動画帯域幅とは?
動画帯域幅とは、動画の配信に必要な、または配信によって消費される、単位時間あたりのネットワーク転送容量です。必要な帯域幅は、エンコード済みビットレート、プロトコルのオーバーヘッド、同時配信ストリーム数、利用可能なスループットの変動によって決まります。
動画帯域幅の仕組み
この用語は二つの異なる量を指し、それらの混同が計画上の誤りの大半を引き起こします。一つはストリームが要求する量、つまり配信用の各エンコード版が必要とする毎秒のビット数です。これは、エンコード済み動画のビットレートに音声とコンテナのオーバーヘッドを加えた値です。もう一つは接続が供給する量、つまり視聴者のネットワークが維持できるスループットで、刻々と変化します。ストリーミング形式は前者を公開し、プレーヤーが自ら測定した後者と比較できるようにしています。HLS では、マルチバリアント(マスター)プレイリストの各ビットレートバリアントに、毎秒のビット数で表す必須属性 BANDWIDTH があり、セグメントのピークビットレートとして定義されます。任意属性 AVERAGE-BANDWIDTH もあります。どちらもコンテナのオーバーヘッドは含みますが、HTTP、TCP、IP のオーバーヘッドは含みません。MPEG-DASH では、各 Representation に @bandwidth の値があり、DASH-IF ガイドラインでは最小バッファー時間とともにリーキーバケットモデルで説明されています。プレーヤーは直近のセグメントダウンロードからスループットを推定し、宣言されたレートがその推定値に収まるエンコード版を選択します。運用側では、同じストリーム単位の値を同時視聴者数に応じて合計すると、エッジでの総配信スループットが得られます。さらに、そのスループットに視聴時間を掛けると配信データ量が得られます。
要点
- プレイリストに記載するのは平均値でしょうか、それともピーク値でしょうか。HLS では、
BANDWIDTHはピーク値です。メディアプレイリストが一つのビットレートバリアントでは、ターゲット時間の 0.5 倍から 1.5 倍に相当する、連続したセグメント群のビットレートの最大値を指します。AVERAGE-BANDWIDTHは、セグメントの合計サイズをプレイリストの再生時間で割った値です。音声やその他の代替メディア版を別々にパッケージ化する場合、RFC 8216 は、再生可能なメディア版の組み合わせごとに合計を求め、その最大値を各値に使うよう定めています。そのため、動画プレイリストだけを測定すると、バリアントの申告値が過小になります。これらの測定には、完成したセグメントが必要です。ライブイベントなど、すべてのセグメントのエンコードが終わる前にプレイリストを公開する場合、RFC は、同じ設定でエンコードした類似コンテンツの代表的な期間から得た値を使うよう定めています。また、値が不正確だと再生が停止したり、クライアントがそのバリアントを再生できなくなったりする可能性があると警告しています。可変ビットレートエンコードでは、平均値とピーク値が乖離します。オンデマンドコンテンツについて、Apple のオーサリング仕様は、ピーク値を平均値の 200% 以下にすることを推奨し、実測ピーク値を、宣言したBANDWIDTHの値の 10% 以内に収めるよう要求しています。エンコーダーの動画ビットレート設定値は、これらのどちらとも異なります。プレイリストの値はパッケージ化済みのセグメントから計算され、音声とコンテナのオーバーヘッドを含むためです。 - 視聴者の接続速度は、配信するエンコード版のビットレートをどれだけ上回る必要があるのでしょうか。単に同じではなく、プレーヤーの安全マージン分だけ上回る必要があります。たとえば hls.js のドキュメントには、二つのデフォルト係数が記載されています。現在または下位レベルを選ぶ通常の判定では、帯域幅推定値の 0.95 倍がそのレベルのビットレートを上回る必要があります。上位レベルへの切り替えは、推定値の 0.7 倍が上位レベルのビットレートを上回る場合にのみ行われます。比較対象のレベルが 5 Mbit/s の場合、上位への切り替えには約 7.1 Mbit/s を超える推定値が必要です。どのビットレートを比較するかは、バッファーの状態によって決まります。デフォルトの hls.js のソースでは、少なくとも二つのセグメントの再生時間分がバッファーにあり、再バッファリングが予想されず、プレイリストに宣言がある場合は
AVERAGE-BANDWIDTHを使います。それ以外の場合はBANDWIDTHを使います。セグメントの取得にかかる予想時間など、追加の判定も行います。推定値は直近のダウンロードの移動平均なので、ネットワークが回復した直後にはその変化への追従が遅れます。この結果は、保証された接続速度ではなく、プレーヤーの推定値に対する条件として扱ってください。これらの係数は、設定項目abrBandWidthFactorとabrBandWidthUpFactorのデフォルト値です。ほかのプレーヤーは独自のルールを適用するため、実際に提供するプレーヤーの動作を確認してください。 - 視聴者全体への配信データ量は、どう見積もればよいでしょうか。各エンコード版の平均ビットレートに、その版を視聴する人数を掛けるとスループットが得られ、さらに視聴時間を掛けるとデータ量が得られます。バーストに備えた容量設計にはピーク値を使ってください。たとえば、平均 3 Mbit/s のエンコード版を 1,000 人が同時視聴する場合、エッジには約 3 Gbit/s のスループットが必要で、時間あたり約 1.35 TB に相当します。この値は、エッジが視聴者に送信するデータを表します。CDN がキャッシュから応答するリクエスト数によって変わるオリジントラフィックを表すものではありません。また、HLS のビットレート定義に含まれない HTTP、TCP、IP のオーバーヘッドも除外されています。視聴者はビットレートラダーの各段階に分散するため、全員が最上位のエンコード版を視聴すると仮定するよりも、プレーヤーの分析データから各エンコード版の視聴割合を使うほうが、実態に近い値を得られます。
- 最下位のエンコード版は、どこまで低いビットレートにすべきでしょうか。iOS 向けの Apple の HLS オーサリング仕様では、携帯電話網経由で配信するマルチバリアントプレイリストに、ピーク値
BANDWIDTHが 192 kbit/s 以下のバリアントを含める必要があります。iOS デバイスで携帯電話網を使う視聴者向けに、このようなフォールバック用のビットレートバリアントを含めてください。この仕様は、ほかのプラットフォームに対する一般的なルールとして定められているわけではありません。
動画帯域幅が重要になる場面
CDN の容量設計やアダプティブ配信用のレンディションラダーの構築では、合計帯域幅を見積もってください。視聴者が利用できるスループットを超えるレンディションは再生の停止を招きますが、ビットレートを控えすぎると画質が低下します。
動画帯域幅に関する Transloadit の支援
Transloadit は、これらの数値が表すエンコード版とプレイリストを生成します。Robot /video/encode は、固定解像度のプリセット hls/ と dash/ を備え、Step ごとに一つのエンコード版を生成します。Robot /video/adaptive は、それらの Step を HLS、MPEG-DASH、CMAF のいずれかの出力にまとめ、マニフェストファイルとプレイリストファイルを生成します。したがって、ビットレートラダーは、/video/adaptive に渡す /video/encode の Step の集合です。ビットレートを含むすべてのプリセット設定は、パラメーター ffmpeg で上書きできます。また、/video/adaptive のパラメーター segment_duration でセグメント長を設定します。
プリセット表では、hls/ と dash/ はビットレートの数値がない VBR プリセットとして掲載されています。また、Robot のページには、生成されるプレイリストの帯域幅属性の計算方法が記載されていません。帯域容量の見積もりに使用する前に、生成されたプレイリストで宣言値を確認し、セグメントサイズと照合してください。