For overall statistics, Table I sho

For overall statistics, Table I shows the number of requests, p(B < Blow ) the
probability that buffer level B < Blow , the minimum buffer level Bmin , and the
average video bitrate. Note that the first two parameters are the lower the better
and the last two are the higher the better. It can be seen that push-N method
results in a poor tradeoff between requests and buffer stability. When N=1, it is
possible to achieve a stable buffer with Bmin =12.91s and p(B < Blow ) = 0 .
However, the client/server and networks must handle 1000 requests in this case.
The number of requests can be as low as 250 (when N=4) but the resulting buffer
is very unstable, with Bmin = 5.64s and p(B < Blow ) = 6.4% . Meanwhile, our
proposed method can provide much better performance. Specifically, with α=0.6,
the buffer of our method is as stable as that of the push-1 policy while the
number of requests is almost halved (i.e. 523). With α=0.3, in comparison to
push-3 policy, the proposed method have higher Bmin and lower p(B < Blow )
while the number of requests is just a little higher (348 versus 334). It should be
noted that the average bitrate of our method is always comparable to or higher
than those of the push-N method.
The above results imply that our method can smartly change the number of
pushed segments according to network fluctuations. Also, by adjusting the value
of the weight α, the tradeoff between the number of requests and buffer stability
can be controlled.
4 Conclusions
In this study, an adaptation method for adaptive streaming over HTTP/2 has been
proposed. This method employed a cost function of both the number of pushed
segments and the client buffer level. The experiment results showed that our
method improved the tradeoff between the number of requests and buffer
stability by smartly changing the number of pushed segments.

Kết quả (Việt) 1:

Thống kê tổng thể, bàn tôi cho thấy số lượng yêu cầu, p(B < Blow) cácxác suất đệm cấp B < đòn, mức tối thiểu đệm Bmin, và cácTrung bình video bitrate. Lưu ý rằng lần đầu tiên hai tham số càng thấp càng tốtvà cuối cùng hai càng cao thì càng tốt. Nó có thể nhìn thấy rằng phương pháp đẩy-Nkết quả trong một cân bằng kém giữa các yêu cầu và sự ổn định bộ đệm. Khi N = 1, đó làcó thể đạt được một bộ đệm ổn định với Bmin = 12.91s và p(B < Blow) = 0.Tuy nhiên, các khách hàng/máy chủ và mạng phải xử lý 1000 yêu cầu trong trường hợp này.Số lượng yêu cầu có thể thấp nhất là 250 (khi N = 4) nhưng các bộ đệm kết quảlà rất không ổn định, với Bmin 5.64s = và p(B < Blow) = 6,4%. Trong khi đó, chúng tôiphương pháp được đề xuất có thể cung cấp hiệu suất tốt hơn nhiều. Cụ thể, với α = 0,6,bộ đệm của phương pháp của chúng tôi là như ổn định như chính sách đẩy-1 trong khi cácsố lượng yêu cầu hầu như giảm đi một nửa (tức là 523). Với α = 0,3, so vớichính sách đẩy-3, các phương pháp được đề xuất có Bmin cao hơn và thấp hơn p(B < Blow)trong khi một số yêu cầu là chỉ cao hơn một chút (348 so với 334). Nó nênlưu ý rằng bitrate trung bình của phương pháp của chúng tôi là luôn luôn so sánh để hoặc cao hơnso với những phương pháp đẩy-N.Các kết quả ở trên hàm ý rằng phương pháp của chúng tôi smartly có thể thay đổi số lượngđẩy các phân đoạn theo biến động mạng. Ngoài ra, bằng cách điều chỉnh giá trịcủa trọng lượng α, sự cân bằng giữa số lượng các yêu cầu và sự ổn định bộ đệmcó thể được kiểm soát.4 kết luậnTrong nghiên cứu này, một phương pháp thích ứng cho thích ứng streaming trên HTTP/2 đãđề xuất. Phương pháp này sử dụng một hàm chi phí của cả hai số đẩyphân đoạn và cấp bộ đệm của khách hàng. Kết quả thử nghiệm cho thấy rằng chúng tôiphương pháp cải thiện sự cân bằng giữa số lượng các yêu cầu và bộ đệmsự ổn định bởi smartly thay đổi số lượng các phân đoạn đẩy.

Kết quả (Việt) 2:

Để thống kê chung, Bảng I cho thấy số lượng yêu cầu, p (B <Blow) các
xác suất mà mức đệm B <Blow, mức tối thiểu đệm Bmin, và
bitrate video trung bình. Lưu ý rằng hai tham số đầu tiên là thấp hơn
và cuối cùng hai được càng cao càng tốt. Có thể thấy rằng phương pháp push-N
kết quả trong một sự cân bằng tốt giữa các yêu cầu và đệm ổn định. Khi N = 1, nó là
có thể đạt được một bộ đệm ổn định với Bmin = 12.91s và p (B <Blow) = 0.
Tuy nhiên, khách hàng / máy chủ và mạng phải xử lý 1000 yêu cầu trong trường hợp này.
Số lượng các yêu cầu có thể được thấp như 250 (khi N = 4) nhưng đệm kết quả
là rất không ổn định, với Bmin = 5.64s và p (B <Blow) = 6,4%. Trong khi đó, chúng tôi
đề xuất phương pháp có thể cung cấp hiệu suất tốt hơn. Cụ thể, với α = 0,6,
bộ đệm của các phương pháp của chúng tôi là như ổn định như của chính sách push-1, trong khi
số lượng yêu cầu được giảm một nửa (tức là 523). Với α = 0,3, so với
push-3 chính sách, phương pháp đề xuất có cao hơn Bmin và p thấp hơn (B <Blow)
trong khi số lượng yêu cầu là chỉ cao hơn một chút (348 so với 334). Cần
lưu ý rằng tốc độ bit trung bình của phương pháp của chúng tôi luôn luôn được so sánh với hoặc cao hơn
so với các phương pháp push-N.
Kết quả trên ngụ ý rằng phương pháp của chúng tôi thông minh có thể thay đổi số
phận đẩy theo sự dao động mạng. Ngoài ra, bằng cách điều chỉnh giá trị
của α trọng lượng, sự cân bằng giữa số lượng yêu cầu và đệm ổn định
có thể được kiểm soát.
4 Kết luận
Trong nghiên cứu này, một phương pháp thích ứng để thích nghi streaming qua HTTP / 2 đã được
đề xuất. Phương pháp này sử dụng một hàm chi phí cho cả số lượng đẩy
phân đoạn và mức đệm khách hàng. Các kết quả thử nghiệm cho thấy chúng tôi
phương pháp cải thiện sự cân bằng giữa số lượng yêu cầu và đệm
ổn định bằng cách thay đổi thông minh số đoạn đẩy.