Layered video multicast such as RLM (Receiver-driven layered multicast) is a promising technique for delivering streaming video to a set of heterogeneous receivers over ALM (Application Layer Multicast) as well as over IP multicast. However, this approach may suffer from unnecessary fluctuation of video quality due to overlapped and failed join-experiments. Though a shared learning scheme was introduced to resolve these problems in IP multicast-based layered video streaming, it may cause high control overhead and slow convergence problem when used with ALM. In this thesis, we propose a new shared learning scheme for ALM-based layered video multicast which reduces control overhead and convergence latency while keeping the number of fluctuation reasonably small. Through the analysis of link sharing in ALM, we redefine the range of receivers that are affected by overlapped or failed join-experiments and incorporate it into the proposed scheme. The simulation results show that the proposed scheme performs better than an ALM-based layered video multicast with shared learning in terms of control overhead and convergence latency. The real-world experiment results on Emulab show that our proposed scheme outperforms the ALM-based approach with respect to control overhead and convergence latency.
IP 멀티캐스트 기반의 일대다 형식의 비디오 스트리밍 응용은 종단 호스트 및 네트워크의 이종성 (Heterogeneity) 문제를 가지고 있으며 이를 해결하기 위하여 계층형 비디오 멀티캐스트에 관한 연구가 소개되었다. 특히 IP 멀티캐스트의 실용화 문제를 극복하기 위해 응용 계층 멀티캐스트를 이용한 계층형 비디오 멀티캐스트 연구가 주목을 받고 있다. 계층형 비디오 멀티캐스트에서는 가용 대역폭 측정을 위한 가입 실험 (Join Experiment)이 패킷 손실을 야기하고, 가입 실험의 반복적인 실패는 네트워크의 혼잡을 가져온다. 결과적으로 자신뿐만 아니라 네트워크 링크를 공유하는 다른 수신자의 비디오의 수신 품질 및 안정성을 저하하게 된다. 이러한 문제를 해결하기 위해 Shared Learning 기법이 제안되었다.
그러나 해당 Shared Learning 기법은 IP 멀티캐스트를 기반으로 하고 있으며 응용 계층 멀티캐스트 기반의 연구에는 고려되고 있지 않다. 본 연구의 분석 결과를 통해 응용 계층 멀티캐스트에서도 IP 멀티캐스트에서와 같은 수신률 안정성 문제가 나타나고 이를 위해 Shared Learning 기법이 도입될 필요가 있다는 것을 보인다. 하지만, 종단 호스트가 패킷 전달에 참여하는 응용 계층 멀티캐스트의 특성상 기존의 Shared Learning 기법이 그대로 적용될 수 없거나 많은 컨트롤 오버헤드와 수렴 지연을 일으키는 것을 확인하였다.
따라서 본 논문에서는 응용 계층 멀티캐스트 기반의 계층형 비디오 멀티캐스트에서 가입 실험의 실패와 중복에 따른 비디오 수신률의 안정성 문제를 해결하기 위해 가입 실험에 의해서 영향을 받는 영역을 재정의 하고 이를 바탕으로 Shared Learning 기법을 도입하되, 응용 계층 멀티캐스트의 특성을 반영하여 컨트롤 오버헤드와 수렴 지연을 줄이는 수정된 Shared Learning 기법을 제안한다. 제안 기법의 성능 평가 결과 기존의 Shared Learning 기법을 ALM 에 적용한 기법과 비디오의 안정성 면에서 서로 비슷하게 유지하면서 컨트롤 오버헤드는 크게 줄이고, 최적의 가입 수준으로의 수렴 시간을 크게 줄이는 결과를 보여주었다.
