Mobile phones are nowadays the predominant way for users to access the Internet. Despite modern phones are often more powerful than fixed devices, the majority of users worldwide still rely on simple devices, with limited hardware capabilities (small CPUs and memory, 2.4Ghz WiFi). In this paper, we investigate the user experience of low-end mobile devices world-wide. The goal is to answer high level questions like "which performance can you expect at a 10$ cost around the world?", as well as low level questions like "what is the culprit of a slowdown? the low-end device or network provisioning?". This is a challenging study we tackled by building the AmiGo test-bed, which relies on friends (hence the name) to carry - not use - mobile phones while traveling, guaranteeing network connectivity, i.e., WiFi and/or mobile data when possible. We deployed this test-bed through 31 low-end devices which traveled across 24 countries over a month. Our analysis shows that the performance of mobile networks varies significantly across the globe, where only a hands-full of networks manage to achieve excellent network performance across a stack of experiments. Specifically: a) 50% of the mobile networks show a 40-70% chance of encountering a low data rate, b) only 20% of mobile networks are characterized by low latencies (<20ms to popular domains), c) networks across Asia, central/south America, and Africa have much higher CDN download times compared to Europe, exceeding a 10x increase in the case of Africa, d) most news websites load slowly, whereas YouTube achieves satisfactory performance, overall.


翻译:目前,移动电话是用户访问互联网的主要途径。尽管现代手机通常比固定设备更强大,但全世界大多数用户仍然依赖简单的设备,硬件能力有限(小型CPU和记忆、2.4Ghz WiFi)。在本文中,我们调查了全世界低端移动设备的用户经验。目标是回答高层次的问题,比如“你能够期望全世界以10美元的成本完成哪些业绩?”以及“什么是减缓的罪魁祸首?低端的装置或网络提供”等低层次的问题。这是一个挑战性的研究,我们通过建立AmiGo测试床来应对。 测试床依靠朋友(因此名)来携带(而不是使用)移动电话,同时运行网络连接网络,即WiFi和(或)移动数据(可能时)等。我们通过31个低端的低端设备在一个月中24个国家部署这个测试台。我们的分析表明,全球移动网络的运行情况差异很大,只有超过40个网络才能在一系列实验中实现出色的网络运行。具体地说,50 %的移动网络运行率是非洲10 %, 的网络在10 % 的正常域域域域域域域域, 。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
专知会员服务
39+阅读 · 2020年9月6日
专知会员服务
60+阅读 · 2020年3月19日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年10月19日
Arxiv
0+阅读 · 2022年10月19日
VIP会员
相关VIP内容
相关资讯
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
IEEE TII Call For Papers
CCF多媒体专委会
3+阅读 · 2022年3月24日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium8
中国图象图形学学会CSIG
0+阅读 · 2021年11月16日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
【ICIG2021】Latest News & Announcements of the Plenary Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年11月1日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员