网优学习宝典：腾讯视频卡顿小区优化总结（1）

1.概述

随着网络带宽的提高，及各大运营商流量优惠政策，视频流量日益突出，客户对视频类业务的网络体验也越来越重视。腾讯视频作为当下用户数最多的APP之一，有着越来越多的群众基础，依据某些省份各个视频源的统计，腾讯视频业务量遥遥领先。因此视频的感知优化提升，对于提升运营商和公司口碑具有越来越大的意义。

2. 腾讯视频卡顿统计规则

腾讯视频的通报存在省份/地市整体卡顿率及基站级卡顿率通报两种指标。

省份/地市整体卡顿率考核方法为：

省（地市）卡顿评分 = X省（地市）卡顿率/全国平均卡顿率*0.8+全国基站平均播放次数/X省（地市）基站平均播放次数*0.2

严重卡顿基站的考核方法为：

该基站下使用腾讯视频APP一周播放次数>=70次且周平均卡顿率>=7%且播放卡顿用户数>=5，即视为严重卡顿基站

严重卡顿基站占比=严重卡顿小区数/腾讯视频APP本次提供的产生响应业务的基站数

视频卡顿的定义为：

播放时加载时间>200ms，画面不动了就认为是卡顿；一部视频有一次卡顿即视为卡顿视频。

3. 腾讯视频卡顿因素分析

3.1.影响因素整体呈现

影响腾讯视频卡顿的因素是方方面面的，片源特点（分辨率）、服务器符合、传输质量，空口覆盖、用户属性（漫游/非漫游）、终端能力（硬件配置、基带能力）等

注：

传输的逐包转发和逐流转发：传输设备存在负荷均衡机制，当传输设备收到一个数据包的时候，可以通过多条路径传输出去，如果传输收到一个包就进行转发，那么不同的包可能通过不同的路径进行发送出去，从而在终端侧导致乱序。

逐流转发是指同一个流的数据包通过同一个路径发送出去，这样传输导致的乱序就会大大减小。

3.2.视频源的码率

视频源的码率是指1s钟视频所对应的流量的大小。视频源的码率并不是一成不变的，当2帧视频图像之间的差距较大时，那么编码后的视频就比较大，对应的码率就越大，当2帧图像之间的差距较小时，编码后的视频就越小，对应的码率就越小。

下图是某腾讯视频播放50s，每10s的平均视频源码率，从图中可以看到，最小码率为219.8KB/s，最大为865.3KB/s，相差4倍。

因为视频源的码率是变化的，所以并不能说基站侧的带宽达到多少某一分辨率的视频就不卡顿，只能说基站侧带宽达到多少的时候，有多大的概率保证视频不卡顿。

下图是不同视频源的码率对应的典型速率和不卡顿时所对应的对传输带宽的需求。

图1 480分辩率下零卡顿概率与速率码率比趋势图

图2 720分辩率下零卡顿概率与速率码率比趋势图

视频源的码率越高，那么视频不卡顿时对空口带宽的要求则越高，对应的卡顿率也越高。下面以现网实际数据说明。

3.3.视频源播放时长

从腾讯视频对卡顿的定义上可知，只要一个视频有1次卡顿，该视频即为卡顿视频，因此从理论上可知，视频源播放时间越长，视频卡顿的概率则越高。

3.4.终端因素

不同品牌的手机硬件配置不同，视频播放时CPU负荷、RAM容量等，可能导致CPU处理数据包不及时，从而导致卡顿。另外不同的手机终端可能存在非无线因素的异常掉话或重建等，从而导致卡顿。因此需要从终端角度，来分析腾讯视频的卡顿率。下图是XX局点各个品牌手机终端的卡顿率。

3.5.漫游用户和非漫游用户

因为漫游用户要到归属地进行视频访问，如果漫游路径存在问题，将直接导致漫游用户卡顿率偏高。因此需要从用户属性维度统计卡顿率。

下图为通过SEQ统计某局点漫游用户和非漫游用户腾讯视频卡顿率:

从上图中可以看到漫游用户下载速率低于非漫游用户将近20%，但漫游用户的卡顿率和非漫游用户的卡顿率相差无几，这主要是因为漫游用户的下载速率能够满足视频不卡顿的要求，所以漫游用户和非漫游用户卡顿率基本相同。

3.6.服务器因素

服务器负荷过高，或者服务器出口带宽不足，或者服务器出口存在丢包等都将导致服务器发包速率变慢，进而有可能导致视频卡顿，因此需要对服务器进行排查。

3.7.传输因素

腾讯视频传输采用TCP协议。根据TCP协议机制，传输质量（丢包、乱序、重传、时延/拥塞、抖动）会影响服务器的发包速率，比如时延大，将导致服务器发包速率变慢，甚至引发服务器重传，而丢包、重传将有可能导致服务器发生快速重传，服务器的发送窗口减半，发包速率变慢等，从而导致视频卡顿。

另外一帧图像有一个包丢包，那么这帧图像是无法解码的，只有等到该帧所有的数据包全部传回后，才能正常播放，从而影响客户感知。

传输因素包括：传输单板异常，传输链路异常（光接口收光弱，误码等、链路负荷不均衡），传输负荷过高，传输参数（MTU设置、转发方式设置）配置不当，光纤损坏等。

3.8.无线因素

视频卡顿问题本质是速率不达标问题，因此无线侧影响终端速率的因素，都将影响视频的卡顿。无线侧因素主要有：

Ø 容量问题

下图为DL PRB利用率和视频卡顿率之间的关系，图中折线为视频卡顿率，柱状图为位于各个PRB利用率区间的小区个数（下同），从图中可以看到，当小区的PRB利用率达到81%后，小区的卡顿率会突然飙升。

Ø 空口质差

统计小区PDCCH-DTX-Ratio比例和小区卡顿率之间的关系，如下图所示，从图中可以看到小区的PDCCH DTX比例越高，小区的卡顿率也越高。

从图中可以看到，当小区的下行MCS选阶越高，小区的卡顿率则越低。表明空口环境越好，小区的卡顿率越低。

Ø 干扰问题

下图为小区的干扰电平和小区卡顿率之间的关系。从图中可以看到，干扰越大，小区的卡顿率越高。

Ø 覆盖问题

下图为小区PUSCH_RSRP<=130dbm比例和小区卡顿率之间的关系。从图中可以看到，PUSCH_RSRP<=130dbm比例，小区的卡顿率越高。

4.某省联通腾讯视频卡顿情况

经过腾讯视频卡顿专题优化，腾讯视频卡顿率开始改善视频卡顿率由3.20%下降至2.53%，达到集团考核标准。

分析最新第107期集团通报指标全国均值为2.58%，贵州腾讯视频卡顿率为2.53%，全国排名为第12名，排名处于中上游。

5.贵州省联通腾讯视频卡顿分析

5.1.腾讯视卡顿小区问题分析

分析最近两周数据，目前长期卡顿小区有786个(卡顿天数≥10，卡顿率＞3%，总局数＞30次)，其中高负荷小区有2891个，覆盖类问题小区有2721个，高干扰小288个，基站故障233个小区，以上问题为腾讯视频卡顿主要原因。（以上部分小区满足多个问题维度故去除重复为786个小区）。

5.2.腾讯视卡顿小区场景分析

针对长期视频卡顿小区进行场景分析，目前腾讯视频卡顿小区主要集中在城区有1969个卡顿小区，然后为高校有1423个卡顿小区，其次为乡镇、县城、行政村有2021个卡顿小区。

5.3.高校卡顿问题分析

TOP10高校卡顿次数占贵阳高校场景的46.77%，且多为高负荷导致；

案列分析:

对民族大学分析，卡顿次数占了贵阳高校场景的6.75%，高卡顿小区占比达到68.39%，主要原因为高负荷与覆盖问题，校区忙时PRB利用率均值达到55.42%，弱覆盖比例为5.23%，高负荷小区和弱覆盖小区主要集中在宿舍楼和办公楼。

站点分布:

高负荷问题：贵州民族大学高负荷总共有31个小区，满足扩容标准小区有15个，有4个扇区扩无可扩建议小区分裂或新建小基站话务分流，剩余5个小区进行硬扩提升网络容量。

覆盖问题：目前卡顿情况主要集中在办公楼、宿舍楼、食堂，进行现场测试发现覆盖较差，其中男生宿舍现场测试平均