校园网IPTV用户行为特征的测量与分析.pptVIP

校园网IPTV用户行为特征的测量与分析 作者：杨阳，马皓，杨加，周昌令，张蓓 报告人：马 皓 北京大学计算中心 CERNET 2010，长沙 2010年10月28日 * * 介绍提纲 研究背景 IPTV简介 IPTV测量方法 本文工作 北京大学IPTV系统的体系结构 用户日志采集程序的设计与实现 用户行为表现特征测量分析结果 总结 IPTV简介 IPTV的定义 ITU IPTV Focus Group: IPTV是在IP网络上传送包含电视、视频、文本、图形和数据等，提供QoS/QoE、安全、交互性和可靠性的可管理的多媒体业务 代表有PPLive、YouTube、中国电信IPTV等 IPTV的优势 丰富的节目资源 每分钟，20小时视频上传到YouTube 交互式和个性化的观看体验 点播功能：从节目任何位置开始、暂停、继续等 实时参与讨论、反馈体验质量 * * IPTV测量方法 主动测量 方法：利用爬虫程序遍历P2P覆盖网络或UGC共享平台 测量内容：IPTV系统的特征信息，如网络拓扑、用户访问特征等 问题：商业IPTV协议的私密性、爬虫通用性较低、引入额外数据改变系统原貌等 被动测量 方法：观测点监听、日志服务器 测量内容：IPTV系统的流量特征、用户行为模式等 问题：测量结果不够全面、权限要求较高 * * 本文工作 以北京大学校园网IPTV系统为研究对象，提出并实现了基于SNMP协议的用户日志采集程序。该程序能长期稳定地记录IPTV用户的观看行为日志。 在此基础上，深入分析了校园网环境下IPTV系统用户的行为表现特征和节目内容特征。 * * 校园网IPTV系统的体系结构 Cisco IP/TV直播系统 用户群主要包括本科生、研究生、教师及其他人员等 日平均访问量在7000~8000次，高峰时可达到11000~13000次 * * 图1 Cisco IP/TV直播系统 日志采集程序的设计与实现 基于SNMP协议的日志采集方法-被动测量 对基于IP组播的IPTV具有普遍的通用性 对网络和路由器影响较小，易于部署 * * 日志采集程序的设计与实现 日志采集程序首先从内容管理服务器获得频道描述信息 从相关的路由器查询组播组成员关系信息 当判断有用户结束观看，将观看日志存储到数据库中 数据分析模块从数据库中提取原始数据分析并以可视化的方式展现 * * 图2 基于SNMP协议的日志采集程序系统结构 用户行为表现特征测量分析结果 日志数 时间跨度 频道数 子网数 84,101 9天 30 216 分析数据采用来自216个子网、共84101条用户访问日志 * * 表1 日志统计数据 按时间变化的访问模式 测量意义 优化资源分配 合理安排维护时间等 结果展示 日访问模式 符合生活规律 周访问模式 每天的趋势类似 周末明显高于工作日 * * 图3 日访问模式 图4 周访问模式 用户到达/退出分布 测量意义 分析和预测系统负载模式，应对大规模并发用户 为IPTV模拟仿真系统提供参考模型 选取具有代表性的黄金时段数据和合理的时间间隔 周末的18:00~24:00 增加样本数量，时间间隔为15秒 * * 用户到达/退出分布 泊松分布 刻画用户到达/退出分布最常用的数学模型 关注单位时间内某一事件出现的次数 拟合系数R2 拟合系数是取值范围为0~1的指示数，它说明预计分布与对应的实际样本数据之间的拟合程度 结果分别为0.9576和0.8216 * * 用户到达/退出分布 * * 图5 用户到达率分布 图6 用户退出率分布 观看时长 测量意义 分析用户的观看习惯，如何和为什么结束观看 缓解节点动态变化造成的拓扑结构抖动 为代理缓存机制的设计提供参考依据 IPTV用户缺乏“耐心” 短会话现象由频道浏览动作导致 造成额外的服务器或网络负载 利用导视功能降低短会话比例、缓存节目开始部分降低开销 观看时长 小于1分钟 小于10分钟 小于30分钟 小于120分钟 百分比 45.42% 67.69% 81.04% 96.22% * * 表2 观看时长统计 观看时长分布 负二项式分布较为准确地描述了观看时长分布模型 拟合系数R2=0.9991 * * 图7 观看时长的累计分布函数 频道流行度 测量意义 直接反映出用户的兴趣所在 为IPTV提供优化设计的依据，如推荐服务利用热门节目吸引更多用户，代理缓存机制可以降低系统开销、提高用户体验等 类型 频道数 访问次数比例 体育类 2 26.75% 综合类 8 22.5% 娱乐类 10 26.06% 新闻类 2 10.5% 经济类 2 4.58% 其它 6 9.6% * * 表3 频道分类及访问比例 频道流行度 Pareto原则（又称80-20规则 ） 由意大利经济学家Vilf