CN110139167B - 数据处理方法以及服务器 - Google Patents

数据处理方法以及服务器 Download PDF

Info

Publication number
CN110139167B
CN110139167B CN201810136559.5A CN201810136559A CN110139167B CN 110139167 B CN110139167 B CN 110139167B CN 201810136559 A CN201810136559 A CN 201810136559A CN 110139167 B CN110139167 B CN 110139167B
Authority
CN
China
Prior art keywords
video
data
stb
stream
server
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810136559.5A
Other languages
English (en)
Other versions
CN110139167A (zh
Inventor
叶浩楠
程剑
陈建
陈刚
孙振航
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority to CN201810136559.5A priority Critical patent/CN110139167B/zh
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202210065419.XA priority patent/CN114584846A/zh
Priority to EP18905098.2A priority patent/EP3745732A1/en
Priority to PCT/CN2018/124142 priority patent/WO2019153932A1/zh
Priority to KR1020207025629A priority patent/KR102428093B1/ko
Priority to JP2020542748A priority patent/JP7059382B2/ja
Publication of CN110139167A publication Critical patent/CN110139167A/zh
Priority to US16/986,887 priority patent/US11936930B2/en
Application granted granted Critical
Publication of CN110139167B publication Critical patent/CN110139167B/zh
Priority to JP2022066346A priority patent/JP7383754B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2402—Monitoring of the downstream path of the transmission network, e.g. bandwidth available
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/63—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing
    • H04N21/647—Control signaling between network components and server or clients; Network processes for video distribution between server and clients, e.g. controlling the quality of the video stream, by dropping packets, protecting content from unauthorised alteration within the network, monitoring of network load, bridging between two different networks, e.g. between IP and wireless
    • H04N21/64723—Monitoring of network processes or resources, e.g. monitoring of network load
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5003—Managing SLA; Interaction between SLA and QoS
    • H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/50—Testing arrangements
    • H04L43/55—Testing of service level quality, e.g. simulating service usage
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L49/00—Packet switching elements
    • H04L49/20—Support for services
    • H04L49/205—Quality of Service based
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2407—Monitoring of transmitted content, e.g. distribution time, number of downloads
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/4424—Monitoring of the internal components or processes of the client device, e.g. CPU or memory load, processing speed, timer, counter or percentage of the hard disk space used
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/63—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing
    • H04N21/647—Control signaling between network components and server or clients; Network processes for video distribution between server and clients, e.g. controlling the quality of the video stream, by dropping packets, protecting content from unauthorised alteration within the network, monitoring of network load, bridging between two different networks, e.g. between IP and wireless
    • H04N21/64723—Monitoring of network processes or resources, e.g. monitoring of network load
    • H04N21/64738—Monitoring network characteristics, e.g. bandwidth, congestion level
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/65—Transmission of management data between client and server
    • H04N21/658—Transmission by the client directed to the server
    • H04N21/6582—Data stored in the client, e.g. viewing habits, hardware capabilities, credit card number
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/508—Network service management, e.g. ensuring proper service fulfilment according to agreements based on type of value added network service under agreement
    • H04L41/509—Network service management, e.g. ensuring proper service fulfilment according to agreements based on type of value added network service under agreement wherein the managed service relates to media content delivery, e.g. audio, video or TV

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Databases & Information Systems (AREA)
  • Environmental & Geological Engineering (AREA)
  • Quality & Reliability (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本申请实施例公开了一种数据处理方法以及服务器，用于服务器根据第一网络KPI数据和第一STB的性能数据计算第一视频业务流的第一视频QoE，减少了STB的负担。本申请实施例方法包括：服务器获取第一网络关键绩效指标KPI数据和第一机顶盒STB的性能数据，所述第一网络KPI数据为第一视频业务流的网络KPI数据，所述第一STB为接收所述第一视频业务流的STB；所述服务器根据关联模型以及所述第一网络KPI数据和所述第一STB的性能数据计算所述第一视频业务流的第一视频服务质量QoE，其中，所述关联模型为根据历史数据所训练得到的模型，所述关联模型用于所述服务器根据网络KPI数据以及STB的性能数据计算视频QoE。

Description

数据处理方法以及服务器
技术领域
本申请涉及通信技术领域，尤其涉及数据处理方法以及服务器。
背景技术
在日益增长的网络服务中，为了研究如何向用户提供更高质量的服务，研究人员提出了以用户为中心的服务质量(quality of experience，QoE)评价指标。QoE是从用户主观感知角度，以用户对服务的认可程度作为评价服务的标准。其中，QoE包含视频QoE。随着视频业务的不断发展，用户对视频业务质量的要求也越来越高。因此，如何有效地获取视频QoE，实现对网络运营状态的精准识别，进而指导网络运营策略或者对于网络设备的优化，成为了网络管理领域的研究重点。
目前，视频监控中心服务器获取视频QoE，通过在用户侧使用的机顶盒(set topbox，STB)中内置探针，该探针探测该STB的性能数据以及视频业务流的视频卡顿时长占比，该STB根据特定的算法以及该STB的性能数据和该视频业务流的视频卡顿时长占比计算该视频业务流的视频QoE，再将该视频QoE上报给视频监控中心服务器。
但是，在STB中内置的探针不断探测视频业务流的视频卡顿时长占比，该STB根据该STB的性能数据以及视频业务流的视频卡顿时长占比计算该视频业务流的视频QoE，再将该视频QoE上报给视频监控中心服务器，会导致STB的额外负担过大，影响STB的性能。
发明内容
本申请实施例提供了一种数据处理方法、服务器以及数据采集设备，用于服务器根据第一网络关键绩效指标(key performance indicator，KPI)数据和第一STB的性能数据计算第一视频业务流的第一视频QoE，减少了STB的负担。
本申请实施例第一方面提供了一种数据处理方法，包括：
在传输控制协议(transmission control protocol，TCP)网络中，用户侧的STB请求视频业务，互联网协议电视服务器(internet protocol television server,IPTVServer)就会发送第一视频业务流，该第一视频业务流就会流经TCP网络中各层部署的网络设备，而此时部署或旁挂于这些网络设备中的数据采集设备就可以采集到该第一视频业务流的第一网络KPI数据，数据采集设备就会将该第一网络KPI数据发送至服务器，那么服务器就可以获取该第一视频业务流的第一网络KPI数据。而服务器获取到该第一网络KPI数据之后，服务器就可以根据该第一网络KPI数据确定接收该第一视频业务流的第一STB，然后服务器再获取该第一STB的性能数据。服务器获取到第一视频业务流的第一网络KPI数据以及接收该第一视频业务流的第一STB的性能数据之后，服务器就可以将这些数据输入到关联模型中计算该第一视频业务流的视频QoE，该关联模型为根据历史数据所训练得到的模型，该关联模型用于服务器根据网络KPI数据以及STB的性能数据计算视频QoE。
本申请实施例中，服务器获取第一视频业务流的第一网络KPI数据以及接收该第一视频业务流的第一STB的性能数据，然后根据关联模型以及该第一网络KPI数据和该第一STB的性能数据计算该第一视频业务流的视频QoE，这样就不再通过STB采集视频卡顿时长占比以及不再通过STB根据该视频卡顿时长占比来计算视频QoE，因此大大减少了STB的负担。并且无需在所有用户侧的STB中内置探针，因此，减小了部署规模，降低了用户侧的STB的成本。
一种可能的实现方式中，在服务器根据关联模型以及第一网络KPI数据和第一STB的性能数据计算该第一视频业务流的第一视频QoE之前，还可以包括：在TCP网络中，当有多个的STB的请求视频业务时，那么IPTV Server会发送多个视频业务流，所以此时数据采集设备可以采集到该多个视频业务流的历史网络KPI数据，而接收该多个视频业务流的STB会根据该多个视频业务流的实时信息计算该多个视频业务流的视频QoE并发送至该服务器，那么服务器就可以获取该多个视频业务流的历史网络KPI数据和该多个视频业务流的历史视频QoE，然后服务器就可以确定接收该多个视频业务流的STB的性能数据，服务器根据该多个视频业务流的历史网络KPI数据、该多个视频业务流的历史视频QoE以及接收该多个视频业务流的STB的性能数据建立关联模型。
本申请实施例中，服务器根据获取到的多个视频业务流的历史网络KPI数据、多个视频业务流的视频QoE以及接收该多个视频业务流的STB的性能数据建立关联模型，提供了一种具体建立关联模型的方法，所以在实际应用当中，提升了方案的可实现性。
另一种可能的实现方式中，该历史性能数据可以包括接收该多个视频业务流的STB的初始缓存大小；该历史网络KPI数据可以包括该多个视频业务流的视频丢包率(packet loss rate，PLR)、该多个视频业务流的往返时延(round trip time，RTT)以及该多个视频业务流的视频码率。
本申请实施例中，该历史性能数据可以包括接收该多个视频业务流的STB的初始缓存大小，该历史网络KPI数据可以包括该多个视频业务流的视频PLR、该多个视频业务流的RTT以及该多个视频业务流的视频码率，在实际应用中，提升了方案的可实现性。
另一种可能的实现方式中，该第一STB的性能数据可以包括该第一STB的初始缓存大小；该第一网络KPI数据可以包括该第一视频业务流的视频PLR、该第一视频业务流的RTT以及该第一视频业务的视频码率。
本申请实施例中，该第一STB的性能数据可以包括该第一STB的初始缓存大小，该第一网络KPI数据可以包括该第一视频业务流的视频PLR、该第一视频业务流的RTT以及该第一视频业务的视频码率，在实际应用中，提升了方案的可实现性。
本申请实施例第二方面提供了一种数据处理方法，包括：
在TCP网络中，用户侧的STB请求视频业务，IPTV Server会发送目标业务流，该目标业务流在传输过程中会流经TCP网络中各层部署的网络设备，那么部署或旁挂于这些网络设备的数据采集设备就可以检测该目标业务流的类型，然后服务器就会确定与该目标业务流的业务类型相对应的目标计算规则，再根据该目标计算规则计算该目标业务流的视频码率。
本申请实施例中，数据采集设备检测目标业务流的类型，然后再确定该业务类型对应的目标计算规则，然后服务器根据该目标计算规则计算该目标业务流的视频码率，提供了一种具体的计算目标业务流的视频码率的方法，提升了方案的可实现性。由于通过本申请提出的该方法计算视频码率不用解析目标业务流的报文，因此，通过本申请的方法适用于加密的目标业务流的视频码率的计算。
一种可能的实现方式中，该目标业务流的类型可以为视频流与音频流的单流，该目标计算规则可以为第一预设计算规则。
本申请实施例中，目标业务流的类型可以为视频流与音频流的单流，该目标计算规则可以为第一预设计算规则，在实际应用中，提高了方案的可实现性。
另一种可能的实现方式中，该第一预设规则可以包括该数据采集设备获取该目标业务流的累计下载时长和该目标业务流的累计下载量，然后数据采集设备就可以根据该累计下载量和该累计下载时长计算该目标业务流的视频码率。
本申请实施例中，数据采集设备根据该目标业务流的累计下载量以及目标业务流的累计下载时长计算该目标业务流的视频码率，提供了一种具体的计算单流类型的目标业务流的视频码率的方法，在实际应用中，提升了方案的可实现性和完整性。
另一种可能的实现方式中，该目标业务流的类型可以为视频流与音频流分离的双流，该目标计算规则可以为第二预设规则。
本申请实施例中，该目标业务流的类型可以为视频流与音频流分离的双流，该目标计算规则可以为第二预设规则，在实际应用中，提高了方案的可实现性。
另一种可能的实现方式中，该第二预设规则可以包括：首先，数据采集设备可以确定该目标业务流中的视频流与该目标业务流中的音频流为同一业务的业务流，然后该数据采集设备就可以确定该音频流的音频码率，最后该数据采集设备就能够根据计算得到的音频码率计算该视频流的视频码率。
本申请实施例中，数据采集设备可以根据该音频流的音频码率计算该视频流的视频码率，在实际应用中，提供了一种计算双流类型的目标业务流的视频码率的具体方法，提升了方案的可实现性以及完整性。
另一种可能的实现方式中，数据采集设备确定该音频流的音频码率可以为数据采集设备可以根据自身获取到的该音频流在单音频分片内的音频数据的下载时长以及该音频流在单音频分片内的音频数据的下载量计算该音频流的音频码率。
本申请实施例中，数据采集设备可以根据该音频流在单音频分片内的音频数据的下载时长以及该音频流在单音频分片内的音频数据的下载量计算该音频流的音频码率，因此，提供了一种计算音频流的音频码率的具体计算方法，在实际应用中，提高了方案的可实现性。
另一种可能的实现方式中，数据采集设备根据该音频码率计算该目标业务流的视频码率可以为首先，数据采集设备可以根据该音频流的音频码率以及预设时长内获取到的该音频流的累计下载量来计算该音频流的累计下载时长，然后数据采集设备可以根据计算得到的该音频流的累计下载时长以及预设时长内的该视频流的累计下载量来计算该视频流的视频码率。
本申请实施例中，数据采集设备可以根据音频流的累计下载时长以及视频流的累计下载量来计算该视频流的视频码率，因此，提供了一种具体的计算视频流的视频码率的方法，在实际应用中，提高了方案的可实现性。
另一种可能的实现方式中，在数据采集设备检测该目标业务流的类型之前，还可以包括：数据采集设备可以确定该目标业务流为加密流。
本申请实施例中，数据采集设备可以确定该目标业务流为加密流，因此，在使用本申请提出的计算视频流的视频码率的方法之前可以先确定该目标业务流为加密流，如果目标业务流为加密流，数据采集设备可以使用本申请提出的计算视频码率的方法来计算该目标业务流的视频码率，如果该目标业务流为非加密流时，那么数据采集设备可以优先采用深度包检测(deep packet inspection，DPI)的方式来获取该目标业务流的视频码率，当然也可以使用本申请提出的计算视频码率的方法，因此，在实际应用中，提高了方案的完善度。
另一种可能的实现方式中，数据采集设备检测该目标业务流的类型可以包括：首先，数据采集设备检测该目标业务流单位时间内传输的数据包的个数，然后如果单位时间内该目标业务流传输的数据包个数小于预设值，那么该数据采集设备可以确定该目标业务流为视频流与音频流混合的单流；如果单位时间内该目标业务流传输的数据包个数大于预设值，那么该数据采集设备可以确定该目标业务流为视频流与音频流分离的双流。
本申请实施例中，数据采集设备可以根据目标业务流在单位时间内传输的数据包个数来确定该目标业务流的类型，在实际应用中，提供了一种具体的确定目标业务流的类型的方法，提高了方案的可实现性。
本申请实施例第三方面提供了一种服务器，该服务器具有实现上述第一方面服务器行为的功能。该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
本申请实施例第四方面提供了一种数据采集设备，该数据采集设备具有实现上述第二方面数据采集设备行为的功能。该功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。
本申请实施例第五方面提供了一种服务器，该服务器包括：处理器、存储器、输入输出设备以及总线；该处理器、存储器、输入输出设备分别与该总线相连，该存储器中存储有计算机指令；该处理器在执行该存储器中的计算机指令时，用于实现如第一方面任意一种实现方式。
本申请实施例第六方面提供了一种数据采集设备，该数据采集设备包括：处理器、存储器、输入输出设备以及总线；该处理器、存储器、输入输出设备分别与该总线相连，该存储器中存储有计算机指令；该处理器在执行该存储器中的计算机指令时，用于实现如第二方面任意一种实现方式。
本申请实施例第七方面提供了一种芯片***，该芯片***包括处理器，用于支持网络设备实现上述第一方面中所涉及的功能，例如，例如发送或处理上述方法中所涉及的数据和/或信息。在一种可能的设计中，所述芯片***还包括存储器，所述存储器，用于保存网络设备必要的程序指令和数据。该芯片***，可以由芯片构成，也可以包括芯片和其他分立器件。
本申请实施例第八方面提供了一种芯片***，该芯片***包括处理器，用于支持网络设备实现上述第二方面中所涉及的功能，例如，例如发送或处理上述方法中所涉及的数据和/或信息。在一种可能的设计中，所述芯片***还包括存储器，所述存储器，用于保存网络设备必要的程序指令和数据。该芯片***，可以由芯片构成，也可以包括芯片和其他分立器件。
本申请实施例第九方面提供了一种包括指令的计算机程序产品，其特征在于，当其在计算机上运行时，使得该计算机执行如第一方面或第二方面中任一种的实现方式。
本申请实施例第十方面提供了一种计算机可读存储介质，其特征在于，包括指令，当该指令在计算机上运行时，使得计算机执行如第一方面或第二方面中任一种实现方式。
附图说明
图1为本申请实施例中数据处理方法的一个***框架图；
图2为本申请实施例中数据处理方法的一个实施例示意图；
图3为本申请实施例中数据处理方法的另一个实施例示意图；
图4为本申请实施例中数据处理方法的另一个实施例示意图；
图5为本申请实施例中数据处理方法的一个场景示意图；
图6为本申请实施例中数据处理方法的另一个场景示意图；
图7为本申请实施例中数据处理方法的另一个实施例示意图；
图8为本申请实施例中数据处理方法的另一个场景示意图；
图9为本申请实施例中数据处理方法的另一个场景示意图；
图10为本申请实施例中服务器的一个结构示意图；
图11为本申请实施例中数据采集设备的一个结构示意图；
图12为本申请实施例中服务器的另一个结构示意图；
图13为本申请实施例中数据采集设备的另一个结构示意图。
具体实施方式
本申请实施例提供了一种数据处理方法，用于服务器根据第一网络KPI数据和第一STB的性能数据计算第一视频业务流的第一视频QoE，减少了STB的负担。
请参阅图1，视频业务流在TCP网络传输过程中会流经TCP网络中各层的网络设备，比如IPTV Server发送该视频业务流，该视频业务流流经图1中的核心路由器(core route，CR)、宽带远程介入服务器(broadband remote access server，BRAS)以及光线路终端(optical line terminal，OLT)，然后用户侧的STB接收该视频业务流，通过STB对该视频业务流进行处理之后，就可以播放该视频。因此可知，在TCP网络中，传输的视频业务流会流经各层部署的网络设备，那么在各层部署的网络设备中就可以通过流经的视频业务流采集视频业务流的网络KPI数据，该网络KPI数据包含视频业务流的丢包率(packet loss rate，PLR)，视频业务流的往返时延(round-trip time，RTT)，视频业务流的视频码率等视频业务流的特征，还可以包含设备的负载率等特征。网络KPI数据很大程度上决定着设备所在端到端拓扑的链路性能，一旦该链路性能不佳，就容易导致用户侧的设备播放视频出现异常，从而影响视频QoE，因此，本申请提出通过在TCP网络各层部署的网络设备中的任意一个网络设备中单点或多点部署或者旁挂采集设备，该数据采集设备用于采集该视频业务流的网络KPI数据。其中，在本申请中，将少量用户侧不同类型的STB中内置探针，通过该探针获取视频实时信息以及STB的性能数据并计算视频QoE，再将视频QoE以及STB的性能数据发送至服务器，以提供服务器根据网络KPI数据以及视频QoE等建立视频QoE的关联模型。服务器用于获取数据以及对数据进行分析和处理，建立视频QoE的关联模型之后，获取网络KPI数据以及STB的性能数据计算视频QoE，在本申请中，服务器可以是具备计算视频QoE功能的视频监控中心服务器，也可以是单独的具备计算视频QoE功能的服务器，具体此处不做限定。在TCP网络中传输视频业务流时，该服务器获取部署或旁挂于网络设备(如BRAS或者OLT)上的数据采集设备采集到的通过该网络设备传输的视频业务流的网络KPI数据。
下面从服务器的角度，对本申请实施例中数据处理方法进行介绍，请参阅图2，本申请实施例中数据处理方法的一个实施例包括：
201、服务器获取第一网络关键绩效指标KPI数据和第一机顶盒STB的性能数据。
在TCP网络中，用户侧的STB请求视频业务，IPTV Server就会发送第一视频业务流，该第一视频业务流就会流经TCP网络中各层部署的网络设备，那么此时部署在这些网络设备中的数据采集设备就可以采集到该第一视频业务流的第一网络KPI数据。因此，数据采集设备就可以将采集到的第一视频业务流的第一网络KPI数据发送给服务器，那么此时服务器就可以获取到第一网络KPI数据。服务器获取到第一网络KPI数据之后，可以根据该第一网络KPI数据中携带的该第一视频业务流的目的互联网协议(internet protocol，IP)地址或者目的端口号确定接收该第一视频业务流的第一STB，然后服务器就可以获取第一STB的性能数据，第一视频业务流与第一STB关联，即该第一STB为接收该第一视频业务流的STB，该第一STB的性能数据包括第一STB的初始缓存大小，可选地，该第一STB的性能数据还可以包括第一STB的中央处理器(central processing unit，CPU)的主频。
需要说明的是，当服务器为视频监控中心服务器时，服务器可以从第一STB在请求视频业务时向服务器发送的消息中获取第一STB的性能数据或者从本地存储的不同类型的STB的性能数据数据库中获取第一STB性能数据；当服务器为单独的具备计算视频QoE的服务器时，那么服务器可以向视频监控中心获取该第一STB的性能数据或者从本地存储的不同类型的STB的性能数据数据库中获取第一STB的性能数据，具体此处不做限定。
202、服务器根据关联模型以及第一网络KPI数据和第一STB的性能数据计算第一视频业务流的第一视频服务质量QoE。
服务器获取到第一视频业务流的第一网络KPI数据以及第一STB的性能数据之后，就会通过将第一网络KPI数据以及第一STB的性能数据输入到关联模型中进行计算得到第一视频业务流的第一视频QoE，其中，该关联模型为根据历史数据所训练得到的模型，该关联模型用于服务器根据网络KPI数据以及STB的性能数据计算视频QoE。
需要说明的是，该关联模型可以是该服务器根据历史数据所训练得到的模型，也可以是其他终端或者其他服务器根据历史数据所训练得到的模型，具体此处不做限定。
本申请实施例中，服务器获取第一网络KPI数据和第一STB的性能数据，该第一网络KPI数据为第一视频业务流的网络KPI数据，该第一视频业务流与第一STB关联；然后服务器根据关联模型以及该第一网络KPI数据以及该第一STB的性能数据计算第一视频业务流的第一视频QoE，其中，该关联模型为根据历史数据所训练得到的模型，该关联模型用于服务器根据网络KPI数据以及STB的性能数据计算视频QoE。因此，服务器通过获取第一网络KPI数据以及第一STB的性能数据，根据该关联模型以及该第一网络KPI数据以及该第一STB的性能数据就可以计算第一视频业务流的视频QoE，这样就不再通过STB采集视频卡顿时长占比以及通过STB根据该视频卡顿时长占比来计算视频QoE，因此大大减少了STB的负担。
上面从服务器的角度对本申请实施例中数据处理的方法进行了描述，下面从数据采集设备的角度对本申请实施例中数据处理方法进行描述，请参阅图3，本申请实施例中数据处理方法的另一个实施例包括：
301、数据采集设备检测该目标业务流的类型。
在TCP网络中，用户侧的STB请求视频业务，IPTV Server就会将目标业务流传送给该用户侧的STB，当有目标业务流传输流经各层部署的网络设备时，部署或旁挂在这些网络设备中任一个的网络设备中的采集设备就可以检测该目标业务流的类型。具体地，数据采集设备可以检测单位时间内该目标业务流的传输数据包个数，根据该目标业务流单位时间内的传输数据包个数来确定目标业务流的类型，也可以是数据采集设备通过目标业务流的三元组来确定该目标业务流的类型，具体此处不做限定。
需要说明的是，该目标业务流可以为加密流，也可以为非加密流，具体此处不做限定。
302、数据采集设备根据该目标业务流的类型确定目标计算规则。
数据采集设备检测目标业务流的类型，确定该目标业务流的类型之后，数据采集设备就可以根据该目标业务流的类型确定对应的目标计算规则。比如，数据采集设备通过检测确定目标业务流的类型为视频流与音频流混合的单流，那么此时数据采集设备就可以确定单流类型对应的目标计算规则为第一预设计算规则。需要说明的是，该目标业务流为单流，目标计算规则可以是第一预设计算规则，也可以是其他计算规则，具体此处不做限定。比如，若数据采集设备确定该目标业务流的类型为视频流与音频流分离的双流，那么此时数据采集设备就可以确定该双流类型对应的目标计算规则为第二预设计算规则。需要说明的是，该目标业务流为双流时，目标计算规则可以第二预设计算规则，也可以是其他计算规则，具体此处不做限定。
303、数据采集设备根据该目标计算规则计算该目标业务流的视频码率。
数据采集设备在确定目标业务流的类型之后，确定与目标业务流的类型对应的目标计算规则，然后数据采集设备就会根据该目标计算规则计算该目标业务流的视频码率。比如，步骤302中数据采集设备确定单流类型对应的目标计算规则为第一预设计算规则，那么数据采集设备就可以根据第一预设计算规则计算该目标业务流的视频码率。因此，本申请通过数据采集设备根据目标业务流的业务类型来确定目标计算规则，然后数据采集设备根据该目标计算规则计算该目标业务流的视频码率，不用解析目标业务流的报文，所以本申请提出的数据采集设备计算目标业务流的视频码率适用于加密场景下的加密流的视频码率的计算。
本申请实施例中，数据采集设备检测该目标业务流的类型，数据采集设备根据目标业务流的类型确定目标计算规则，那么数据采集设备就可以根据该目标计算规则计算该目标业务流的视频码率。因此，通过检测该目标业务流的类型，再确定该目标业务流的类型对应的目标计算规则，然后再根据该目标计算规则来计算该目标业务流的视频码率，从而实现对视频业务流的视频码率的采集。因此，数据采集设备能够向服务器提供视频业务流的网络KPI数据，包含该视频业务流的视频码率。
本申请实施例中，服务器根据关联模型以及第一网络KPI数据和第一STB的第一性能数据计算第一视频业务流的视频QoE，该关联模型可以是服务器通过获取历史数据所训练得到的模型，下面通过图4的实施例进行详细描述。
请参阅图4，在图4的实施例中，服务器通过获取第二网络KPI数据、第二视频QoE以及第二性能数据来建立关联模型，本申请实施例中数据处理方法的另一个实施例包括：
401、数据采集设备采集第二网络KPI数据。
在TCP网络中，当有视频业务流传输时，此时视频业务流会流经由各层部署的网络设备，然后在这些网络设备中的任意设备单点部署或者旁挂该数据采集设备，各层部署的网络设备中通过引流将该视频业务流引流至该数据采集设备或者通过镜像的方式复制视频业务流，再发送至该数据采集设备，然后数据采集设备就可以通过分析该视频业务流，来提取该视频业务流的网络KPI数据。其中，第二网络KPI数据包含多个视频业务流的多组网络KPI数据，作为服务器建立关联模型前期的采集数据，用于后续服务器分析网络KPI数据与视频QoE的关联关系。
具体地，数据采集设备可以按照预设时长采集一次网络KPI数据，比如数据采集设备每五分钟采集一次网络KPI数据，具体可以是在TCP网络中各层的网络设备对视频业务流进行引流或者镜像操作之后，数据采集设备可以根据该业务流的类型确定对应的计算规则，然后再通过该计算规则来计算得到该业务流的视频码率。另外，当该视频业务流为非加密流时，数据采集设备还可以通过DPI的方式从报文的字段中读取该视频业务流的实时码率。数据采集设备根据视频业务流的报文的时间戳确定该视频业务流往返时延RTT。在TCP网络传输该视频业务流是以报文的形式传输，并且每个报文有对应的序列号，因此，数据采集设备通过报文的序列号可以获取当前节点的丢包率，数据采集设备解析报文可以获取报文的最大分段大小(maximum segment size,MSS)等数据。请参阅图5，其中，Server为服务器，Client为客户端，数据采集设备可以采集视频业务流在上游网络的网络KPI数据和在下游网络的网络KPI数据，从图5中可知，数据采集设备可以获取该视频业务流在上游网络的上游丢包率(up packet loss rate，UPLR)、上游往返时延(up round-trip time，URTT)以及该视频业务流在上游网络中的实时视频码率，然后数据采集设备可以获取到下游网络的下游丢包率(down packet loss rate，DPLR)、下游往返时延(down round-trip time，DRTT)以及该视频业务流在下游网络的实时码率等数据，具体请参阅表1：
表1
Account timestamp VideoID DownloadOctets/Byte DownloadTime/sec Rate/Kbps Rtt/ms Plr
151916877458 2017/01/03 20:00:00 2777429071 400400 2.434 1260 12.154 0.53％
151916877458 2017/01/04 20:00:30 2777429071 379400 2.291 1350 17.898 0.00％
151916877458 2017/01/05 20:01:00 2777429071 378000 2.301 1400 13.413 0.00％
151916877458 2017/01/06 20:01:30 2777429071 394800 2.358 1275 15.504 1.86％
151916877458 2017/01/07 20:20:00 2777429071 364000 2.278 1250 9.993 0.00％
表1为数据采集设备按照预设的时长采集到的该视频业务流多组网络KPI数据，其中，每组网络KPI数据包含该视频业务流的用户(Account)，视频业务流的时间戳(timestamp)、片源信息(VideoID)、累计下载量(DownloadQctets)、下载时长(DownloadTime)、码率(Rate)、RTT以及PLR。那么数据采集设备会采集多个视频业务流的多组网络KPI数据，然后将多个视频业务流的多组网络KPI数据发送至服务器。
402、数据采集设备向服务器发送第二网络KPI数据。
数据采集设备获取到第二网络KPI数据之后，就会将第二网络KPI数据发送至服务器，第二网络KPI数据包含多个视频业务流的多组网络KPI数据，用于服务器后续通过第二网络KPI数据分析第二视频QoE与第二网络KPI数据的关系和建立关联模型。
403、服务器接收STB发送的第二视频QoE以及第二性能数据。
在TCP网络中，视频业务流传输至用户侧的STB之后，STB就会播放该视频业务。本申请服务器在建立关联模型前期需要收集多个视频业务流的视频QoE，因此，首先部署多种类型的STB并且在该多种类型的STB中内置探针，通过探针探测视频实时信息以及STB的性能数据，然后STB根据视频实时信息以及STB的性能数据计算视频业务流的视频QoE，并上报该视频QoE以及该STB的性能数据至服务器。那么，服务器就可以接收到第二视频QoE以及第二性能数据，该第二视频QoE包含多个视频业务流的视频QoE，该第二性能数据包含多个不同类型的STB的初始缓存信息。请参阅表2：
表2
Account STB timestamp VideoID QoE
151916877458 Huawei-XXX 2017/01/03 20:00:00 2777429071 3.3/5.0
151916877458 Huawei-XXX 2017/01/04 20:00:30 2777429071 3.9/5.0
151916877458 Huawei-XXX 2017/01/05 20:01:00 2777429071 3.7/5.0
151916877458 Huawei-XXX 2017/01/06 20:01:30 2777429071 4.0/5.0
151916877458 Huawei-XXX 2017/01/07 20:20:00 2777429071 3.5/5.0
表2为类型为Huawei-xxx的STB计算视频业务流得到的不同时刻的视频QoE，其中，表2包含用户、STB、时间戳、片源信息以及视频QoE。本申请在服务器建立关联模型之前部署一定数量的内置探针的STB，并且这些STB的类型不同，用于后续收集不同类型的STB发送的视频业务流的视频QoE。因此，当在本申请中服务器根据关联模型以及网络KPI数据和STB的性能数据计算视频业务流的视频QoE，在服务器建立好关联模型之后，就无须再通过STB计算视频QoE，减少了STB的负担，同时，无需在所有用户侧的STB中内置探针，因此，减小了部署规模，降低了用户侧的STB的成本。
需要说明的是，服务器在接收到STB发送的性能数据之后，服务器会将不同类型的STB上报的性能数据进行整合，生成初始缓存信息表，如表3所示为不同类型的STB的初始缓存信息表，并保存在服务器中。其中，表3中包含STB的类型(Type)和初始缓存大小(initBuf)。
表3
Type InitBuf
Huawei-XXX 15MB
MI-XXX 10MB
Skyworth-XXX 12MB
Letv-XXX 12MB
天猫魔盒-XXX 10MB
404、服务器根据第二网络KPI数据、第二性能数据以及第二视频QoE建立关联模型。
视频QoE主要受STB播放的视频业务卡顿情况决定，而播放视频业务的卡顿情况通过视频卡顿时长占比来表征，视频卡顿时长占比为视频卡顿时长与视频播放时长的比值。而STB播放视频业务出现卡顿情况一般是由于STB中播放器的缓存耗尽造成，如图6所示，图6为STB播放视频业务卡顿产生与卡顿消除的原理示意图，当STB的缓冲量耗尽时，此时STB播放该视频业务就会出现卡顿，所以视频QoE与播放该视频业务的STB中播放器的实时缓冲量相关。其中，STB的实时缓冲量由该STB的初始缓存大小以及缓存消耗量决定，其中，STB的缓存消耗量由视频业务播放的消耗需求和当前网络的下载性能之间的差异决定，视频业务播放的消耗需求是通过视频业务流的视频码率表征，而当前网络的下载性能在TCP承载网络中以网络吞吐性能来衡量，如公式1.1为网络吞吐率的计算公式。因此，可知在TCP承载网络下，STB的缓存消耗量受视频业务流的视频码率以及网络吞吐率的影响，若网络吞吐率小于视频业务流的视频码率，为了支持视频继续播放，此时STB会消耗播放器中的视频缓冲量，所以如果网络吞吐率持续小于视频业务流的视频码率，就会导致STB的缓冲量就会快速地被消耗，最终导致STB的缓冲量被耗尽，视频业务播放就出现卡顿。同时，由于STB都有固定的初始缓存大小，用于存储一部分未播放的视频内容，因此初始缓存大小影响STB中缓冲量消耗的速度。
Figure GDA0002959949010000101
其中，公式(1.1)中Throughput(t)为网络吞吐率，MSS为传输视频业务流的报文的最大分段大小，RTT为视频业务流的往返时延以及PLR为视频业务流的丢包率。从公式(1.1)可知，在TCP网络中，网络吞吐率由该视频业务流的网络KPI数据中的RTT、视频业务流的网络KPI数据中的PLR以及视频业务流的网络KPI数据中的MSS共同决定，其中MSS一般为固定值，所以网络吞吐率由网络KPI数据中的RTT以及网络KPI数据中的PLR共同决定。因此，第二视频QoE中每个视频业务流的视频QoE与第二网络KPI数据中对应的该视频业务流的PLR、该视频业务流的RTT以及该视频业务流的视频码率以及接收该视频业务流的STB的初始缓存大小相关。
因此，在TCP网络中，视频QoE与STB的初始缓存大小、视频业务流的PLR、视频业务流的RTT以及视频业务流的视频码率相关，而网络KPI数据中包含视频业务流的PLR、视频业务流的RTT以及视频业务流的视频码率，由此，可以通过数据采集设备发送的网络KPI数据获取这些与视频QoE相关的数据。因此，该关联模型的输入参数为第二网络KPI数据中多个视频业务流的PLR、多个视频业务流的RTT、多个视频业务流的视频码率以及第二性能数据，该第二性能数据包含多个STB的初始缓存信息，那么视频QoE的关联模型表示为公式(1.2)：
QoE(t)＝F(Bufferinit，Rate(t)，Rtt(t)，Plr(t)) (1.2)
其中，公式(1.2)中QoE为视频业务流的视频服务质量，Bufferinit为STB的初始缓存大小，Rate(t)为视频业务流的视频码率、RTT(t)为视频业务流的往返时延，Plr(t)为视频业务流的丢包率，F(t)为计算QoE的函数，其中，t为对视频业务流的网络KPI数据进行采样的时间。
服务器将获取到第二网络KPI数据、第二性能数据以及第二视频QoE数据进行整合生成数据集，然后服务器根据生成的数据集建立关联模型，该关联模型为第二视频QoE与第二网络KPI数据之间的关联模型。具体地，服务器将表1中的网络KPI数据以及表2中的视频QoE数据按用户、时间戳、片源信息进行关联，并根据表2中的视频QoE对应的STB的类型映射服务器中保存的不同类型的STB的初始缓存信息表3，生成数据集。比如：将表1和表2中的数据按照用户为“151916877458”对应的时间戳以及片源信息为“2777429071”的数据进行整合，可以得到如表4，表4为关联模型的数据集。
表4
Account STB timestamp VideoID InitBuf Rate/Kbps Rtt/ms plr QoE
151916877458 Huawei-XXX 2017/01/03 20:00:00 2777429071 15MB 1260 12.154 0.53％ 3.3/5.0
151916877458 Huawei-XXX 2017/01/04 20:00:30 2777429071 15MB 1350 17.898 0.00％ 3.9/5.0
151916877458 Huawei-XXX 2017/01/05 20:01:00 2777429071 15MB 1400 13.413 0.00％ 3.7/5.0
151916877458 Huawei-XXX 2017/01/06 20:01:30 2777429071 15MB 1275 15.504 1.86％ 4.0/5.0
151916877458 Huawei-XXX 2017/01/07 20:20:00 2777429071 15M8 1250 9.993 0.00％ 3.5/5.0
服务器根据生成的数据集建立关联模型。比如，以指数拟合结合多项式拟合为例进行说明服务器建立关联模型的过程，服务器根据表3中完整关联的数据集和拟定的关联模型的输入参数，输入参数从公式(1.2)中可知为视频业务流的视频码率、视频业务流的PLR、视频业务流的RTT以及STB的初始缓存大小，然后服务器根据数据集建立关联模型，如公式(1.3)：
Figure GDA0002959949010000111
其中f(t)＝λ1*Rtt(t)+λ2*Plr(t)+λ3*rate(t)+λ4*Bufferinit+λ5
在公式(1.3)中，α1、α2、β1、β2、λ1、λ2、λ3、λ4以及λ5为关联模型的拟合系数，f(t)为计算函数。通过服务器生成的数据集，以采样时间t、视频业务流的丢包率、视频业务流的往返时延、视频业务流的视频码率为变量，视频QoE为因变量，通过指数拟合结合多项式拟合的方式进行拟合。通过阶梯下降的算法来得到拟合系数，比如可以手工拟定一组关联模型的拟合系数，然后通过关联模型计算得到视频QoE，然后再将该计算得到视频QoE与实际的该视频业务流的视频QoE对比得到误差值，然后根据误差值来确定拟合系数，如表5为通过该拟合方式得到的拟合系数，即关联模型中的拟合系数如表5所示：
表5
α1 α2 β1 β2 λ1 λ2 λ3 λ4 λ5
-0.741 1.124 -0.147 -0.013 0.005 -0.014 13.471 0.562 -3.251
405、数据采集设备采集第一网络KPI数据。
服务器建立关联模型之后，在TCP网络中，当第一视频业务流进行传输时，此时采集设备就可以采集该第一视频业务流的第一网络KPI数据，其中，该第一网络KPI数据包含该第一视频业务流的PLR、第一视频业务流的RTT以及第一视频业务流的视频码率。
需要说明的是，数据采集设备可以是单点部署于TCP网络中的各层部署的网络设备中任意一个网络设备中，数据采集设备也可以多点部署于TCP网络中的各层部署的网络设备中任意一个网络设备中，即使部分数据采集设备出现计算或者回传故障时，也可以由其他数据采集设备提供视频业务流的网络KPI数据，保证了用户侧的视频QoE的有效监控，解决了现有技术当中，视频QoE通过用户侧的STB上传，一旦该用户侧的STB无法正常计算或者回传视频QoE，那么视频监控中心服务器将永久丢失该用户侧的视频QoE的获取，无法对该用户侧的视频QoE进行监控。
406、数据采集设备向服务器发送第一网络KPI数据。
数据采集设备采集到第一视频业务流的第一网络KPI数据之后，就会向服务器发送该第一网络KPI数据。
407、服务器获取第一性能数据。
服务器可以获取播放该第一视频业务流的视频业务的第一STB的性能数据。具体地，服务器可以从步骤403中保存的不同类型的STB的初始缓存信息表中获取该第一STB的性能数据，也可以是通过视频监控中心服务器获取该第一STB的性能数据，具体此处不做限定。
408、服务器根据关联模型以及第一网络KPI数据和第一性能数据计算第一视频QoE。
服务器将第一网络KPI数据中的第一视频业务流的PLR、第一视频业务流的RTT、第一视频业务流的视频码率以及第一STB的性能数据输入到该关联模型中，然后通过关联模型计算该第一视频业务流的第一视频QoE。因此，服务器通过关联模型计算视频QoE只需通过数据采集设备采集的该视频业务流的网络KPI数据以及第一STB的性能数据，在数据处理的过程无需用户侧的STB的参与，减小了STB的负担，同时，在无需在所有用户侧的STB中内置探针，仅在服务器建立关联模型阶段少量用户侧的STB提供视频QoE，完成建模之后仅需依靠数据采集设备采集视频业务流的网络KPI数据就可以实现对用户侧的视频QoE的快速识别。
本申请实施例中，目标业务流可以为加密流，也可以为非加密流，具体此处做限定，在后续的实施例中，以目标业务流为加密流时，数据采集设备根据目标业务流的类型确定目标计算规则，然后数据采集设备根据目标计算规则计算该目标业务流的视频码率为例进行说明。
本申请实施例中，服务器获取第一网络KPI数据和第一STB的性能数据，该第一网络KPI数据为第一视频业务流的网络KPI数据，该第一视频业务流与第一STB关联；然后服务器根据关联模型以及该第一网络KPI数据以及该第一STB的性能数据计算第一视频业务流的第一视频QoE，其中，该关联模型为根据历史数据所训练得到的模型。因此，服务器通过获取第一网络KPI数据以及第一STB的性能数据，根据该关联模型以及该第一网络KPI数据以及该第一STB的性能数据就可以计算第一视频业务流的视频QoE，这样就不再通过STB采集视频卡顿时长占比以及STB的性能数据来计算视频QoE，因此大大减少了STB的负担。
本申请实施例中，当目标业务流为加密流时，数据采集设备检测目标业务流的类型，然后数据采集设备根据目标业务流的类型确定目标计算规则，再根据该目标计算规则计算该目标业务流的视频码率。其中，数据采集设备检测目标业务流的类型可以通过检测该目标业务流单位时间内传输的数据包个数来确定目标业务流的类型，也可以是数据采集设备通过检测该目标业务流的三元组来确定目标业务流的类型，其中目标业务流的三元组为目标业务流的源IP地址、目标业务流的目的IP地址以及传输目标业务流的传输层协议，具体此处不做限定。在后续的实施例中，仅以数据采集设备通过检测目标业务流单位时间内传输的数据包个数来确定目标业务流的类型为例进行说明。
本申请实施例中，若目标业务流为加密流且该目标业务流为视频流与音频流混合的单流，数据采集设备可以根据单流类型的业务流确定第一预设计算规则，数据采集设备根据该第一预设计算规则计算该目标业务流的视频码率。其中，该第一预设计算规则可以是数据采集设备根据采集到的该目标业务流的累计下载时长以及目标业务流的累计下载量计算目标业务流的视频码率，也可以是其他计算方法，具体此处不做限定，在后续的实施例中仅以该第一预设计算规则为数据采集设备根据采集到的该目标业务流的累计下载时长以及目标业务流的累计下载量计算目标业务流的视频码率进行说明。
本申请实施例中，若目标业务流为加密流且该目标业务流为视频流与音频流分离的双流，数据采集设备可以根据双流类型的业务流确定第二预设计算规则，数据采集设备根据第二预设计算规则计算该目标业务流的视频码率。其中，该第二预设计算规则可以数据采集设备根据音频码率计算该目标业务流的视频码率，也可以是其他计算方法，具体此处不做限定。其中，数据采集设备根据音频码率计算该目标业务流的视频码率可以是数据采集设备根据音频码率以及预设时长内的该音频流的累计下载量计算该音频流的累计下载时长，再根据该音频流的累计下载时长以及该预设时长内的视频流的累计下载量计算该目标业务流的视频码率，也可以是通过其他方式计算该视频码率，具体此处不做限定，在后续实施例中仅以数据采集设备根据音频码率计算该目标业务流的视频码率可以是数据采集设备根据音频码率以及预设时长内的该音频流的累计下载量计算该音频流的累计下载时长，再根据该音频流的累计下载时长以及该预设时长内的视频流的累计下载量计算该目标业务流的视频码率进行说明。
本申请实施例中，目标业务流为视频流与音频流分离的双流时，数据采集设备确定该视频流与该音频流为同一业务的业务流可以是数据采集设备根据该目标业务流的三元组以及目标业务流的时间戳确定该视频流以及该音频流为同一业务的业务流，也可以是通过其他方式确定，具体此处不做限定。在后续的实施例中仅以数据采集设备根据该目标业务流的三元组以及目标业务流的时间戳确定该视频流以及该音频流为同一业务的业务流为例进行说明。
本申请实施例中，目标业务流为视频流与音频流分离的双流时，数据采集设备确定该音频流的音频码率可以是数据采集设备根据该音频流在单音频分片内的音频数据的下载时长以及该音频流在单音频分片内的音频数据的下载量计算该音频流的音频码率，也可以是通过其他方式计算得到该音频码率，具体此处不做限定。在后续的实施例中仅以数据采集设备根据该音频流在单音频分片内的音频数据的下载时长以及该音频流在单音频分片内的音频数据的下载量计算该音频流的音频码率为例进行说明。
本申请实施例中，数据采集设备确定目标业务流为加密流之后，可以通过判断目标业务流的类型来确定计算目标业务流的视频码率的计算规则，下面通过图7的实施例进行描述。
请参阅图7，在图7的实施例中，数据采集设备通过判断目标业务流在单位时间内的传输数据包的个数来确定目标业务流的类型，再根据目标业务流的类型确定对应的预设计算规则，再根据该计算规则来计算目标业务流的视频码率。本申请实施例中数据处理方法的另一个实施例包括：
701、数据采集设备检测目标业务流是否为加密流，若是，则执行步骤702，若否，则执行步骤714。
在TCP网络中，用户侧的STB请求视频业务，IPTV Server就会将目标业务流传送给该用户侧的STB，当有目标业务流传输流经各层部署的网络设备时，数据采集设备为部署或旁挂在这些网络设备中任一个的网络设备中的采集设备，那么数据采集设备就可以通过分析目标业务流判断该目标业务流是否为加密流，若是，则执行步骤702，若否，则执行步骤714。具体地，由于加密流在传输时进行TCP连接，会使用特定的协议来握手交换密钥，那么数据采集设备可以是通过识别加密流传输时进行交换密钥的模式来确定该目标业务流为加密流。由于视频业务流在传输过程中，针对于非加密的视频业务流，数据采集设备可以通过DPI的方式解开视频业务流传输的报文的报文头，从报文头中的字段读取该视频业务流的视频码率。但是，当视频业务流是以加密的方式传输时，此时数据采集设备无法解开该视频业务流的报文头，那么就无法使用DPI的方式读取该视频业务流的视频码率，因此，本申请针对于目标业务流为加密流时，提出获取该目标业务流的视频码率的方法，当然该目标业务流为非加密流时，也可以使用该方法获取视频码率。
702、数据采集设备判断目标业务流单位时间内传输的数据包个数是否小于预设值，若是，则执行步骤703，若否，则执行步骤705。
数据采集设备判断目标业务流单位时间内传输的数据包个数是否小于预设，若小于预设值，就执行步骤703，若大于预设值，就执行步骤705。在网络状态处于理想的良好状态下，对于单流类型的业务流一般每10ms传输一个数据包，因此，相对于双流类型的业务流此时传输的数据包个数应该为单流类型的业务流传输的数据包个数的两倍。因此，数据采集设备可以判断目标业务流单位时间内传输的数据包个数是否小于预设值，如果小于预设值，那么数据采集设备可以确定该目标业务流为单流，如果大于预设值，那么数据采集设备可以确定该目标业务流为双流。
703、数据采集设备确定目标业务流为视频流与音频流混合的单流。
数据采集设备确定目标业务流单位时间内传输的数据包个数小于预设值，那么数据采集设备就可以确定该目标业务流为视频流与音频流混合的单流。
704、数据采集设备根据采集到的目标业务流的累计下载时长以及目标业务流的累计下载量计算目标业务流的视频码率。
数据采集设备确定该目标业务流为单流之后，由于音频码率一般情况下显著小于视频码率，那么数据采集设备可以直接将网络KPI数据中采集的该目标业务流的累计下载量除以该目标业务流的累计下载时间计算得到该目标业务流的平均下载速率来拟合为该目标业务流的视频码率。比如，如表6，表6为该目标业务流对应的网络KPI数据中的下载情况，其中，累计下载时间为下载结束时间减去下载开始时间，累计下载量为下载结束时间对应的下载量减去下载开始时间对应的下载量。
表6
VideoID VideoSeq VideoDownOctets StartTimeSec EndTimeSec
1337159040 1 2107148 1487333188 1487333202
1337159040 2 4314256 1487333188 1487333241
1337159040 3 4281412 1487333188 1487333268
1337159040 4 1708943 1487333188 1487333208
1337159040 5 396777 1487333188 1487333281
1337159040 6 4228576 1487333188 1487333304
1337159040 7 2107148 1487333188 1487333305
1337159040 8 2145704 1487333188 1487333305
1337159040 9 2110004 1487333188 1487333306
1337159040 10 2565163 1487333188 1487333308
1337159040 11 4364236 1487333188 1487333334
其中，表6包含片源信息、片源序列(VideoSeq)、视频累计下载量(VideoDownOctets)、开始下载时间(StartTimeSec)以及结束下载时间(EndTimeSec)，通过上述表6，可以将该目标业务流的各时段内的下载量进行统计得到如图8所示的统计图，那么可以通过计算每个时段内的该目标业务流的平均下载速率来拟合该目标业务流的视频码率。比如，在T0至T1时段内该目标业务流的视频码率＝平均下载速率MR1＝(B1+B2+B3)/(T1-T0)，在T1至T2时间段内该目标业务流的视频码率＝平均下载速率MR2＝(B4+B5)/(T2-T1)，在T2至T3时间段内该目标业务流的视频码率＝平均下载速率MR3＝(B6+B7)/(T3-T2)。因此，数据采集设备通过从网络KPI数据中获取目标业务流的累计下载量以及累计下载时长就可以计算得到该目标业务流的视频码率，那么数据采集设备就能够采集到加密场景下的业务流的视频码率。因此，对于加密的单流类型的目标业务流，数据采集设备能够向服务器上报完整的该目标业务流的网络KPI数据，包含该目标业务流的视频码率，因此该方案同样适用于加密场景，提高了方案的完整性。
705、数据采集设备确定目标业务流为视频流与音频流分离的双流。
数据采集设备确定目标业务流单位时间内传输的数据包个数大于预设值，那么数据采集设备就可以确定该目标业务流为视频流与音频流分离的双流。
706、数据采集设备根据目标业务流的三元组以及目标业务流的时间戳确定目标业务流的视频流与目标业务流的音频流为同一业务的业务流。
数据采集设备确定该目标业务流为视频流与音频流分离的双流之后，数据采集设备会确定视频流的三元组与音频流的三元组是否一致，其中，视频流的三元组包括视频流的源IP地址、目的IP地址以及传输该视频流的传输协议；音频流的三元组包括音频流的源IP地址、目的IP地址以及传输该音频流的传输协议；然后，数据采集设备确定视频流在TCP网络中建链的时间戳与音频流在TCP网络中建链的时间戳是否一致，若数据采集设备确定视频流的三元组与音频流的三元组一致，视频流的时间戳与音频流的时间戳一致，那么数据采集设备可以确定该视频流与该音频流为同一业务的业务流。
707、数据采集设备标记目标业务流中的视频流以及目标业务流中的音频流。
数据采集设备确定该目标业务流的音频流与该目标业务流的视频流为同一业务的业务流之后，数据采集设备就会对该目标业务流中的视频流以及该目标业务流的音频流进行标记。具体可以是由于音频流传输过程中数据包的大小远小于视频流传输的数据包大小，因此，数据采集设备可以通过目标业务流的传输数据包大小识别并标记该目标业务流中的视频流和目标业务流中的音频流，其中，传输数据包相对较大的业务流为视频流，数据包较小的业务流为音频流，数据采集设备还可以通过其他方式识别该目标业务流中的视频流和该目标业务流中的音频流，具体此处不做限定。
708、数据采集设备获取音频流在单音频分片内的音频数据的下载时长以及该音频流在单音频分片内的音频数据的下载量。
数据采集设备从网络KPI数据中获取在步骤707中标记的音频流在单音频分片内的音频数据的下载时长以及该音频流在单音频分片内的音频数据的下载量。比如，在图9中，其中，图9包含视频流(video)的横坐标、音频流(audio)的横坐标，该音频流单音频分片内的下载时长为Tchunk，该音频流单音频分片内的下载量为Octetschunk，初始时间为t0。
709、数据采集设备根据该下载时长以及该下载量计算目标业务流中的音频流的音频码率。
由于音频一般采用恒定码率编码。因此，数据采集设备可以将该单音频分片内的音频数据的下载量除以该单音频分片内的音频数据的下载时长得到该目标业务流的音频码率，计算公式(1.4)：
Ratioaudio＝Octetschunk/Tchunk (1.4)
其中，在公式(1.4)中Ratioaudio为音频流的音频码率，Octetschunk为音频流在单音频分片内的下载量，Tchunk为音频流在单音频分片内的音频数据的下载时间。
710、数据采集设备获取预设时长内的该音频流的累计下载量。
数据采集设备从该目标业务流的网络KPI数据中获取预设时长内的该标记的音频流的累计下载量。如图9中，指定预设时长为时间T，那么数据采集设备采集时间T内该音频流的累计下载量Octetschunk。
711、数据采集设备根据该音频码率以及该预设时长内该音频流的累计下载量计算该音频流的累计下载时长。
数据采集设备将该预设时长内音频流的累计下载量除以该音频码率得到该音频流的累计下载时长，即可视为该音频流的播放时间。比如，在图9，数据采集设备将时间T内该音频流的累计下载量除以时间T得到音频流的播放时间，即如公式(1.5)：
Tplay＝Octetsaudio(t0,T)/Ratioaudio (1.5)
其中，在公式(1.5)中，Tplay为音频流的累计下载时长，Octetsaudio(t0,T)为预设时长T内音频流的累计下载量，Ratioaudio为音频流的音频码率。
712、数据采集设备获取视频流在预设时长内的累计下载量。
数据采集设备从该目标业务流中标记的视频流的网络KPI数据中获取预设时长内的累计下载量。比如，在图9中，数据采集设备获取时间T内视频流的累计下载量Octetsvideo(t0，T)。
713、数据采集设备根据该音频流的累计下载时长以及该视频流在预设时长内的累计下载量计算该视频流的视频码率。
数据采集设备将该视频流在预设内的累计下载量除以该音频流的累计下载时长得到该视频流的视频码率，计算公式如(1.6)：
Ratiovideo(t0,T)≈Octetsvideo(t0,T)/Tplay (1.6)
其中，在公式(1.6)中，Ratiovideo(t0,T)为视频流的视频码率，Octetsvideo(t0,T)为视频流在预设时长T内的累计下载量，Tplay为音频流的累计下载时长。因此，对于目标业务流为视频流与音频流分离的双流，数据采集设备通过计算音频流的音频码率，然后再通过该音频码率来间接计算得到该视频流的视频码率。因此，数据采集设备能够获取加密的双流类型的业务流的视频码率，即能够向服务器上报完整的该目标业务流的网络KPI数据，包含该目标业务流的视频码率，后续服务器侧能够根据该网络KPI数据计算该目标业务流的视频QoE。因此，本方案同样适用于加密场景下视频流与音频流分离的双流的业务流的视频码率的计算，提高了方案的完整性。
714、数据采集设备执行其他操作。
数据采集设备确定该目标业务流为非加密流之后，数据采集设备执行其他操作，具体可以是数据采集设备通过DPI的方式获取该目标业务流的视频码率。
本申请实施例中，数据采集设备确定目标业务流为加密流，然后数据采集设备检测该目标业务流的类型，数据采集设备根据目标业务流的类型确定目标计算规则，那么数据采集设备就可以根据该目标计算规则计算该目标业务流的视频码率。因此，数据采集设备通过识别加密的目标业务流，然后通过检测该目标业务流的类型，再确定该目标业务流的类型对应的目标计算规则，然后再根据该目标计算规则来计算该目标业务流的视频码率，从而实现对加密的业务流的视频码率的采集。因此，数据采集设备能够向服务器提供加密的业务流的网络KPI数据，包含该业务流的视频码率，使得本申请后续服务器也能够计算加密的视频业务流的视频QoE，提高了方案的完整性。
上面对本申请实施例中的数据处理方法进行了描述，下面对本申请实施例中的服务器进行描述，请参阅图10，其中，第二获取单元1003以及建立单元1004为可选单元，本申请实施例中服务器的一个实施例包括：
第一获取单元1001，用于获取第一网络关键绩效指标KPI数据和第一STB的性能数据，该第一网络KPI数据为第一视频业务流的网络KPI数据，该第一STB为接收该第一视频业务流的STB；
计算单元1002，用于根据关联模型以及该第一网络KPI数据和该第一STB的性能数据计算该第一视频业务流的第一视频服务质量QoE，其中，该关联模型为根据历史数据所训练得到的模型，该关联模型用于该服务器根据网络KPI数据以及STB的性能数据计算视频QoE。
本实施例中，该服务器还包括：
第二获取单元1003，用于获取历史网络KPI数据、历史性能数据以及历史视频QoE，其中，该历史网络KPI数据包含多个视频业务流的网络KPI数据，该历史性能数据包括接收该多个视频业务流的STB的性能数据，该历史视频QoE包括该多个视频业务流的视频QoE；
建立单元1004，用于根据该历史网络KPI数据、该历史性能数据以及该历史视频QoE建立该关联模型。
本实施例中，该历史性能数据包括接收该多个视频业务流的STB的初始缓存大小；该历史网络KPI数据包括该多个视频业务流的PLR、该多个视频业务流的RTT以及该多个视频业务流的视频码率。
本实施例中，该第一STB的性能数据包括该第一STB的初始缓存大小；该第一网络KPI数据包括该第一视频业务流的PLR、该第一视频业务流的RTT以及该第一视频业务的视频码率。
本申请实施例中，第一获取单元1001获取第一网络KPI数据和第一STB的性能数据，该第一网络KPI数据为第一视频业务流的网络KPI数据，该第一视频业务流与第一STB关联；然后计算单元1002根据关联模型以及该第一网络KPI数据以及该第一STB的性能数据计算第一视频业务流的第一视频QoE，其中，该关联模型为根据历史数据所训练得到的模型，该关联模型用于该计算单元1002根据网络KPI数据以及STB的性能数据计算视频QoE。因此，第一获取单元1001通过获取第一网络KPI数据以及第一STB的性能数据，计算单元1002根据该关联模型以及该第一网络KPI数据以及该第一STB的性能数据就可以计算第一视频业务流的视频QoE，这样就不再通过STB采集视频卡顿时长占比以及通过STB根据该视频卡顿时长占比来计算视频QoE，因此大大减少了STB的负担。
上面对本申请实施例中的数据处理方法进行了描述，下面对本申请实施例中的数据采集设备进行描述，请参阅图11，其中，第二确定单元1104为可选单元，本申请实施例中数据采集设备的一个实施例包括：
检测单元1101，用于检测目标业务流的类型；
第一确定单元1102，用于根据该目标业务流的类型确定目标计算规则；
计算单元1103，用于根据该目标计算规则计算该目标业务流的视频码率。
本实施例中，该目标业务流的类型为视频流与音频流混合的单流；该目标计算规则为第一预设计算规则。
本实施例中，该计算单元1103具体用于：
根据该数据采集设备获取到的该目标业务流的累计下载时长以及该目标业务流的累计下载量计算该目标业务流的视频码率。
本实施例中，该目标业务流的类型为视频流与音频流分离的双流；该目标计算规则为第二预设规则。
本实施例中，该计算单元1103具体用于：
确定该目标业务流中的视频流与该目标业务流中的音频流为同一业务的业务流；确定该目标业务流中的音频流的音频码率；根据该音频码率计算该目标业务流中的视频流的视频码率。
本实施例中，该计算单元1103具体用于：
根据该目标业务流中的音频流在单音频分片内的音频数据的下载时长以及该目标业务流中的音频流在单音频分片内的音频数据的下载量计算该目标业务流中的音频流的音频码率。
本实施例中，该计算单元1103具体用于：
根据该目标业务流中的音频流的音频码率以及预设时长内的该目标业务流中的音频流的累计下载量计算该目标业务流中的音频流的累计下载时长；根据该目标业务流的音频流的累计下载时长以及该预设时长内的该目标业务流中的视频流的累计下载量计算该目标业务流的视频流的视频码率。
本实施例中，该数据采集设备还包括：
第二确定单元1104，用于确定该目标业务流为加密流。
本实施例中，该第二确定单元1104具体用于：
检测所述目标业务流单位时间内传输的数据包的个数；若单位时间内所述目标业务流传输的数据包的个数小于预设值，则确定所述目标业务流为视频流与音频流混合的单流；若单位时间内所述目标业务流传输的数据包的个数大于预设值，则确定所述目标业务流为视频流与音频流分离的双流。
本申请实施例中，检测单元1101检测该目标业务流的类型，第一确定单元1102根据目标业务流的类型确定目标计算规则，那么计算单元1103就可以根据该目标计算规则计算该目标业务流的视频码率。因此，通过检测单元1101检测该目标业务流的类型，第一确定单元1102确定该目标业务流的类型对应的目标计算规则，然后计算单元1103根据该目标计算规则来计算该目标业务流的视频码率，从而实现对视频业务流的视频码率的采集。因此，数据采集设备能够向服务器提供视频业务流的网络KPI数据，包含该视频业务流的视频码率。
本申请还提供一种服务器1200，请参阅图12，本申请实施例中服务器一个实施例包括：
处理器1201、存储器1202、输入输出设备1203以及总线1204；
处理器1201、存储器1202、输入输出设备1203分别与总线1204相连，该存储器中存储有计算机指令；
该输入输出设备1203用于获取第一网络关键绩效指标KPI数据和第一STB的性能数据，该第一网络KPI数据为第一视频业务流的网络KPI数据，该第一STB为接收该第一视频业务流的STB；
该处理器1201用于根据关联模型以及该第一网络KPI数据和该第一STB的性能数据计算该第一视频业务流的第一视频服务质量QoE，其中，该关联模型为根据历史数据所训练得到的模型，该关联模型用于该服务器根据网络KPI数据以及STB的性能数据计算视频QoE。
一种可能的实现方式中，该处理器1201还用于：
获取历史网络KPI数据、历史性能数据以及历史视频QoE，其中，该历史网络KPI数据包含多个视频业务流的网络KPI数据，该历史性能数据包括接收该多个视频业务流的STB的性能数据，该历史视频QoE包括该多个视频业务流的视频QoE；根据该历史网络KPI数据、该历史性能数据以及该历史视频QoE建立该关联模型。
另一种可能的实现方式中，该历史性能数据包括接收该多个视频业务流的STB的初始缓存大小；该历史网络KPI数据包括该多个视频业务流的PLR、该多个视频业务流的RTT以及该多个视频业务流的视频码率。
另一种可能的实现方式中，该第一STB的性能数据包括该第一STB的初始缓存大小；该第一网络KPI数据包括该第一视频业务流的PLR、该第一视频业务流的RTT以及该第一视频业务的视频码率。
本申请还提供一种数据采集设备1300，请参阅图13，本申请实施例中服务器一个实施例包括：
处理器1301、存储器1302、输入输出设备1303以及总线1304；
处理器1301、存储器1302、输入输出设备1303分别与总线1304相连，该存储器1302中存储有计算机指令；
该处理器1301用于检测目标业务流的类型；根据该目标业务流的类型确定目标计算规则；根据该目标计算规则计算该目标业务流的视频码率。
一种可能的实现方式中，该目标业务流的类型为视频流与音频流混合的单流；该目标计算规则为第一预设计算规则。
另一种可能的实现方式中，该处理器1301具体用于：
根据该数据采集设备获取到的该目标业务流的累计下载时长以及该目标业务流的累计下载量计算该目标业务流的视频码率。
另一种可能的实现方式中，该目标业务流的类型为视频流与音频流分离的双流；该目标计算规则为第二预设规则。
另一种可能的实现方式中，该处理器1301具体用于：
确定该目标业务流中的视频流与该目标业务流中的音频流为同一业务的业务流；确定该目标业务流中的音频流的音频码率；根据该音频码率计算该目标业务流中的视频流的视频码率。
另一种可能的实现方式中，该处理器1301具体用于：
根据该目标业务流中的音频流在单音频分片内的音频数据的下载时长以及该目标业务流中的音频流在单音频分片内的音频数据的下载量计算该目标业务流中的音频流的音频码率。
另一种可能的实现方式中，该处理器1301具体用于：
根据该目标业务流中的音频流的音频码率以及预设时长内的该目标业务流中的音频流的累计下载量计算该目标业务流中的音频流的累计下载时长；根据该目标业务流的音频流的累计下载时长以及该预设时长内的该目标业务流中的视频流的累计下载量计算该目标业务流的视频流的视频码率。
另一种可能的实现方式中，该处理器1301还用于：
确定该目标业务流为加密流。
另一种可能的实现方式中，该处理器1301具体用于：
检测所述目标业务流单位时间内传输的数据包的个数；若单位时间内所述目标业务流传输的数据包的个数小于预设值，则确定所述目标业务流为视频流与音频流混合的单流；若单位时间内所述目标业务流传输的数据包的个数大于预设值，则确定所述目标业务流为视频流与音频流分离的双流。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在另一种可能的设计中，当该服务器或者该数据采集设备为终端内的芯片时，芯片包括：处理单元和通信单元，所述处理单元例如可以是处理器，所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令，以使该终端内的芯片执行上述第一方面或第二方面任意一项的数据处理方法。可选地，所述存储单元为所述芯片内的存储单元，如寄存器、缓存等，所述存储单元还可以是所述终端内的位于所述芯片外部的存储单元，如只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)等。
其中，上述任一处提到的处理器，可以是一个通用中央处理器(CPU)，微处理器，特定应用集成电路(application-specific integrated circuit，ASIC)，或一个或多个用于控制上述第一方面或第二方面的数据处理方法的程序执行的集成电路。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
在本申请所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (8)

1.一种数据处理方法，其特征在于，所述方法包括：
服务器获取第一网络关键绩效指标KPI数据和第一机顶盒STB的性能数据，所述第一网络KPI数据为第一视频业务流的网络KPI数据，所述第一STB为接收所述第一视频业务流的STB；
所述服务器获取历史网络KPI数据、历史性能数据以及历史视频QoE，其中，所述历史网络KPI数据包含多个视频业务流的网络KPI数据，所述历史性能数据包括接收所述多个视频业务流的STB的性能数据，所述历史视频QoE包括所述多个视频业务流的视频QoE；
所述服务器根据所述历史网络KPI数据、所述历史性能数据以及所述历史视频QoE建立关联模型；
所述服务器根据关联模型以及所述第一网络KPI数据和所述第一STB的性能数据计算所述第一视频业务流的第一视频服务质量QoE，所述关联模型用于所述服务器根据网络KPI数据以及STB的性能数据计算视频QoE。
2.根据权利要求1所述的方法，其特征在于，所述历史性能数据包括接收所述多个视频业务流的STB的初始缓存大小；所述历史网络KPI数据包括所述多个视频业务流的视频丢包率PLR、所述多个视频业务流的往返时延RTT以及所述多个视频业务流的视频码率。
3.根据权利要求1或2所述的方法，其特征在于，所述第一STB的性能数据包括所述第一STB的初始缓存大小；所述第一网络KPI数据包括所述第一视频业务流的视频丢包率PLR、所述第一视频业务流的往返时延RTT以及所述第一视频业务的视频码率。
4.一种服务器，其特征在于，所述服务器包括：
第一获取单元，用于获取第一网络关键绩效指标KPI数据和第一机顶盒STB的性能数据，所述第一网络KPI数据为第一视频业务流的网络KPI数据，所述第一STB为接收所述第一视频业务流的STB；
第二获取单元，用于获取历史网络KPI数据、历史性能数据以及历史视频QoE，其中，所述历史网络KPI数据包含多个视频业务流的网络KPI数据，所述历史性能数据包括接收所述多个视频业务流的STB的性能数据，所述历史视频QoE包括所述多个视频业务流的视频QoE；
建立单元，用于根据所述历史网络KPI数据、所述历史性能数据以及所述历史视频QoE建立关联模型；
计算单元，用于根据关联模型以及所述第一网络KPI数据和所述第一STB的性能数据计算所述第一视频业务流的第一视频服务质量QoE，所述关联模型用于所述服务器根据网络KPI数据以及STB的性能数据计算视频QoE。
5.根据权利要求4所述的服务器，其特征在于，所述历史性能数据包括接收所述多个视频业务流的STB的初始缓存大小；所述历史网络KPI数据包括所述多个视频业务流的视频丢包率PLR、所述多个视频业务流的往返时延RTT以及所述多个视频业务流的视频码率。
6.根据权利要求4或5所述的服务器，其特征在于，所述第一STB的性能数据包括所述第一STB的初始缓存大小；所述第一网络KPI数据包括所述第一视频业务流的视频丢包率PLR、所述第一视频业务流的往返时延RTT以及所述第一视频业务的视频码率。
7.一种服务器，其特征在于，所述服务器包括：处理器、存储器、收发器，所述处理器、存储器以及收发器通过总线连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令用于实现如权利要求1至权利要求3任意一项所述的数据处理方法。
8.一种计算机可读存储介质，其特征在于，包括指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1至3中任一项所述的方法。
CN201810136559.5A 2018-02-09 2018-02-09 数据处理方法以及服务器 Active CN110139167B (zh)

Priority Applications (8)

Application Number Priority Date Filing Date Title
CN202210065419.XA CN114584846A (zh) 2018-02-09 2018-02-09 数据处理方法、服务器以及视频处理装置
CN201810136559.5A CN110139167B (zh) 2018-02-09 2018-02-09 数据处理方法以及服务器
PCT/CN2018/124142 WO2019153932A1 (zh) 2018-02-09 2018-12-27 数据处理方法、服务器以及数据采集设备
KR1020207025629A KR102428093B1 (ko) 2018-02-09 2018-12-27 데이터 처리 방법, 서버 및 데이터 수집 장치
EP18905098.2A EP3745732A1 (en) 2018-02-09 2018-12-27 Data processing method, server, and data collection device
JP2020542748A JP7059382B2 (ja) 2018-02-09 2018-12-27 データ処理方法およびサーバ
US16/986,887 US11936930B2 (en) 2018-02-09 2020-08-06 Data processing method, server, and data collection device
JP2022066346A JP7383754B2 (ja) 2018-02-09 2022-04-13 データ処理方法、サーバ、およびデータ収集デバイス

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810136559.5A CN110139167B (zh) 2018-02-09 2018-02-09 数据处理方法以及服务器

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202210065419.XA Division CN114584846A (zh) 2018-02-09 2018-02-09 数据处理方法、服务器以及视频处理装置

Publications (2)

Publication Number Publication Date
CN110139167A CN110139167A (zh) 2019-08-16
CN110139167B true CN110139167B (zh) 2022-02-25

Family

ID=67548756

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201810136559.5A Active CN110139167B (zh) 2018-02-09 2018-02-09 数据处理方法以及服务器
CN202210065419.XA Pending CN114584846A (zh) 2018-02-09 2018-02-09 数据处理方法、服务器以及视频处理装置

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202210065419.XA Pending CN114584846A (zh) 2018-02-09 2018-02-09 数据处理方法、服务器以及视频处理装置

Country Status (6)

Country Link
US (1) US11936930B2 (zh)
EP (1) EP3745732A1 (zh)
JP (2) JP7059382B2 (zh)
KR (1) KR102428093B1 (zh)
CN (2) CN110139167B (zh)
WO (1) WO2019153932A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110996038B (zh) * 2019-11-19 2020-11-10 清华大学 一种面向多人互动直播的自适应码率调节方法
CN115428368A (zh) * 2020-04-07 2022-12-02 阿西亚Spe有限责任公司 用于远程协作的***和方法
WO2022201225A1 (ja) 2021-03-22 2022-09-29 日本電信電話株式会社 制御装置、制御方法及びプログラム
CN116074937B (zh) * 2023-04-06 2023-06-16 安徽深迪科技有限公司 基于5g网络技术的智能现场管理方法及管理平台

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101572829A (zh) * 2009-06-10 2009-11-04 中国联合网络通信集团有限公司 Iptv视频质量监测方法、装置和***
CN104410516A (zh) * 2014-11-24 2015-03-11 中国联合网络通信集团有限公司 一种用户业务感知度评估方法和装置
WO2016014739A1 (en) * 2014-07-24 2016-01-28 Cisco Technology, Inc. Joint Quality Management Across Multiple Streams
CN105491403A (zh) * 2014-10-10 2016-04-13 中国电信股份有限公司 用于评估视频实时传输质量的方法和***
WO2017215583A1 (zh) * 2016-06-16 2017-12-21 华为技术有限公司 视频业务质量评估的方法及装置
CN107509121A (zh) * 2016-06-14 2017-12-22 华为技术有限公司 确定视频质量的方法和装置、定位网络故障的方法和装置

Family Cites Families (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7403487B1 (en) * 2003-04-10 2008-07-22 At&T Corporation Method and system for dynamically adjusting QOS
US20150341812A1 (en) * 2003-08-29 2015-11-26 Ineoquest Technologies, Inc. Video quality monitoring
WO2009019671A1 (en) * 2007-08-09 2009-02-12 Markport Limited Network resource management
EP2882189A1 (en) * 2009-03-13 2015-06-10 Telefonaktiebolaget L M Ericsson (publ) Methods of and arrangements for processing an encoded BIT stream
WO2011048829A1 (ja) * 2009-10-22 2011-04-28 日本電信電話株式会社 映像品質推定装置、映像品質推定方法およびプログラム
US8510763B2 (en) 2010-06-14 2013-08-13 Microsoft Corporation Changing streaming media quality level based on current device resource usage
CA3085915C (en) * 2010-07-12 2023-01-03 Bce Inc. Methods and systems for monitoring a service provided over a packet-switched network
CN102065339B (zh) * 2010-11-09 2013-03-20 中国电信股份有限公司 音视频媒体流的播放方法与***
WO2012159376A1 (zh) * 2011-08-12 2012-11-29 华为技术有限公司 视频组播方法和设备
US20150163273A1 (en) 2011-09-29 2015-06-11 Avvasi Inc. Media bit rate estimation based on segment playback duration and segment data length
KR101293302B1 (ko) * 2011-12-30 2013-08-09 에스케이브로드밴드주식회사 멀티미디어 방송 서비스의 품질 측정이 가능한 셋탑박스 및 이의 방법
CN102685790B (zh) * 2012-05-22 2014-09-10 北京东方文骏软件科技有限责任公司 模拟用户行为的移动流媒体业务感知体验QoE的测评方法
CN103686218B (zh) * 2012-09-18 2016-12-21 中国科学院声学研究所 一种MIMO‑OFDM***下基于QoE的跨层优化视频传输方法及***
WO2014066975A1 (en) 2012-10-30 2014-05-08 Avvasi Inc. Methods and systems for controlling quality of a media session
US10375192B1 (en) * 2013-03-15 2019-08-06 Viasat, Inc. Faster web browsing using HTTP over an aggregated TCP transport
US20150006621A1 (en) * 2013-07-01 2015-01-01 Futurewei Technologies, Inc. Adaptive Video Streaming for Information Centric Networks
CN104113788B (zh) * 2014-07-09 2017-09-19 北京邮电大学 一种TCP视频流业务的QoE训练和评估的方法及***
US9961157B2 (en) * 2014-11-11 2018-05-01 Dell Products L.P. Adaptive compression management for web services
US10735815B1 (en) * 2014-12-08 2020-08-04 Conviva Inc. Per-viewer engagement-based video optimization
US10311372B1 (en) * 2014-12-19 2019-06-04 Amazon Technologies, Inc. Machine learning based content delivery
GB201504402D0 (en) * 2015-03-16 2015-04-29 Microsoft Technology Licensing Llc Adapting encoded bandwidth
US10505818B1 (en) * 2015-05-05 2019-12-10 F5 Networks. Inc. Methods for analyzing and load balancing based on server health and devices thereof
WO2016194478A1 (ja) 2015-06-04 2016-12-08 日本電信電話株式会社 動画パラメータ選択装置、動画パラメータ選択方法、及びプログラム
TWI580227B (zh) * 2015-06-17 2017-04-21 財團法人工業技術研究院 路由閘道器選擇方法、控制器及交通網路系統
WO2017001626A1 (en) * 2015-06-30 2017-01-05 British Telecommunications Public Limited Company Quality of service management in a network
US9882953B2 (en) * 2015-08-19 2018-01-30 Ringcentral, Inc. Systems and methods for managing network services based on real-time and historical data
US10298472B2 (en) * 2015-10-08 2019-05-21 Microsoft Technology Licensing, Llc Media connection channel quality testing system
JP6544188B2 (ja) 2015-10-15 2019-07-17 日本電気株式会社 バッファサイズ決定装置、システム、バッファサイズ決定方法、映像データ再生方法およびプログラム
JPWO2017094847A1 (ja) 2015-12-02 2018-09-27 日本電信電話株式会社 体感品質最適化装置、ネットワーク品質推定装置、モバイル端末、体感品質最適化方法、ネットワーク品質推定方法、及びプログラム
US20170171636A1 (en) * 2015-12-11 2017-06-15 At&T Intellectual Property I, L.P. Providing information to a media device when satellite service to the media device is disrupted
CN106911926B (zh) 2015-12-23 2019-01-08 华为技术服务有限公司 一种视频码率识别方法和装置
US20170215094A1 (en) * 2016-01-22 2017-07-27 Hitachi, Ltd. Method for analyzing and inferring wireless network performance
JP6511003B2 (ja) 2016-04-12 2019-05-08 日本電信電話株式会社 音声品質推定装置、音声品質推定方法、及びプログラム
EP3313043B1 (en) * 2016-10-19 2019-08-07 Sandvine Incorporated ULC System and method for determining quality of a media stream
US10346756B2 (en) * 2017-01-25 2019-07-09 Centurylink Intellectual Property Llc Machine discovery and rapid agglomeration of similar states
US10819651B2 (en) * 2017-03-08 2020-10-27 Arris Enterprises Llc Excess bitrate distribution based on quality gain
CN108809893B (zh) * 2017-04-27 2020-03-27 华为技术有限公司 一种视频质量评估方法和设备
US20180338187A1 (en) * 2017-05-19 2018-11-22 7Signal Solutions, Inc. Advanced wi-fi performance monitoring
CN107493509A (zh) * 2017-09-25 2017-12-19 中国联合网络通信集团有限公司 视频质量监测方法及装置
US11991235B2 (en) * 2017-09-27 2024-05-21 Comcast Cable Communications, Llc Adaptive energy system utilizing quality of service and quality of experience metrics
RU2694001C2 (ru) * 2017-11-24 2019-07-08 Общество С Ограниченной Ответственностью "Яндекс" Способ и система создания параметра качества прогноза для прогностической модели, выполняемой в алгоритме машинного обучения
US10602383B1 (en) * 2018-10-15 2020-03-24 Microsoft Technology Licensing Llc Application of machine learning for building predictive models enabling smart fail over between different network media types
KR20220141581A (ko) * 2021-04-13 2022-10-20 한국전자통신연구원 오프로딩 서비스 제공 장치 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101572829A (zh) * 2009-06-10 2009-11-04 中国联合网络通信集团有限公司 Iptv视频质量监测方法、装置和***
WO2016014739A1 (en) * 2014-07-24 2016-01-28 Cisco Technology, Inc. Joint Quality Management Across Multiple Streams
CN105491403A (zh) * 2014-10-10 2016-04-13 中国电信股份有限公司 用于评估视频实时传输质量的方法和***
CN104410516A (zh) * 2014-11-24 2015-03-11 中国联合网络通信集团有限公司 一种用户业务感知度评估方法和装置
CN107509121A (zh) * 2016-06-14 2017-12-22 华为技术有限公司 确定视频质量的方法和装置、定位网络故障的方法和装置
WO2017215583A1 (zh) * 2016-06-16 2017-12-21 华为技术有限公司 视频业务质量评估的方法及装置

Also Published As

Publication number Publication date
CN114584846A (zh) 2022-06-03
JP2021513274A (ja) 2021-05-20
JP7059382B2 (ja) 2022-04-25
JP2022106771A (ja) 2022-07-20
CN110139167A (zh) 2019-08-16
EP3745732A4 (en) 2020-12-02
US20200366948A1 (en) 2020-11-19
US11936930B2 (en) 2024-03-19
WO2019153932A1 (zh) 2019-08-15
KR102428093B1 (ko) 2022-08-01
KR20200116504A (ko) 2020-10-12
EP3745732A1 (en) 2020-12-02
JP7383754B2 (ja) 2023-11-20

Similar Documents

Publication Publication Date Title
CN110139167B (zh) 数据处理方法以及服务器
CN106850337B (zh) 一种网络质量检测方法及装置
Seufert et al. Stream-based machine learning for real-time QoE analysis of encrypted video streaming traffic
JP3851097B2 (ja) エンド・ツー・エンド特性の測定方法及び装置
US8837287B2 (en) Application-specific management of high-bandwidth transfers
US8724503B2 (en) Sub-path E2E probing
CN104115448A (zh) 监测网络传输特性的方法与装置
JP2019518386A (ja) ビデオ品質を判定するための方法および装置、ならびにネットワーク障害を位置特定するための方法および装置
JP4167876B2 (ja) ネットワーク計測設定装置
JP2006165789A (ja) ユーザ体感品質監視装置および方法
CN101247291A (zh) 网络设备的网络带宽检测方法
WO2007033555A1 (fr) Procede, dispositif et systeme d'obtention d'un parametre d'efficacite de liaison
US11943275B2 (en) System and method for managing adaptive bitrate video streaming
KR100943728B1 (ko) Ｉｐ 패킷 헤더의 총길이 필드를 이용한 링크별 가용대역폭 측정 방법 및 링크의 가용 대역폭 정보 관리 방법
JP5335867B2 (ja) 基本ＧｏＰ長を用いた映像品質推定装置及び方法及びプログラム
JP2004032377A (ja) ボトルネック推定方法並びに装置および前記方法のプログラムを記録したコンピュータ読取り可能な記録媒体
JP7077914B2 (ja) 無線ｌａｎ通信品質推定方法、無線ｌａｎ通信品質推定システム、情報収集装置および無線ｌａｎ通信品質推定装置
KR101615059B1 (ko) 홈 네트워크 품질을 결정하기 위한 방법 및 서버
JP4282556B2 (ja) フローレベル通信品質管理装置と方法およびプログラム
JP5923914B2 (ja) 網状態推定装置及び網状態推定プログラム
JP5528372B2 (ja) フロー品質劣化特定装置及び方法
US20230198878A1 (en) Method and system for network segment performance monitoring
JP5862385B2 (ja) 通信監視装置、通信監視方法及び通信監視プログラム
Serral‐Gracià et al. QoS and QoE Effects of Packet Losses in Multimedia Video Streaming
Serral-Gracià et al. Metrics and QoE assessment in P2PTV applications

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant