写在前面
今年的SIGCOMM上， MIT CSAIL的一支研究团队，发表了一篇名为Pensieve的工作，即利用神经网络优化码率自适应算法，用于提高媒体传输质量。文章结果表明：与一般的state-of-the-art 方法相比，Pensieve能平均提升QoE高达12%–25%。之所以介绍这篇文章，基于以下几方面的原因：一是自己从事流媒体传输优化的研究多年，也小有成果，对这类研究自然非常感兴趣；二是文章的思路，在2015年时自己曾想过，只是当时既没有实际需求要深入，也因为确实遇到一些问题不知如何解决（没有数据集），也就不了了之，这次看到这个文章，自然眼前一亮；三是这个工作是一个很好的引子，给出了如何将当前热的发紫的深度学习，用于流媒体传输优化上，先不管其是否完美（research永无止境，没有完美的），起码开了一个好头，有兴趣的同行，深入下去应该也能有所小成。此外，该文的一作和其团队还是非常牛的，当别人还在因为中了个mm、infocom就觉得多牛时，他们团队在sigcomm， mobicom上跟玩一样，而且非常务实，基本每篇文章都把代码放出来，惭愧～
在阅读之前，建议熟悉下DASH（Dynamic Additive Streaming over HTTP）或NN（Neural Network）的基本概念和原理，不然有的概念估计不好理解。
开始正题
以下分四个部分介绍下Pensieve：Motivation，Dataset，Network，Results
1、Motivation
Pensieve的动机，即解决传统码率自适应方法面临的两大难题：复杂多变的网络环境和QoE指标。
举例说明，如下图，其中MPC (Model Predictive Control)是卡内基梅隆大学根据网络变化进行预测优化的码率自适应策略，robustMPC则是他的改良版本。
在图(a)中，带宽波动剧烈，robustMPC一直较为保守的估计带宽，导致其带宽利用率低，不敢请求大码率的视频，而Pensieve则不同，通过buffer来补偿带宽的波动，从而获得较大的视频码率。图(b)中，展示了另一个极端例子，即用户极端的偏好高码率，一般的算法（这里以robustMPC为例）难以适应用户的这种需求（个人觉得单独设计完全也可以达到，只是不够现实，不可能为每个人每个指标量身定制一套QoE模型），而Pensieve则能自适应的通过低码率来攒够buffer，然后用buffer来补偿带宽，从而请求最大码率。这里仅仅是两个例子，主要想说明的问题是：state-of-the-art类的策略，一般都是既定策略，难以适应复杂多变的网络和QoE需求，而Pensieve是通过神经网络自我学习，从而达到自适应的目的。
2、Dataset
无数据何来学习，该文通过模拟获取数据集（早期自己就因为没有数据集，因此没有深入下去）
实际通过视频下载，记录真实网络状态获取数据集，自然是最合理的，但是这样会特别费时费力，而且真实网络波动厉害，基本不具有可重现性，因此数据集的清洗和普适性也很难把握。因此，该工作通过模拟，获取各个chunk下载前后的状态，包括下载时长、带宽、buffer等等。模拟的网络会过于理想，是否能真的反应真实网络环境，有待商榷。不过庆幸的事，最后作者通过实验在真实环境进行了一些测试，说明了模型还是挺灵活有效的。
3、Network
先上图，分三部分，从左到右，依次为输入、模型处理、输出
模型的输入：即状态信息，包括：chunk throughput vector（下载每个片段的平均码率），chunk download time vector（下载每个片段所花的时间），next chunk size vector（可选chunk的大小，即可用码率集合），buffer size（当前buffer），chunks left（剩余未下载的片段数量），last chunk bit-rate（上一个请求片段的码率）。
工作流程：在给定上述状态S时，执行操作A，从而得到结果B，即输出下一个片段的码率，此时状态从S迁移到S’，如此循环。整个过程是不是觉得很眼熟，没错，马尔科夫决策的基本步骤，本人的一篇best paper http://ieeexplore.ieee.org/document/7457843/，采用的就用马尔科夫决策来解决DASH中的ABR问题，具体的细节可以看扩展后的长文 http://ieeexplore.ieee.org/document/7393865/，发表在Trans. Multimedia上。不过，在传统马尔科夫决策中，转移概率矩阵、代价函数等都是事先分析好的，整个系统按照既定规则运转。而在Pensieve中，代价函数、决策模型等是通过数据训练出来的，按照作者的观点，其适应性会更强。
值得注意的是，上图中包含两个网络模型，一个是Actor，一个是Critic，其中Critic主要是训练cost function的，类似马尔科夫决策中的代价函数，用于辅助Actor网络，Actor是真正的决策模型，输出下一个片段的码率。
模型参数细节：Actor网络，对于前三个vector，利用滑动窗口，取8个历史值组成一个vector作为输入，分别经过一个1*4的一维卷积网络，该网络具有128个filters，后三个因素，则取当前状态值，经过一个1*1的卷积网络，将所有的输出经过一个全连层得到一个1*128的vector，最后经过softmax进行判决，得到一个vector，描述了不同码率被选中的概率。Critic网络与Actor基本一致，不同的是最后的输出是一个单值，而不是一个vector。
4、Results
学术论文的结果都是非常好的，不然也不会放在论文上，这一般需要读者有自己的判断能力。这篇文章的实验还是非常完善的，从各个维度都进行了详细的说明和比较，这里只选择几个结果简单说明，具体的可以参见论文本身 http://web.mit.edu/pensieve/content/pensieve-sigcomm17.pdf
首先要提一下的是其QoE model，其QoE模型如下：
即考虑了码率大小、卡顿、码率平滑性三个方面，其中，针对其中第一项，即码率的大小，又分为如下几个case：
总体来说，该模型还是比较简单的，而且在某种程度上，不能真正的反应流媒体传输的质量（目前这个领域的研究工作很多，但是流媒体主观质量这个问题，基本谁都能说自己是对的，也都不对，依据场景需求建立最合适的model，才是最实际的）。最开始我以为该文解决了流媒体领域的这一大难题，即如何定义一个靠谱的QoE模型，然而到最后，还是比较失望的，因为该文章的需要针对不同的QoE模型，训练不同的network，也就是在QoE上，并没有任何的创新突破。
以下是分别在FCC和HSDPA两个数据集上的QoE结果和CDF，可以看出，Pensieve的优势还是很明显的。
QoE performance over FCC & HSDPA
CDF Performance over FCC dataset
CDF Performance over HSDPA dataset
最后的一张图比较有意思，该图说和Offline optimal（知道未来网络状态，做全局优化，这个实际不可能提前知道，所有只是为了实验比较），性能仅仅相差9.1%，但是和Online optimal相比，性能只相差0.2%，某种程度上是在说，哥要么不出手，出手就基本已经做到最优了，你们不用再多想了，对于这点，不做评论，大家自己去脑洞。
写在最后
这篇文章无疑是一篇经典，一方面因为他的性能，但我觉得更多的是开辟了一个思路，虽然该思路在以前的文章有很多影子，但是这算是第一个这么完善的给做出来了 https://github.com/hongzimao/pensieve。当然，还有一些问题，也是值得同行们一起去研究和探讨的（个人观点，不代表权威），例如：
1、基于学习的model，其灵活性较高，但与针对特性场景设计的algorithm相比，其性能是否也能较好，毕竟实际系统都是有特定应用场景的
2、模拟生成的数据集，肯定无法反应真实网络的所有case，如何更好的构建数据集，是一个大难点
3、QoE model，如果更灵活，而不用分别train，可以考虑。毕竟，千人千面最难，在给定QoE model的前提下，整个问题的挑战也就没那么大了。
4、网络结构非常简单，复杂的结构会怎样（作者做了很多实验，包括网络深度、数据集的窗口大小等）？例如什么CNN、ResNet、DenseNet之类的（需要这么复杂的网络么，我也不知道，纯属脑洞）
5、流媒体传输的其他方向能否也采用learning的方法，例如jscc、uep等