Cloud gaming is a new class of services that promises to revolutionize the videogame market. It allows the user to play a videogame with basic equipment while using a remote server for the actual execution. The multimedia content is streamed through the network from the server to the user. This service requires low latency and a large bandwidth to work properly with low response time and high-definition video. Three of the leading tech companies, (Google, Sony and NVIDIA) entered this market with their own products, and others, like Microsoft and Amazon, are planning to launch their own platforms in the near future. However, these companies released so far little information about their cloud gaming operation and how they utilize the network. In this work, we study these new cloud gaming services from the network point of view. We collect more than 200 packet traces under different application settings and network conditions for 3 cloud gaming services, namely Stadia from Google, GeForce Now from NVIDIA and PS Now from Sony. We analyze the employed protocols and the workload they impose on the network. We find that GeForce Now and Stadia use the RTP protocol to stream the multimedia content, with the latter relying on the standard WebRTC APIs. They result in bandwidth-hungry and consume up to 45 Mbit/s, depending on the network and video quality. PS Now instead uses only undocumented protocols and never exceeds 13 Mbit/s.


翻译:云层游戏是一种新类型的服务, 有望使视频游戏市场发生革命性变革。 它允许用户在使用远程服务器进行实际执行时使用基本设备玩视频游戏。 多媒体内容从服务器到用户的网络中流出。 此项服务需要低潜值和大带宽才能以低响应时间和高清晰视频进行适当的工作。 三大技术公司( Google、 Sony 和 NVIDIA ) 以自己的产品进入这个市场, 而其他公司( 如 微软和亚马逊 ) 也计划在不远的将来推出自己的平台。 然而, 这些公司发布关于其云层游戏操作和如何利用网络的信息很少。 在这项工作中, 我们从网络角度研究这些新的云层游戏服务。 我们在不同的应用环境和网络条件下收集了200多个包迹, 3个云层游戏服务( 即Google的Stadia, Geforce Now的 Geforce Now, 以及Sony的 PS Now ) 正在分析其使用的程序和在网络上设定的工作量。 我们发现, Geforce N 和 Stabi Stadia 的 RBIS 协议在现在的 RBIS 上, 和S 的 RBY 的 RBIS 协议中, 的 RBIS 和S 的 RBS 上, 的 RBS 的 RB 将使用S 的M 的 RBS 的M 的M 的 RBS 的M 的M 的 RBIS 和 RBIS 的M 的M 的M 的 RBS 、 、 RDF 、 RB 、 RD 和 RDF 、 RDFT 、 R、 RDF 、 RDF 、 R、 RDF、 R、 R、 R、 R、 R、 R、 R、 R、 R、 RP、 RPT 、 RP、 RP、 、 RP、 S、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、 R、

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
52+阅读 · 2021年6月2日
【2020新书】Web应用安全,331页pdf
专知会员服务
23+阅读 · 2020年10月24日
【伯克利-滴滴出行】深度学习多源领域自适应综述论文
专知会员服务
53+阅读 · 2020年2月28日
【深度学习视频分析/多模态学习资源大列表】
专知会员服务
91+阅读 · 2019年10月16日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11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
【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
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
已删除
将门创投
3+阅读 · 2018年10月11日
(TensorFlow)实时语义分割比较研究
机器学习研究会
9+阅读 · 2018年3月12日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
Arxiv
0+阅读 · 2021年4月26日
Arxiv
0+阅读 · 2021年1月29日
VIP会员
相关资讯
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
已删除
将门创投
3+阅读 · 2018年10月11日
(TensorFlow)实时语义分割比较研究
机器学习研究会
9+阅读 · 2018年3月12日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】深度学习目标检测全面综述
机器学习研究会
21+阅读 · 2017年9月13日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
Top
微信扫码咨询专知VIP会员