Der er mange faktorer, der selvstændigt kan påvirke en brugers oplevelse af internettet, herunder – men ikke begrænset til – hastigheden på brugerens internetforbindelse, netadgangens pålidelighed, tilgængelighed, egenskaberne for applikationsservernes indlæsning og i nogle tilfælde konfigurationen af brugernes hjemmenetværk. Individuelle og isolerede foranstaltninger, såsom adgangshastighed eller serverkapacitet, afspejler ikke den reelle brugeroplevelse. En gennemgående effektivitetsmåling på applikationsniveau, som omfatter alle de indflydelsesrige brugere i ligningen, er den rigtige tilgang til måling og kvantificering af den reelle internetbrugeroplevelse.
Vi præsenterer her en metode til at klassificere internetudbydere i forhold til YouTube-videofunktionalitet, baseret på vedvarende effektivitetsmålinger på applikationsniveau. Målet er at levere en klassificering, der er relevant, let at forstå og nøje afspejler den virkelige verdens internetoplevelse.
En typisk YouTube-afspilning består af en YouTube-klient (afspiller), som ved hjælp af streaming henter videobytes fra en YouTube-server (CDN) i én eller flere anmodninger (f.eks. HTTP GET). Det første skridt til at klassificere en internetudbyder er at måle den vedvarende hastighed for overførsel af disse videobytes fra serveren til klienten. For at måle det opnåede gennemløb for applikationsniveauet (goodput) registreres følgende for hver anmodning:
Ud fra disse målinger beregnes goodput for en given anmodning "R" ved hjælp af nedenstående formel. Hver målt anmodning betragtes som en goodput-prøve.
Klassificeringer foretages ved at sammenlægge de relevante goodput-prøver, som er blevet registreret under målingen. Metoden understøtter en beregning af klassificeringer på forskellige nøjagtighedsniveauer for de valgte dimensioner. For eksempel kan bedømmelsen af en internetudbyder beregnes for forskellige tidsperioder (f.eks. time, dag, uge, måned) og/eller på forskellige geografiske niveauer (f.eks. landområde, provins, byområde, by).
For en given tidsperiode "T" (f.eks. 30 dages prøveperiode) og en geografisk placering "L" (f.eks San Francisco, CA, USA) beregnes klassificeringen for en internetudbyder "P" (f.eks. Comcast) på følgende måde:
GAT-filsæt | Goodput-grænse | Begrundelse |
---|---|---|
HD (høj opløsning) | > 2,5 mbps | Det minimale goodput, der kræves for at opretholde en gennemsnitlig YouTube HD-videoafspilning i 720p-opløsning |
SD (standardopløsning) | 0,7 til 2,5 mbps | Det minimale goodput, der kræves for at opretholde en gennemsnitlig YouTube SD-videoafspilning i 360p-opløsning |
LD (lav opløsning) | < 0,7 mbps | Goodput er for lavt til at opretholde YouTube SD-videoafspilning i 360p-opløsning |
3) Definition af klassificeringskriterier: Klassificeringskriterierne for internetudbydere defineres af kravet om minimumsniveau for omfanget af GAT for hvert klassificeringsniveau. Da denne variabel er udviklet til at afspejle ensartetheden og pålideligheden af internetudbyderens netværk, skal søjlen angives på et niveau, der opfanger vedvarende ydeevne snarere end typisk (gennemsnitlig) ydeevne. For at opnå dette definerer vi tre bedømmelsesskalaer: GAT-90 (90 % af anmodningerne over grænsen), GAT-95 (95 % af anmodningerne over grænsen), GAT-99 (99 % af anmodningerne over grænsen) til afspejling af forskellige pålidelighedsniveauer.
Følgende tabel definerer de kriterier, der anvendes til at fastlægge den endelige klassificering af internetudbyderen i vores metode ved brug af GAT-90. 90 %-søjlen er valgt efter nøje overvejelse af egentlig, observeret effektivitet. Søjlen vil nøje følge udviklingen inden for netværkskapacitet over tid.
Klassificering | Kriterier (GAT-90) | Begrundelse |
---|---|---|
HD (høj opløsning) |
90+% prøver er markeret med HD |
Netværket har en ensartet og pålidelig YouTube HD (720p)-ydeevne |
SD (standardopløsning) |
90+% prøver er markeret med mindst SD |
Netværket har en ensartet og pålidelig YouTube SD (360p)-ydeevne |
LD (lav opløsning) | Ingen af de ovennævnte | Netværket har en upålidelig YouTube-ydeevne |
Klassificeringerne fokuserer på netværk, ikke på brugere. Alle goodput-prøver er fuldstændig anonymiseret, og ingen brugeroplysninger (f.eks. browsercookies, IP-adresser) bliver opbevaret eller anvendt direkte i klassificeringsalgoritmen. Hvis det sammenlagte prøveomfang for det valgte placeringsniveau og tidsinterval ligger under en vis grænse, går algoritmen tilbage til at bruge mere grovkornede dimensioner (dvs. sammenlægning ud fra et bredere placerings- og/eller tidsinterval), der opfylder minimumskravene for størrelse ved beregning af klassificeringen.