transactions on, 11(3), 269-281.
6. Dupagne, M., Stacks, D. W., & Giroux, V. M. (2007). Effects of video streaming technology on public speaking students' communication apprehension and competence. Journal of Educational Technology
Systems, 35(4), 479-490.
7. Follansbee, J. (2004). Get Streaming!: Quick Steps to Delivering Audio and Video Online. Taylor & Francis.
8. Gupta, P., Goyal, M. K., & Gupta, N. (2015). Reliability aware load balancing algorithm for content delivery network. In Emerging ICT for Bridging the Future-Proceedings of the 49th Annual Convention
of the Computer Society of India (CSI) Volume 1 (pp. 427-434). Springer International Publishing.
9. Hoßfeld, T., Seufert, M., Hirth, M., Zinner, T., Tran-Gia, P., & Schatz, R. (2011). Quantification of YouTube QoE via crowdsourcing. In Multimedia (ISM), 2011 IEEE International Symposium on (pp. 494-499). IEEE.
10. ITU, T. (1994). Terms and definitions related to quality of service and network performance including dependability. Recommendation E, 800.
11. Kalyvianaki, E. (2009). Resource Provisioning for Virtualized Server Applications (Doctoral dissertation, University of Cambridge).
12. Kanuparthy, P., Matthews, W., & Dovrolis, C. (2012). DNS-based ingress load balancing: an experimental evaluation. arXiv Preprint, arXiv:1205.0820.
13. Karki, R., Seenivasan, T., Claypool, M., & Kinicki, R. (2010). Performance analysis of home streaming video using Orb. In Proceedings of the 20th International Workshop on Network and Operating Systems
Support for Digital Audio and Video (pp. 111-116). ACM.
14. Kim, T., & Ammar, M. H. (2006). Receiver buffer requirement for video streaming over TCP. In
Electronic Imaging 2006 (pp. 607718-607718). International Society for Optics and Photonics.
15. Kunkel, T. (2003). Streaming Media: Technologies, Standards, Applications. John Wiley & Sons, Inc. 16. Lawton, G. (2000). Video streams into the mainstream. Computer, (7), 12-17.
17. Membrey, P., Hows, D., Plugge, E. & Little, J. (2012). Practical Load Balancing: Ride the Performance
Tiger. New York: Apress.
18. Mok, R. K., Chan, E. W., & Chang, R. K. (2011). Measuring the quality of experience of HTTP video streaming. In Integrated Network Management (IM), 2011 IFIP/IEEE International Symposium on (pp. 485-492). IEEE.
19. Sheriguda, I., & Reddy, R. The Importance ofQoS & QoE Management. In Wireless Communication
20. Sotomayor, B., Montero, R. S., Llorente, I. M., & Foster, I. (2009). Virtual infrastructure management in private and hybrid clouds. Internet Computing, IEEE, 13(5), 14-22.
21. Wang, B., Kurose, J., Shenoy, P., & Towsley, D. (2008). Multimedia streaming via TCP: An analytic performance study. ACM Transactions on Multimedia Computing, Communications, and Applications
(TOMM), 4(2), 16.
22. Wang, Z., Banerjee, S., & Jamin, S. (2003). Studying streaming video quality: from an application point of view. In Proceedings of the Eleventh ACM International Conference on Multimedia (pp. 327-330). ACM.
23. Yu, F., Wan, Y. W., & Tsaih, R. H. (2013). Quantitative analysis of cloud-based streaming services. In
Services Computing (SCC), 2013 IEEE International Conference on (pp. 216-223). IEEE.
24. Zeng, L., Benatallah, B., Ngu, A. H., Dumas, M., Kalagnanam, J., & Chang, H. (2004). QoS-aware middleware for web services composition. Software Engineering, IEEE Transactions on, 30(5), 311-327.
科技部補助專題研究計畫成果自評表
請就研究內容與原計畫相符程度、達成預期目標情況、研究成果之學術或應用價
值（簡要敘述成果所代表之意義、價值、影響或進一步發展之可能性）、是否適
合在學術期刊發表或申請專利、主要發現（簡要敘述成果是否具有政策應用參考
價值及具影響公共利益之重大發現）或其他有關價值等，作一綜合評估。
1. 請就研究內容與原計畫相符程度、達成預期目標情況作一綜合評估
■達成目標
□ 未達成目標（請說明，以
100 字為限）
□ 實驗失敗
□ 因故實驗中斷
□ 其他原因
說明：
2. 研究成果在學術期刊發表或申請專利等情形(請於其他欄註明專利及技轉之
證號、合約、申請及洽談等詳細資訊
)
論文：□已發表 □未發表之文稿 ■撰寫中 □無
專利：□已獲得 □申請中 □無
技轉：□已技轉 □洽談中 □無
其他：（以
200 字為限）
3. 請依學術成就、技術創新、社會影響等方面，評估研究成果之學術或應用價
值（簡要敘述成果所代表之意義、價值、影響或進一步發展之可能性，以
500
字為限）
由本研究之實驗結果的分析可推知：國家高速網路與計算中心與國立故宮博
物院合作提供故宮教育頻道視訊串流服務，(1)不論虛擬器端之負載量為何，
用戶端的各種可能變異性（裝置、連線上網之網路狀況、系統平台、安裝的
合法及不合法軟體、瀏覽器的各種擴充套件等等）會致使初始緩衝時間、再
緩衝頻率和平均再緩衝時間有很大的變域，也致使用戶播放器端之
QoS 有很
大的差異。
(2)班級上課情境的網路流量狀況是接近一致，但不是相同。(3)連
線上網之網路狀況的變異性會影響用戶播放器端
QoS。
4. 主要發現
本研究
具有政策應用參考價值：
□否 ■是，建議提供機關
_國家高速網路與計算中心與國立故宮博物院__
(勾選「是」者，請列舉建議可提供施政參考之業務主管機關)
本研究具影響公共利益之重大發現：■否 □是
說明：(以 150 字為限)
國家高速網路與計算中心與國立故宮博物院合作提供故宮教育頻道視訊串流服
務，(1)不論虛擬器端之負載量為何，用戶端的各種可能變異性會致使用戶播放
器端之
QoS 有很大的差異。(2)班級上課情境的網路流量狀況是接近一致，但不
是相同。(3)連線上網之網路狀況的變異性會影響用戶播放器端 QoS。
科技部補助計畫衍生研發成果推廣資料表
日期:2016/08/25科技部補助計畫
計畫名稱: 雲端串流服務品質之量化分析─以故宮iPalace頻道服務為例 計畫主持人: 蔡瑞煌 計畫編號: 104-2410-H-004-123- 學門領域: 創新管理無研發成果推廣資料
104年度專題研究計畫成果彙整表
計畫主持人：蔡瑞煌 計畫編號： 104-2410-H-004-123-計畫名稱：雲端串流服務品質之量化分析─以故宮iPalace頻道服務為例 成果項目 量化 單位 質化 （說明：各成果項目請附佐證資料或細 項說明，如期刊名稱、年份、卷期、起 訖頁數、證號...等） 國 內 學術性論文 期刊論文 0 篇 研討會論文 1 2016年第二十七屆國際資訊管理學術研 討會 專書 0 本 專書論文 0 章 技術報告 0 篇 其他 0 篇 智慧財產權 及成果 專利權 發明專利 申請中 0 件 已獲得 0 新型/設計專利 0 商標權 0 營業秘密 0 積體電路電路布局權 0 著作權 0 品種權 0 其他 0 技術移轉 件數 0 件 收入 0 千元 國 外 學術性論文 期刊論文 0 篇 研討會論文 0 專書 0 本 專書論文 0 章 技術報告 0 篇 其他 0 篇 智慧財產權 及成果 專利權 發明專利 申請中 0 件 已獲得 0 新型/設計專利 0 商標權 0 營業秘密 0 積體電路電路布局權 0 著作權 0 品種權 0其他 0 技術移轉 件數 0 件 收入 0 千元 參 與 計 畫 人 力 本國籍 大專生 4 人次 碩士生 1 博士生 0 博士後研究員 0 專任助理 1 非本國籍 大專生 0 碩士生 0 博士生 0 博士後研究員 0 專任助理 0 其他成果 （無法以量化表達之成果如辦理學術活動 、獲得獎項、重要國際合作、研究成果國 際影響力及其他協助產業技術發展之具體 效益事項等，請以文字敘述填列。）
