CC BY
28ИССЛЕДОВАНИЕ ПЕРЕДАЧИ ВИДЕОПОТОКОВ IPTV ЧЕРЕЗ СЕТЬ SDN С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИИ MEC
М.А. Маколкина1*, С. Манарийо1, А.С.А. Мутханна1
1Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича, Санкт-Петербург, 193232, Российская Федерация *Адрес для переписки: makolkina@list.ru
Информация о статье
УДК 621.394/396 Язык статьи - русский
Ссылка для цитирования: Маколкина М.А., Манарийо С., Мутханна А.С.А. Исследование передачи видеопотоков IPTV через сеть SDN с использованием технологии MEC // Труды учебных заведений связи. 2018. Т. 4. № 4. С. 77-84. DOI: 10.31854/1813-324X-2018-4-4-77-84
Аннотация: C появлением новых технологий, таких как дополненная реальность и Интернет Вещей, популярность услуг передачи видео по сетям увеличивается с поражающей скоростью. Для предоставления видеоуслуг с надлежащим качеством необходимо разрабатывать новые механизмы работы сетей связи, позволяющие повысить эффективность функционирования сети. В статье предложен алгоритм, повышающий эффективность доставки видео за счет использования технологии мобильных граничных вычислений -Mobile Edge Computing (MEC) в управляемом режиме по программно-конфигурируемой сети -Software-Defined Networking (SDN). C помощью имитационного моделирования проведено исследование работы алгоритма. По результатам моделирования показано улучшение качества передачи видео за счет уменьшения задержек в сети.
Ключевые слова: Internet Protocol Television (IPTV), трафик видео, программно-конфигурируемая сеть -Software-Defined Networking (SDN), технология мобильных граничных вычислений - Mobile Edge Computing (MEC), качество восприятия - Quality of Experience (QoE).
I. Введение
На сегодняшнем мультимедийном рынке сложно не увидеть рост популярности потоковой передачи видео по IP-сети. Наглядным примером является увеличение пользователей и расширение номенклатуры услуг в IPTV [1, 2]. Передача и доставка мультимедийных данных, а именно видео, через публичные (Public) или закрытые (Private) сети является тем видом приложений, которые предъявляют максимальные требования к пропускной способности сети и, особенно, чувствительны к потере пакетов, задержке и джиттеру [3]. На практике подобные приложения быстро «съедают» ресурсы пропускной способности сети связи по причине большого количества пользователей как на сети доступа к видеоуслугам, так и в магистральной сети. Таким образом, оптимизация эффективности использования пропускной способности и улучшение качества обслуживания являются ключевыми факторами для успешной доставки видео и предоставления мультимедийных услуг с надлежащим качеством. Для эффективной
обработки значительного количества запросов пользователей на видеоконтент, операторы размещают свое оборудование доставки контента на периферии операторской сети (edge networks). Так, часто используют сервер доставки и дистрибуции содержимого на сети CDN (от англ. Content Delivery Network-Server). Он выполняет функции кэширования контента и обслуживания пользователей на сети в непосредственной близости. Пропускная способность значительно возрастает в случае, когда сетевые ресурсы передаются из кэша, а CDN использует граничное местоположение, ближайшее к пользователю для сокращения времени ответа.
Mobile Edge Computing (MEC) [4, 5] или технология мобильных граничных вычислений - это технология, которая использует облачные вычислительные возможности и инфраструктуру ИТ-услуг на периферии сети. Это быстрорастущая технология, которая позволяет размещение видеоресурсов и приложений ближе к конечным пользователям видеоуслуг [6].
Размещение контента и приложений на периферии сети позволяет пользователям получать видеоконтент с минимальной задержкой, а операторы сети могут реализовать операционную и экономическую эффективность при снижении задержки сети и, в конечном счете, улучшается качество восприятия видео пользователем [7, 8]. Технические стандарты для MEC разрабатываются Европейским институтом по стандартизации в области телекоммуникаций (ETSI, от англ. European Telecom-munications Standards Institute), который создал для этой цели новую группу отраслевых спецификаций в 2014 году.
Одним из перспективных методов упрощения функций основных элементов сети и увеличения пропускной способности сети (включая IPTV) является программно-конфигурируемая сеть (SDN, с англ. Software-defined Networking) [9, 10]. Концепция SDN предполагает разделение передачи данных и функций управления сетью, что хорошо подходит для реализации многих сложных видеоуслуг. SDN - это многообещающее решение, позволяющее использовать более распределенную, гибкую и масштабируемую сеть.
В данном исследовании в качестве транспортной сети была выбрана технология SDN, которая на сегодняшний день имеет ряд существенных преимуществ при доставке контента за счет обеспечения эффективной автоматизации сетевых элементов, а также способствует динамической конфигурации сети.
Целью исследования является разработка алгоритма, который создает среду, с наименьшей задержкой и высокой пропускной способностью, предоставляя тем самым доступ к видеоприложениям в режиме реального времени. Алгоритм показывает, как программируемость и/или конфигурируемость сети (SDN) могут использоваться вместе для повышения качества обслуживания (QoS) с использованием технологии MEC.
Управление видеоконтентом путем распределения или кэширования файлов в сетях передачи данных с применением в определенной степени надежных мер безопасности представляет собой серьезную проблему при предоставлении видеоуслуг. В то же время требования пользователя к качеству восприятия постоянно растут. Операторы ищут новые способы эффективного предоставления видеоконтента конкретным клиентам или группам клиентов, которые позволяют передавать большие объемы трафика. Концепция Edge Computing или «граничных вычислений» быстро развивается и похоже, будет играть важную роль в будущих виртуализированных сетях. Она должна придать новый импульс к их распространению, а также способствовать созданию новых бизнесов и развитию новых возможностей. Применительно к сетям мобильной связи термин MEC инициирован
как группа отраслевых технических условий (ISG, от англ. Industry Specification Group) в рамках ETSI.
Целью статьи является разработка и исследование алгоритма для доступа к видеоуслугам IPTV в управляемом режиме по программно-конфигурируемой сети, который позволяет повысить качество обслуживания, за счет уменьшения задержек в сети и, в конечном счете, улучшая качество восприятия конечных пользователей. Также показано положительное влияние сети SDN при использовании предлагаемого алгоритма на задержку доставки видео.
Статья организована следующим образом: в разделе II анализируются другие работы в предметной области исследований; раздел III показывает структуру экспериментального исследования и характеризует некоторые элементы; в разделе IV описывается предлагаемый алгоритм для выгрузки видеотрафика из ядра сети на основе граничных облачных вычислений; в разделе V и VI представлены результаты исследования работы алгоритма; раздел VII содержит выводы по работе.
II. Анализ тематики исследования
К настоящему времени, консорциум операторов, производителей и поставщиков работает вместе над разработкой открытой архитектуры и программных интерфейсов приложений API (от англ. Application Programming Interface) для доставки контента и услуг с границ операторской сети. MEC дополняет и поддерживает как SDN, так и NFV (от англ. Network Function Virtualization - виртуализация сетевых функций) [10]. Вместе эти технологии оказывают существенное влияние на сеть. Так, в [6] авторы применяют подход к разгрузке мобильных устройств от процесса кодирования видео и переносят его во внешние службы в существующей архитектуре мобильной сети, что снижает энергопотребление мобильных устройств. MEC находится на стадии стандартизации [13, 14], которая инициирована в рамках ETSI. ETSI излагает пять важных вариантов использования MEC, предназначенных для будущей стандартизации [11]. Группа отраслевых спецификаций (ISG) была создана для содействия в разработке более широкой «экосистемы» MEC на основе открытых стандартов.
В статье [9] предлагается модель Edge Cloud, в которой путем расширения общего облачного центра данных за счет организации узлов обслуживания, размещенных на границах сети, показаны преимущества такой конфигурации для двух сценариев: точной локализации с низкой задержкой и потока видеомониторинга с масштабируемой пропускной способностью. IBM, Huawei, Intel, Vodafone, NTT DoCoMo and Nokia Networks являются основателями отраслевой группы, поддерживающей рабочую группу MEC в организации стан-
дартов ETSI. Это важно, поскольку предоставление стандартизованной открытой сетевой среды ближе к краю сети доступа, позволит поставщикам услуг доставлять видеоконтент и услуги пользователям более своевременно, так как MEC позволяет кэшировать критичный к задержкам контент в локальных, ближайших базовых станциях, что значительно сокращает перегрузку на транспортной сети.
В статье [14] представлена модельная сеть для тестирования передачи различного трафика по сетям SDN, что подтверждает актуальность исследования и показывает возможности технологии SDN по доставке существующего трафика.
f Сервис IPTV А ^ f Сервис IPTV В ^ f Сервис IPTV С ^
Рис. 1. Архитектура модельной сети IPTV/SDN
III. Архитектура модельной сети IPTV/SDN
В этом разделе предлагается модельная сеть, состоящая из программно-конфигурируемой сети и MEC, и описывается их взаимодействие на границе сети для оптимальной доставки видео. На рисунке 1 показана исследуемая архитектура модельной сети. Модельная сеть базируется на программно-конфигурируемой сети, состоящей из нескольких физических и виртуальных OpenFlow-коммутаторов и контроллера SDN, который полностью отделяет плоскость передачи данных от функций управления сетью.
Модельная сеть (см. рисунок 1) включает в себя 3 комплекса (A, B, C), и каждый комплекс состоит из сервера, модулятора, кодера, пользователей, сети связи, плоскости управления, контроллера SDN, контроллера MEC и оркестратора. На данной модельной сети реализованы следующие функции:
- оркестратор является элементом системы управления, которая контролирует и управляет всеми системами оператора;
- контроллер SDN имеет глобальное представление о топологии сети, поэтому он реализует программирование по всей сети, контролирует уровень передачи данных, обеспечивает гибкую сеть, обходя ограничения традиционной сети;
- контроллер MEC - это мобильная вычислительная система, которая может арендовать требуемые ресурсы на некоторый короткий период времени.
Программируемость ядра сети, реализуемой SDN, MEC использует для успешной программиру-емости на границе сети и дополнительно имеет полномочия принятия контрольных решений. SDN и MEC являются взаимодополняющими технологиями, имеющими общую цель: применение конкретных принципов управления к плоскости передачи данных.
Пользователь IPTV запрашивает видеоконтент через сеть, затем MEC создается в нескольких коммутаторах или в одном из OpenFlow-коммутаторов. MEC оценивает вероятность запросов контента от группы пользователей. В случае высокого спроса одного и того же контента, контент загружается на ближайший к пользователям узел. Это обеспечивает выгрузку видеоконтента из ядра сети, тем самым достигается высокий уровень QoS и качества восприятия (QoE, от англ. Quality of Experience) соответственно за счет уменьшения нагрузки на магистральную сеть.
IV. Алгоритм выгрузки видеотрафика
В данном разделе рассмотрен алгоритм для выгрузки видеотрафика из ядра сети на основе граничных облачных вычислений (рисунок 2). Выгрузка трафика снижает нагрузку на ядро сети, тем самым повышая значения показателей качества обслуживания не только для видеотрафика, но и для других типов трафика, присутствующих в сети. Данный алгоритм позволяет снизить загруз-
ку центрального облачного сервера и распределить ее на границах сети в зависимости от плотности пользователей. Поскольку в основе алгоритма лежит технология МЕС, то он позволяет снизить задержки при предоставлении различных услуг и уменьшить нагрузку на канал связи. Алгоритм хорошо себя зарекомендовал при доставке антипер-систентного трафика за счет эффективного использования ресурсов сети. К его очевидным достоинствам можно отнести следующее:
- заблаговременная выгрузка из ядра сети для полученных видеоданных;
- обеспечение необходимых вычислений в непосредственной близости от STB-устройств;
- уменьшение нагрузки на магистральную сеть;
- увеличение гибкости и доступности сети.
Рассмотрим предлагаемый алгоритм более подробно. В данном алгоритме один коммутатор выбирается для размещения сервера MEC. Затем, исходя из вероятности наличия желаемого видеоконтента на конкретном коммутаторе, необходимый контент загружается ближе к пользователям.
В предлагаемом алгоритме основная точка последовательности диаграммы начинается с этапа аутентификации группы приставок STB (от англ., Set-Top Box - ресивер цифрового телевидения) сервером IPTV. После успешной аутентификации сервер инициирует процедуру передачи в оркестратор информации о секторе запроса группы STB. Затем оркестратор определяет оптимальное распределение MEC в одном или нескольких коммутаторах (принятие решения о распределении ресурсов) на основе следующих критериев:
- ближайший узел к группе приставок STB;
- возможность хранения контента;
- возможность обрабатывать запросы узлов;
- возможность загрузки контента из других MEC (один и тот же контент может быть сохранен в других MEC в одно и то же время).
Далее, осуществляется выбор оптимального распределения контента на сервер МЕС на основе значений вышеуказанных критериев. В случае, когда все критерии выполнены, виртуальный MEC создается в подходящем узле. Затем параметры предоставления услуги пользователю (Billing, QoS, ...) отправляются с сервера IPTV в оркестратор. После чего параметры видео и программа телепередач (EPG, от англ. Electronic Program Guide) отправляются в выбранный MEC, который дальше загружает контент из других MEC или с сервера IPTV и одновременно отправляет группе пользователей.
Алгоритм помогает разгрузить ядро сети и интерфейсы сервера, поскольку все запросы пользователей поступают в сектор MEC, что обеспечивает минимальную задержку и, в конечном счете, улучшает качество восприятия пользователем.
V. Натурный эксперимент
На базе модельной сети, в которой в качестве основной технологии построения сети связи была выбрана технология программно-конфигурируемых сетей, был проведен натурный эксперимент для оценки эффективности функционирования разработанного алгоритма. На рисунке 3 представлена структура натурного эксперимента.
При исследовании была построена сеть, которая состоит из следующих элементов:
- четырех OpenFlow-коммутаторов с характеристиками: Lanner Intel(R) Xeon(R) CPU E5-2650 v4@2.20GHz, core 12 RAM 40 GB;
- одного оркестратора: Brain Net service Platform;
- трех виртуальных OpenFlow-контроллеров;
- видеосервера с характеристиками: Intel(R) Xeon(R) CPU E5-2620 v4@2.10GHz, core 32 RAM 48GB;
- эмулирующего сервера IPTV с использованием генератора RTP.
Для каждого коммутатора была задана случайная условная вероятность наличия желаемого видео-
контента в этом узле. Для этого был написан на языке Python скрипт генератора трафика, в котором можно задавать различные параметры контента.
Например, для представленного эксперимента задавалась различная вероятность поступления трафика для каждого коммутатора. Для коммутатора 93(A) вероятность P(A) = 0,25, для коммутатора 94(5) - P(B) = 0,64, P(C) = 0,71 для коммутатора 95(C), P(D) = 0,25 для коммутатора 96(D).
Оркестратор
I fj)
СерверIPTV
! ГЛ
Рис. 3. Структура натурного эксперимента
VI. Результаты эксперимента
Результаты натурного эксперимента представлены на рисунках 4-5. В результате исследования установлено, что загрузка трафика в сети в традиционной системе одинаковая все время (голубая линия на рисунке 4). При использовании предложенного алгоритма загрузка трафика увеличивается по мере загрузки контента, а затем происходит полное освобождение канала.
На рисунке 5а представлена загрузка трафика в традиционной системе. Как видно из рисунка, при тестировании традиционной сети средняя задержка достигает 80 мс. На рисунке 5б можно видеть задержку в системе при использовании разработанного алгоритма. При тестировании сети с использованием предложенного алгоритма средняя задержка уменьшается в 20 раз, что естественно, приводит к улучшению качества обслуживания и, в конечном счете, качества восприятия конечного пользователя.
СБ" from OF sw94
О ID 20 30 « 50 60 70 80 90 1D0 111] 120 130 140 150 1Б0 170 ISO 190 200 2111 220 230 240 250 260 270 280 290 300 31D 320 330 340 350 360 370 380 390 400 41D
TIME (MIN)
Рис. 4. Нагрузка трафика в сегменте сети СВ' в традиционных системах и с использованием предложенного алгоритма
Рис. 5. Задержка трафика: а) в традиционной системе; б) в системе с использованием предложенного алгоритма
VII. Заключение
Подход, основанный на программно-конфигурируемой сети, обеспечивает безопасность, управление сетью, мониторинг, высокое качество обслуживания и качество восприятия, соответственно. Технология SDN является довольно универсальной, поэтому изучение алгоритмов для SDN-сетей и их внедрение в работе уже существующих систем для IPTV становится все более существенным. SDN позволяет осуществлять балансировку нагрузки, что приводит к более эффективному использованию каналов связи.
В результате на основе программно-конфигурируемой сети SDN и платформы MEC был разработан алгоритм разгрузки базовой станции. Так, операторы больше не будут нуждаться в частых обновлениях оборудования, увеличится пропускная способность сети, что значительно сократит эксплуатационные расходы.
Совместное использование технологии MEC и SDN также улучшает качество восприятия пользователей по сравнению с прямой связью с сервером.
В последнее время предоставляемые видеоуслуги стали более разнообразными за счет появле-
ния технологии дополненной реальности. Возможности технологии дополненной реальности расширяют не только номенклатуру услуг по передаче видео, но и позволяют оператору создавать новые методы оценки качества восприятия пользователя, учитывающие в том числе концентрацию внимания и эмоции зрителя. В дальнейшем планируется оценить эффективность работы предложенного алгоритма при предоставлении услуг IPTV с применением технологии дополненной реальности. Также в ходе последующих исследований планируется установить взаимосвязь между характеристиками работы сети SDN совместно с МЕС и субъективными оценками качества предоставления видеоуслуг с применением дополненной реальности. В том числе планируется исследовать такие показатели QoE, как своевременность предоставления дополнительной информации пользователю, степень соответствия предоставленной дополнительной информации потребностям пользователя и степень удобства восприятия предоставленных данных.
Список используемых источников
1. Маколкина М.А. Оценка качества восприятия видео на основе распознавания эмоций // Электросвязь. 2015. № 9. С. 24-28.
2. Манарийо С., Маколкина М.А., Мутханна А.С. Исследование качества восприятия IPTV на базе программно-конфигурируемой сети SDN // 72-я Всероссийская научно-техническая конференция, посвященная Дню радио (Санкт-Петербург, 20-28 апреля 2017 г.): труды конференции. СПб: СПбГЭТУ «ЛЭТИ». 2017. С. 168-169.
3. Маколкина М.А. Взаимосвязь субъективных оценок качества восприятия видео и значений параметра Хёрста // Системы управления и информационные технологии. 2014. Т. 55. № 1-1. С. 169-172.
4. Атея А.А., Мутханна А.С., Кучерявый А.Е. Архитектура сотовой системы 5G на базе MEC. В книге: Молодежная научная школа по прикладной теории вероятностей и телекоммуникационным технологиям (APTCT-2017): материалы молодежной научной школы М.: РУДН, 2017. С. 23-29.
5. Ateya A., Al-Bahri M., Muthanna A., Koucheryavy A. End-to-End System Structure for 850 Latency Sensitive Applications of 5G // Электросвязь. 2018. № 6. С. 56-61.
6. Beck M., Feld S., Fichtner A., Linnhoff-Popien C., Schimper T. ME-VoLTE: Network functions for energy-efficient video transcoding at the mobile edge // 18th International Conference on Intelligence in Next Generation Networks (ICIN), 17-19 February 2015, Paris, France. 2015. С. 38-44. D0I:10.1109/ICIN.2015.7073804
7. Makolkina M., Muthanna A., Manariyo S. Quality of Experience Estimation for Video Service Delivery Based on SDN Core Network // Internet of Things, Smart Spaces, and Next Generation Networks and Systems. Lecture Notes in Computer Science. 2017. Vol 10531. PP. 683-692. D0I:10.1007/978-3-319-67380-6_65
8. Chiang M., Zhang T. Fog and IoT: An Overview of Research Opportunities // IEEE Internet of Things Journal. 2016. Vol. 3. Iss. 6. РР. 854-864. D0I:10.1109/JI0T.2016.2584538
9. Chang H., Hari A., Mukherjee S., Lakshman T.V. Bringing the cloud to the edge // IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS), 27 April-2 May 2014, Toronto, Canada. 2014. PP. 346-351. DOI:10.1109/INFCOMW.2014.6849256
10. Ateya A.A., Muthanna A., Gudkova I., Abuarqoub A., Vybornova A., Koucheryavy A. Development of Intelligent Core Network for Tactile Internet and Future Smart Systems // Journal of Sensor and Actuator Networks. 2018. Vol. 7. Iss. 1. DOI:10.3390/jsan7010001
11.ETSI GS MEC-ISG 004 V1.1.1 (2015-11) Mobile-Edge Computing (MEC); Service Scenarios. URL: https://www.etsi. org/deliver/etsi_gs/MEC-IEG/001_099/004/01.01.01_60/gs_MEC-IEG004v010101p.pdf (дата обращения 14.12.2018)
12.ETSI GS MEC-ISG 005 V1.1.1. Mobile-Edge Computing (MEC); Proof of Concept Framework. 2015. URL: https://www.etsi. org/deliver/etsi_gs/MEC-IEG/001_099/005/01.01.01_60/gs_MEC-IEG005v010101p.pdf (дата обращения 14.12.2018)
13. Patel M., Joubert J., Ramos J.R., Sprecher N., Abeta S., Neal A. Mobile-Edge Computing // Introductory Technical White Paper. 2014. Iss. 1. URL: https://portal.etsi.org/portals/0/tbpages/mec/docs/mobile-edge_computing_introductory_technical_
white_paper_v1%2018-09-14.pdf (дата обращения 14.12.2018)
14. Vladyko A., Muthanna A., Kirichek R. Comprehensive SDN testing based on Model Network // Internet of Things, Smart Spaces, and Next Generation Networks and Systems. Lecture Notes in Computer Science. 2016. Vol 9870. PP. 539-549. DOI:10.1007/978-3-319-46301-8_45
* * *
INVESTIGATION OF IPTV VIDEO STREAMS DELIVERY VIA SDN USING MEC TECHNOLOGY
Makolkina M.1*, Manariyo S.1, Muthanna A.1
*The Bonch-Bruevich Saint-Petersburg State University of Telecommunication, St. Petersburg, 193232, Russian Federation
Article info
Article in Russian
For citation: Makolkina M., Manariyo S., Muthanna A Investigation of IPTV Video Streams Delivery via SDN Using MEC Technology. Proceedings of Telecommunication Universities. 2018;4(4):77-84. (in Russ.) Available from: https://doi.org/10.31854/1813-324X-2018-4-4-77-84
Abstract: With the advent of new technologies, such as augmented reality and the Internet of Things, the popularity of video transmission services over networks is significantly increasing. In order to provide video services with the appropriate quality, it is necessary to develop new communication networks mechanisms, which allow increasing
the network efficiency. The article proposes an algorithm that improves video delivery efficiency by using Mobile Edge Computing (MEC) technology in a controlled mode over Software-Defined Networking (SDN). The algorithm performance was studied using a simulation model. According to the simulation results, the quality of video transmission is significantly improved by reducing network delays.
Keywords: Internet Protocol Television (IPTV), video traffic, Software-Defined Network (SDN), Mobile Edge Computing (MEC), quality of experience (QoE).
References
1. Makolkina M.A. Video Quality of Experience Evaluation Based on Emotions Electrosvyaz. 2015;9:24-28. (in Russ.)
2. Manariyo S., Makolkina MA, Muthanna A.S. Issledovanie kachestva vospriiatiia IPTV na baze programmno-konfiguri-ruemoi seti SDN [Investigation of the Quality of Perception of IPTV based on Software-Configured Network SDN]. 72-ia Vse-rossiiskaia nauchno-tekhnicheskaia konferentsiia posviashchennaia Dniu radio, 20-28 April 2017, Sankt-Peterburg: trudy konfer-entsii [Proceedings of the 72nd All-Russian Scientific and Technical Conference dedicated to the Day of Radio, 20-28 April 2017, St Petersburg]. St Petersburg: Saint-Petersburg Electrotechnical University ETU "LETI" Publ. 2017. C 168-169. (in Russ.)
3. Makolkina M.A. Vzaimosviaz subieektivnykh otsenok kachestva vospriiatiia video i znachenii parametra Khersta [The Relationship of Subjective Assessments of the Quality of Video Perception and the Values of the Hurst Parameter]. Sistemy upravleniia i informatsionnye tekhnologii. 2014;55(1-1):169-172. (in Russ.)
4. Ateya A., Muthanna A., Koucheryavy A. Arkhitektura sotovoi sistemy 5G na baze MEC [5G Cell System Architecture Based on MEC]. In: Molodezhnaia nauchnaia shkola po prikladnoi teorii veroiatnostei i telekommunikatsionnym tekhnologiiam: materialy molodezhnoi nauchnoi shkoly [Youth Scientific School on Applied Probability Theory and Telecommunication Technologies: Materials from the Youth Scientific School]. Moscow: RUDN University Publ.; 2017. p.23-29. (in Russ.)
5. Ateya A., Al-Bahri M., Muthanna A., Koucheryavy A. End-to-End System Structure for 850 Latency Sensitive Applications of 5G. Electrosvyaz. 2018;6:56-61.
6. Beck M., Feld S., Fichtner A., Linnhoff-Popien C., Schimper T. ME-VoLTE: Network functions for energy-efficient video transcoding at the mobile edge. 18th International Conference on Intelligence in Next Generation Networks, 1C1N 2015,17-19 February 2015, Paris, France. 2015. PP. 38-44. Available from: https://doi.org/10.1109/ICIN.2015.7073804
7. Makolkina M., Muthanna A., Manariyo S. Quality of Experience Estimation for Video Service Delivery Based on SDN Core Network. In: Galinina O., Andreev S., Balandin S., Koucheryavy Y. (eds) Internet of Things, Smart Spaces, and Next Generation Networks and Systems. Lecture Notes in Computer Science, vol 10531. Cham, Switzerland: Springer; 2017. p.683-692. Available from: https://doi.org/10.1007/978-3-319-67380-6_65
8. Chiang M., Zhang T. Fog and IoT: An Overview of Research Opportunities. IEEE Internet of Things Journal. 2016;3(6): 854-864. Available from: https://doi.org/10.1109/JIOT.2016.2584538
9. Chang H., Hari A., Mukherjee S., Lakshman T.V. Bringing the cloud to the edge. IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS), 27 April-2 May 2014, Toronto, Canada. 2014. p.346-351. Available from: https://doi.org/10.1109/INFCOMW. 2014.6849256
10. Ateya A.A., Muthanna A., Gudkova I., Abuarqoub A., Vybornova A., Koucheryavy A. Development of Intelligent Core Network for Tactile Internet and Future Smart Systems. Journal of Sensor and Actuator Networks. 2018;7(1). Available from: https://doi.org/10.3390/jsan7010001.
11. ETSI GS MEC-ISG 004 V1.1.1 (2015-11). Mobile-Edge Computing (MEC); Service Scenarios. Available from: https://www.etsi.org/deliver/etsi_gs/MEC-IEG/001_099/004/01.01.01_60/gs_MEC-IEG004v010101p.pdf (Accessed 14th December 2018)
12. ETSI GS MEC-ISG 005 V1.1.1 (2015-11). Mobile-Edge Computing (MEC); Proof of Concept Framework. Available from: https://www.etsi.org/deliver/etsi_gs/MEC-IEG/001_099/005/01.01.01_60/gs_MEC-IEG005v010101p.pdf (Accessed 14th December 2018)
13. Patel M., Joubert J., Ramos J.R., Sprecher N., Abeta S., Neal A. Mobile-Edge Computing. Introductory Technical White Paper. 2014. Iss. 1. Available from: https://portal.etsi.org/portals/0/tbpages/mec/docs/mobile-edge_computing_introductory_tech-nical_white_paper_v1%2018-09-14.pdf (Accessed 14th December 2018)
14. Vladyko A., Muthanna A., Kirichek R. Comprehensive SDN testing based on Model Network. In: Galinina O., Balandin S., Koucheryavy Y. (eds) Internet of Things, Smart Spaces, and Next Generation Networks and Systems. Lecture Notes in Computer Science, vol 9870. Cham, Switzerland: Springer; 2016.p.539-549. Available from: https://doi.org/10.1007/978-3-319-46301-8_45
