郑旭+李建中+赵旭

摘要： 关键词： 中图分类号： 文献标志码： A文章编号： 2095-2163（2017）06-0001-05

Abstract： The link scheduling policy for wireless networks determines the set of links to transmit in each time slot. Each link refers to a pair of source and destination nodes， and all the selected links can transmit simultaneously. To gain a general understanding of the current scheduling policies can help build a proper evaluation on the performance of the whole network， and also set some basic principles for the design of the networks. This paper surveys the main branches of current scheduling policies， and gives some insights on the opening problems and their challenges. More specifically， the scheduling policies designed for maximized throughput， quality of service， and application are introduced. For the open question， the paper mainly introduces the design of applicationlevel scheduling policy.

Keywords：

0引言

无线网络作为当下重要的支持各种应用场景中数据流通的媒介，持续的引起了人们的关注。包括信息物理融合系统、移动社交网络、手机网络等多个系统均依赖于无线网络的技术支持。然而，受到其固有特征的限制，无线网络中的数据传输不同于一般的有线网络。这一差别主要表现在以下几个方面：

首先，无线网络中的不同链路，当其设备足够接近时会产生冲突。这一情况不同于有线网络各条链路独立传输的情况，为无线网络中各链路的传输提出了更多的挑战。单条链路只有在不存在冲突时才可以顺利完成传输。

其次，受到环境干扰，无线网络中的链路通常是不稳定的，因此链路进行传输时会出现传输失败的情况，需要动态地选择链路质量较好的链路进行数据的传输。

基于上述原因，无线网络的传输调度策略设计成为了一个颇具挑战的研究领域。链路传输调度策略选择在每个时间片断内进行传递的链路集合，选定的链路互不冲突。目前的传输调度策略主要可以分为三类，具体内容分述如下：

1）基于吞吐量的调度策略。这一类策略在每个时间段内尝试最大化地利用网络资源，同时兼顾各个节点的等待队列长度。这类方法沿用了有线网络中的若干思想，即在每一时刻最大化网络中总的吞吐量，充分利用带宽。

2）基于服务质量的调度策略。不同于简单的数据交换网络，无线网络经常需要承载一些功能更为复杂的应用，这些应用对链路上数据的传输不仅有数量要求，还有服务质量要求，如数据传输延时、传输比例和服务频率等。调度策略在进行链路选择时，需要以满足各条链路的相应服务质量为目标。

3）基于应用的调度策略。考虑无线网络经常需要支持一些具体应用，保证应用的正常运行便是一个顺理成章的设计思路，即在选择链路时，优先考虑链路上的应用是否能够正常运行。

了解当前调度策略的研究現状能够帮助研究人员在为新应用场景设计底层无线网络时提供一系列建议，包括对链路层协议的设计，以及对整个网络的性能的直观印象，进而决定是否需要通过额外的技术增加网络带宽。

基于上述原因，本文将总结现有针对无线网络的主要传输调度策略的研究进展，重点介绍各种策略所对应的具体场景，以及能达到的传输性能。同时，分析探讨一种较为复杂的应用场景，即视频传输中的调度机制。最后，给出今后传输调度策略设计所面对的新挑战和未解决问题。

1以吞吐量为目标的调度策略

在考虑无线网络中的数据传输时，研究人员首先沿用有线网络中的设计思想，提出应当最大化网络中的吞吐量，即单位时间内网络的总传输速率。基于上述思想，文献[1]提出了一种吞吐量优化的传输调度策略。这一策略在一般的无线网络中，考虑在每个时间槽内调度总权重最大的互不冲突链路集合进行传输，此处权重指各链路数据等待队列长度和传输速率的比值。吞吐量优化定义为该传输策略能够支持所有被某个传输调度策略所指定的链路数据抵达速率向量，保证网络中各链路在其抵达速率下队列长度有限。文献[2]深入探究了更多的权值定义方式，例如考虑通信信道质量、数据包延时限制等，并且证明了在这些定义方式下，权值最大化的调度策略仍然是吞吐量优化的。文献[3]分析了在最大化权重调度策略中链路上队列的长度以及延时长度。

然而，在一般的无线网络及干扰模型中，寻找一组互不干扰的链路集，并且保证其权值之和最大是一个NP难题。因此，最大化权值的调度策略通常需要极高的时间开销。基于上述原因，在确保吞吐量性能保证的前提下，一系列低时间开销的调度策略也随即出现。一些策略采用选择和比较类的自适应策略[4-5]。这些策略时间开销较小，并且能够在多个时间片段后逐步达到吞吐量优化的表现。但是这些工作无法适用于包含信道衰减和变化的情况[6]。文献[7]证明了极大化权重的调度策略同样能够满足容量区域中一定比例的数据抵达速率向量，这一比例的大小为极大化权值的总权重同最大权值的比值。受这一成果启发，许多后续研究将重点转移至如何在所有链路中寻找一个更佳优化的权值极大化独立链路子集（Maximal weight independent set，MWIS）。文献[8-9]又分别提出了不同的MWIS选择策略，能够保证所选链路权值的大小。而且，文献[10-12]也分别针对不同的网络模型提出了不同的分布式调度策略。endprint

2以链路服务质量为目标的调度策略

易见，上述的研究工作均以如何保证更多的数据在网络中流通作为传输调度策略设计的核心思想之一。然而，实际的无线网络通常需要承载更加复杂的系统，这些系统不仅仅对较长时间内的总体数据传输量具有要求，也对链路服务质量提出了一些规范要求。以针对环境监测的无线传感器网络为例，在完成数据收集的同时，由于监测数据的重要性，各个节点同样希望其数据能够及时地传输至基站，即满足链路传输延时的限制，同时，网络中的簇头节点需要周期性地监控网络中各个节点的存活状况，进而提出了各链路传输调度频率的要求。针对上述情况，研究人员展开了一系列的研究工作，并对其重点研究进展可做阐释解析如下。

文献[13]提出了一种兼顾吞吐量和传输延时的传输调度策略，这一策略沿用了最大吞吐量策略的设计思路，但是引入了数据等待时间的信息，进而在保证吞吐量优化的同时，也切实保证了各数据的最坏等待时间。文献[14-16]均将时间划分为多个时间分段，每个数据包会在其到达的时间分段結束前过期。这些工作主要在于不同的应对信号衰减的策略[17]，不一致的等待时间分布[18]，或者在每个时间分组的开始阶段是否能够获得所有数据包信息[19]等。与此同时，文献[20]提出了一种考虑数据包传输比例的调度策略，能够维护各条链路在一定时间内未能成功传输的数据包个数，从而平衡各链路的数据包传输比例。

文献[21]提出了一种针对背压算法的数据传输调度策略，这一策略能够克服数据会通过一条较长路径进行传输的问题，从而改进了传输的延时。文献[22]改进了[21]的工作，在缩小传输延时的前提下，证明了所提出的策略同时是吞吐量优化的。文献[23-24]研究了无线网络中考虑服务规律性的链路调度问题。文献[25]提出了一个新的参数来衡量服务规律性的表现，即最近服务时间间隔。在其所设计的最大化权值调度策略中，链路得到调度的概率随着最近服务时间的增加而增大，因而改进了服务等待时间，即服务规律性。文献[26]进一步分析了当数据抵达速率靠近容量区域边界时，各链路服务时间间隔的表现。

上述研究工作主要围绕如何在全局进行数据传输调度，从而保证整个系统的正常运行。然而链路层数据传输调度方法同样需要考虑一些局部的设计。例如在多跳网络中，如何将数据由原节点在限定时间内传输至目的节点。文献[27]研究了一种带最大传输延时保证的链路选择及调度策略，该方法能在每一跳选择满足延时要求的链路进行传输，从而通过限制单跳延时保证了总的延时。文献[28]改进了现有策略，提出了一种多路径传播的策略，能够平衡网络总的通信负载和数据按时传输的成功率。文献[29]提出的策略能够避开网络中存在的节点空洞。而文献[30-32]则主要从兼顾传输延时和节点能量消耗的角度设计传输策略。

3以应用为中心的调度策略

近年来，伴随着无线网络所支持的场景的不断丰富，基于应用及应用中各个任务的链路调度问题逐渐得到了研究人员的关注。这一类问题突破了单条链路服务质量或者网络吞吐量的局限性，将数据传输调度问题同应用的正常流程进行了结合，调度问题的优化目标被扩展为保证应用的正常运行。

文献[33]提出了一种在较大时间规模上对任务实现调度的策略。该策略选择拥有较好信道质量的链路及其上较长等待时间的任务进行传输，所有被选中的任务可以传输其全部数据包。文献[34]提出了一种改进的最早过期数据优先的调度策略用于视频的传输。文献[35]根据不同应用的不同特性提出了一种调度方案，能够回避短时间内出现的大量通信开销。任务的调度问题同样是云计算所要斟酌处理的问题之一[34-36]，这些工作考虑各个任务的等待时间，同时平衡各个机群的负载，减少带宽开销，对于无线网络数据传输调度策略的设计具有一定的借鉴价值。文献[37-39]研究了无线传感器网络中呈现的不同应用的数据收集问题，而在过程中又分别针对应用的点数据和数据窗口收集问题提出了相应的解决方案。文献[40]设计了一种近似比为2的数据传输策略，其时间复杂度为数据规模的多项式时间。

4视频传输策略中的数据传输机制

随着无线网络技术的迅速发展和移动设备能力的不断增强，在线视频播放正迅速成为占据当前无线带宽的首要应用。因此，视频播放中的数据传输调度方法受到了研究人员的广泛青睐与瞩目。

现有的研究工作大都关注如何通过自适应编码技术[41-42]平衡视频的清晰度及流畅播放情况。当前，许多的视频服务商为其视频提供了多种码率，因此需要相应的比特率选择算法，用于有效权衡更高的编码率同更平稳的视频播放。文献[43]首次提出了如何在基于HTTP协议的视频传输中选择比特率，包括信道质量估计、视频比特率选择等，能够适应不同网络环境。文献[44]采取了一种更加精确的信道质量估计方法，并且证明了在信道可以得到准确估计的情况下，所提出的传输策略能够使得传输表现逼近优化状态。文献[45]仅根据缓冲区中剩余的数据量选择视频编码率，文献[46]同时考虑了信道质量和缓冲区容量来选择视频编码率。文献[47]提出了一种开源的测试平台，用于测试不同视频传输策略的性能，并且比较了不同参数设置对视频传输的影响。

另一部分工作研究如何在视频传输中改善用户的观看体验。文献[48]通过现有的用户体验评价指标分析了已有的视频传输策略的性能，并且提出了需要面对的挑战。文献[49]将视频具体内容同网络资源联合考虑，提出了一种集中式的用户体验优化传输策略。文献[50]通过主观测试发现用户更愿意接受渐变而非突变的视频比特率，进而提出了相应的以用户体验为设计目标的视频传输策略。文献[51]通过在视频传输过程中保证每个用户的比特率变化区间来提供良好的用户体验。文献[52]提出了一种扩展的同时适用于视频及音频的传输策略，在信道质量小幅波动、大幅波动的情况下均能够维护一定水准的用户体验。文献[53]将自适应编码技术应用于车辆网络，证明了相应的策略相较于已有工作能够改善用户体验。文献[54]提出了将自适应编码技术应用于游戏直播的方法。endprint

5结束语

关于链路服务质量和用户体验、应用正常运行的关系已经得到了一系列研究工作的关注。在这些工作中，用户体验通常由服务提供商根据其对用户的了解来进行定义，并且通过应用的相应设计和针对已有数据的分析来规范获得。这种方法在改进用户的基本体验时较为有效，因为这一类型的体验通常由单个应用的运行状况而最终确定。

然而，可能同时运行的多个应用为提升用户体验提出了新的挑战，仅从单个应用的角度考虑用户体验会出现不足。例如当用户暂停其所播放的视频时，可能会存在如下两种情况：

1）视频频繁的缓冲，因此用户暂停视频等待其缓冲结束后再行播放；

2）用户希望暂停视频缓冲，将网络带宽留给其它更高优先级的应用。

两种情况会对视频生成完全相反的传输要求，服务提供商没有办法根据简单的传输比例要求满足各场景。此时保证各个应用有平均的表现不会为用户提供一个优等的全局用户体验，相对地，应当从多个应用的综合表现来改进体验。这就要求对不同应用同時要兼具深入的了解，并且能够发现用户的行为规律。

具体来说，网络运营商需要合理地为各个应用分配资源来最大化全局的用户体验，而非只是做到单个应用的独立维护。然而，由于网络运营商尚无法知晓所有的任务及用户的关注点，获得一个针对多应用的优化的资源分配方案则是一个更具挑战的任务。这一过程受限于技术有待提高、商业竞争以及隐私问题。运营商仅能获取数据包级的信息，并且许多服务商由于自身利益不会参与同类网络运营商的开放合作。此处的另一个问题是，即使用户在移动端的一些简单操作同样可能会泄露用户的隐私信息。因此，服务提供商通常会同用户达成一些隐私保护的协议，从而无法真正实现信息的共享。基于上述原因，虽然一种全局的策略能够进一步改进用户的体验，当前的工作仍然仅能在单个应用层级上展开研究。

综上所述，如何完全获取用户对各个应用的运行期望，进而提出一种全局化的应用级传输调度策略将会成为紧随其后、且亟待解决的研究问题。

参考文献：

[1] [ZK（#〗 TASSIULAS L， EPHREMIDES A. Stability properties of constrained queueing systems and scheduling policies for maximum throughput in multihop radio networks[J]. Automatic Control， IEEE Transactions on， 1992，37（12）：1936-1948.

[2] GUPTA G R， SHROFF N B. Delay analysis for wireless networks with single hop traffic and general interference constraints[J]. IEEE/ACM Transactions on Networking （TON）， 2010，18（2）：393- 405.

[3] BOYACI C， YE X. Optimal delay bound for maximum weight scheduling policy in wireless networks[C]//INFOCOM， 2014 Proceedings IEEE. Toronto， ON， Canada：IEEE，2014：565-573.

[4] BUI L X， SANGHAVI S，SRIKANT R. Distributed link scheduling with constant overhead[J]. Networking， IEEE/ACM Transactions on， 2006，17（5）：1467-1480.

[5] NI J，TAN B， SRIKANT R. Q-CSMA： Queuelengthbased CSMA/CA algorithms for achieving maximum throughput and low delay in wireless networks[C]//INFOCOM， 2010 Proceedings IEEE. California， USA：IEEE， 2010，20（3）：1-5.

[6] LIU X，CHONG E K P，SHROFF N B. A framework for opportunistic scheduling in wireless networks[J]. Computer Networks， 2003，41（4）：451-474.

[7] LIN X， SHROFF N B. The impact of imperfect scheduling on crosslayer congestion control in wireless networks[J]. Networking， IEEE/ACM Transactions on， 2006，14（2）：302-315.

[8] SAKAI S，TOGASAKI M，YAMAZAKI K. A note on greedy algorithms for the maximum weighted independent set problem[J]. Discrete Applied Mathematics，2003，126（2）： 313-322.

[9] WAN P J， FRIEDER O，JIA X，et al. Wireless link scheduling under physical interference model[C]//INFOCOM， 2011 Proceedings IEEE. Shanghai， China：IEEE，2011，28（6）：838-845.endprint

[10]BASAGNI S. Finding a maximal weighted independent set in wireless networks[J]. Telecommunication Systems，2001，18（1）：155-168.

[11]HOEPMAN J H. Simple distributed weighted matchings[J]. arXiv preprint arXiv： cs/0410047，2004.

[12]JOO C，LIN X，RYU J，et al. Distributed greedy approximation to maximum weighted independent set for scheduling with fading channels[C]//Proceedings of the fourteenth ACM international symposium on Mobile ad hoc networking and computing. Bangalore， India ：ACM， 2013：89-98.

[13]NEELY M J. Delaybased network utility maximization[C]// Infocom， IEEE. San Diego， California， USA ：IEEE，2010，21（1）：2669-2677.

[14]HOU I，KUMAR P. Utilityoptimal scheduling in time-varying wireless networks with delay constraints[C]// Proceedings of the eleventh ACM international symposium on Mobile ad hoc networking and computing. Chicago， Illinois， USA：ACM，2010：31-40.

[15]JARAMILO J J， SRIKANT R. Optimal scheduling for fair resource allocation in ad hoc networks with elastic and inelastic traffic[J]. IEEE/ACM Transactions on Networking， 2011，19（4）：1125-1136.

[16]JARAMILLO J J，SRIKANT R， YING L. Scheduling for optimal rate allocation in ad hoc networks with heterogeneous delay constraints[J]. Selected Areas in Communications， IEEE Journal on， 2011，29（5）：979-987.

[17]HOU I H ，KUMAR P. Scheduling heterogeneous real-time traffic over fading wireless channels[C]//INFOCOM， 2010 Proceedings IEEE. San Diego， California， USA：IEEE， 2010：1-9.

[18]KANG X，WANG W，JARAMILLO J J，et al. On the performance of largestdeficitfirst for scheduling realtime traffic in wireless networks[J]. IEEE/ACM Transactions on Networking，2016，24（1）：72-84.

[19]BUI L，SRIKANT R，STOLYAR A. Novel architectures and al gorithms for delay reduction in backpressure scheduling and routing[C]//INFOCOM 2009.Rio de Janeiro， Brazil： IEEE，2009：2936-2940.

[20]LEI Ying，SHAKKOTTAI S，REDDY A， et al. On combining shortestpath and backpressure routing over multihop wireless networks[J]. IEEE/ACM Transactions on Networking， 2011，19（3）：841-854.

[21]LI R， ERYILMAZ A， LI B. Throughputoptimal wireless scheduling with regulated interservice times[C]// INFOCOM， 2013 Proceedings IEEE.Turin： IEEE， 2013：2616-2624.

[22]LI B， LI R， ERYILMAZ A. Heavytrafficoptimal scheduling with regular service guarantees in wireless networks[C]// MobiHoc， 2013 Proceedings ACM. Bangalore， India：ACM， 2013：79-88.

[23]HE Tian，ABDELZAHER T，LU Chenyang， et al. Speed： A stateless protocol for realtime communication in sensor networks[C]//2013 IEEE 33rd International Conference on Distributed Computing Systems. Rhode Island：IEEE， 2003： 46-55.endprint

[24]FELEMBAN E，LEE C G，EKICI E. Mmspeed： Multipath multispeed protocol for Qos guarantee of reliability and timeliness in wireless sensor networks[J]. IEEE transactions on mobile computing， 2006，5（6）：738-754.

[25]ZHAO Lei， KAN Baoqiang， XU Yongjun， et al. FTSPEED： A faulttolerant， realtime routing protocol for wireless sensor networks[C]// Wireless Communications， Networking and Mobile Computing， 2007. WiCom 2007. International Conference on. Shanghai： IEEE， 2007： 2531-2534.

[26]CHEN M，LAI C F，WANG H. Mobile multimedia sensor networks： architecture and routing[J]. EURASIP Journal on Wireless Communications and Networking， 2011，2011（1）：159.

[27]LIAN J， NAIK K. Skipping technique in face routing for wireless ad hoc and sensor networks[J]. International Journal of Sensor Networks， 2008，4（1/2）：92-103.

[28]CHEN M，KWON T，MAO S， et al. Reliable and energyefficient routing protocol in dense wireless sensor networks[J]. International Journal of Sensor Networks，2008， 4（1/2）：104-117.

[29]CHEN Y，NASSER N，SALTI T E，et al. A multipath Qos routing protocol in wireless sensor networks[J]. International Journal of Sensor Networks， 2010， 7（4）： 207-216.

[30]YANG Y， CARDEI M. Delayconstrained energyefficient routing in heterogeneous wireless sensor networks[J]. International Journal of Sensor Networks， 2010， 7（4）：236-247.

[31]HAIDER M B，IMAHORI S，SUGIHARA K. Success guaranteed routing in almost Delaunay planar nets for wireless sensor com- munication[J]. International Journal of Sensor Networks， 2011， 9（2）：69-75.

[32]WU H，LIN X，LIU X，et al. Applicationlevel scheduling with deadline constraints[C]//INFOCOM， 2014 Proceedings IEEE.Toronto， ON， Canada：IEEE， 2014：2436-2444.

[33]HOU I H，SINGH R. Capacity and scheduling of access points for multiple live video streams[J]. arXiv preprint arXiv：1306.2360， 2013.

[34]SHI C，JOSHI K，PANTA R K，et al. Coast： Collaborative applicationaware scheduling of lastmile cellular traffic[C]// Proceedings of the 12th annual international conference on Mobile systems， applications， and services. Bretton Woods， NH， USA：ACM， 2014： 245-258.

[35]BOUTIN E， EKANAYAKE J， LIN W， et al. Apollo： Scalable and coordinated scheduling for cloudscale computing[C]// Proceedings of the 11th USENIX conference on Operating Systems Design and Implementation. Berkeley， CA， USA：ACM， 2014：285-300.

[36]SCHWARZKOPF M，KONWINSKI A，ABDELMALEK M，et al. Omega： Flexible， scalable schedulers for large compute clusters[C]//Proceedings of the 8th ACM European Conference on Computer Systems. Prague， Czech Republic：ACM，2013：351-364.endprint

[37]VERMA A，PEDROSA L，KORUPOLU M， et al. Largescale cluster management at google with borg[C]// Proceedings of the Tenth European Conference on Computer Systems. Bordeaux， France：ACM，2015：18.

[38]TAVAKOLI A，KANSAL A，NATH S. Online sensing task optimization for shared sensors[C]//Proceedings of the 9th ACM/IEEE International Conference on Information Processing in Sensor Networks. Stockholm， Sweden： ACM， 2010：47-57.

[39]FANG X， GAO H， LI J， et al. Applicationaware data collection in wireless sensor networks[C]// INFOCOM， 2013 Proceedings IEEE.Turin， Italy：IEEE，2013：1645-1653.

[40]GAO H，FANG X，LI J，et al. Data collection in multiapplication sharing wireless sensor networks[J]. IEEE Transactions on Parallel and Distributed Systems，2015， 26（2）： 403-412.

[41]van DER S A S， NADERI S V. Systems and methods for performing adaptive bitrate streaming based upon the delay of each stream and the channel rate：US， 9021119[P]. 2015-04-28.

[42]NAM H，KIM K H，CALIN D， et al. Youslow： A performance analysis tool for adaptive bitrate video streaming[C]// ACM SIGCOMM Computer Communication Review.Chicago， Illinois， USA：ACM，2014，44：111-112.

[43]STOCKHAMMER T. Dynamic adaptive streaming over http： Standards and design principles[C]// Proceedings of the second annual ACM conference on Multimedia systems. San Jose， CA， USA： ACM， 2011：133-144.

[44]ZOU X K，ERMAN J，GOPALAKRISHNAN V，et al. Can accurate predictions improve video streaming in cellular networks？[C]// Proceedings of the 16th International Workshop on Mobile Computing Systems and Applications. Santa Fe， New Mexico， USA：ACM， 2015：57-62.

[45]HUANG T Y，JOHARI R，MCKEOWN N， et al. A bufferbased approach to rate adaptation： Evidence from a large video streaming service[C]// Proceedings of the 2014 ACM conference on SIGCOMM. Chicago， Illinois， USA： ACM，2014：187-198.

[46]CICCO L D，CALDARALO V，PALMISANO V， et al. Elastic： A clientside controller for dynamic adaptive streaming over http （dash）[C]// Packet Video Workshop （PV），2013 20th International. San Jose， CA：IEEE， 2013：1-8.

[47] LEDERER S，MULLER C，TIMMERER C. Dynamic adaptive streaming over http dataset[C]// Proceedings of the 3rd Multimedia Systems Conference. Chapel Hill， NC， USA：ACM， 2012：89-94.

[48]OYMAN O， SINGH S. Quality of experience for http adaptive streaming services[J]. IEEE Communications Magazine， 2012，50（4）：20-27.

[49]ESSAILI A E，SCHROEDER D，STAEHLE D， et al. Qualityofexperience driven adaptive http media delivery[C]// Communications （ICC）， 2013 IEEE International Conference on. Budapest：IEEE， 2013：2480-2485.endprint

[50]MOK R K，LUO X，CHAN E W W，et al. Qdash： A QoEaware dash system[C]//Proceedings of the 3rd Multimedia Systems Conference.Chapel Hill， North Carolina： ACM， 2012： 11-22.

[51]HOUDAILLE R，GOUACHE S. Shaping http adaptive streams for a better user experience[C]// Proceedings of the 3rd Multimedia Systems Conference. Chapel Hill， North Carolina：ACM， 2012：1-9.

[52]THANG T C，HO Q D，KANG J W， et al. Adaptive streaming of audiovisual content using mpeg dash[J]. IEEE Transactions on Consumer Electronics， 2012， 58（1）：78-85.

[53]MLLER C， LEDERER S， TIMMERER C. An evaluation of dynamic adaptive streaming over http in vehicular environments[C]// Proceedings of the 4th Workshop on Mobile Video. Chapel Hill， North Carolina：ACM，2012：37-42.

[54]PIRES K， SIMON G. Dash in twitch： Adaptive bitrate streaming in live game streaming platforms[C]// Proceedings of the 2014 Workshop on Design， Quality and Deployment of Adaptive Video Streaming. Sydney， Australia：ACM，2014：13-18.endprint