I detta examensarbete har det undersökts vilken teknik för trådlös kommunikation som passar bäst att användas då en ljudsignal ska strömmas trådlöst till multipla mottagare. De tekniker som jämfördes var Wi-Fi och Bluetooth. Andra tekniker för trådlös kommunikation, ZigBee, ANT+ och NFC, valdes bort för att deras maximala datahastighet eller räckvidd inte var tillräcklig. 3G och 4G valdes bort för att det krävs en licens för att få använda dessa. Som mottagare skulle i första hand Android- och iOS-mobiltelefoner användas. Dessutom har det undersökts vilka komponenter som behövs för att tillverka en prototyp som ska kunna strömma en ljudsignal trådlöst till multipla smartphones. Slutligen gjordes ett kopplingsschema för denna prototyp. Wi-Fi med WLAN-infrastruktur ansågs vara bäst lämpad för denna applikation. Prototypen som skulle strömma ljudsignalen behövde därför kunna fungera som en Wi-Fi-accesspunkt. Wi-Fi-chipet AR9271 från Qualcomm Atheros valdes att användas som Wi-Fi-sändare för att den har open-source firmware och var lättare att få tag på jämfört med andra liknande Wi-Fi-chip. För att kunna använda Wi-Fi-chipets Linuxbaserade open-source firmware valdes SAM9M10 MCU från Atmel att användas som kontrollenhet då denna kan användas med Linux Embedded. För att digitalisera den analoga ljudsignalen valdes VS1063 Mp3-kodare från VLSI Solution. / This thesis has examined which wireless technology that is best suited for use when an audio signal are to be streamed wirelessly to multiple recipients. The technologies that where compared was Wi-Fi and Bluetooth. Other wireless communication technologies, ZigBee, ANT+ and NFC, were excluded because their maximum data rate or range wasn’t sufficient enough. Since it’s required a license to be allowed to use 3G and 4G, these were excluded as well.  As receivers, primarily Android and iOS phones would be used. Furthermore, it has been examined which components that are required for manufacturing a prototype that will be able to stream an audio signal wireless to multiple smartphone’s. Lastly, a circuit diagram for this prototype has been made. Wi-Fi WLAN infrastructure was considered to be best suited for this application. The prototype that would stream an audio signal therefore needed to function as a Wi-Fi access point. AR9271, a Wi-Fi chip from Qualcomm Atheros, was selected to be used as Wi-Fi transmitter because it has an open-source firmware and were easier to come by compared to other similar Wi-Fi chip. To be able to use the Linux-based open-source firmware of the Wi-Fi chip, SAM9M10 MCU from Atmel was selected as control unit since it can be used with Linux Embedded. In order to digitize the analog audio signal, VS1063 MP3 encoder from VLSI Solution was selected.

There are more and more people watching video streams over the Internet, and this has led to an increase in companies that compete for viewers. To improve the users experience, these companies can measure how their services are performing. The aim of this thesis was to recommend a way to measure the quality of service for a real time video streaming service. Three methods were presented; to buy the information from a content delivery network, extend existing analytics software or build a custom solution using packet sniffing. It was decided to extend existing analytics software. An evaluation was made on which software to extend. Four solutions were compared: Google Analytics, Mixpanel, Ooyala IQ and Piwik. The comparison was made using the analytic hierarchy process, comparing each alternative in their performance in criteria such as API maturity, flexibility, visualization and support. The recommended software to extend when building a real time video streaming service is Ooyala IQ which excel at flexibility and is easy to implement into existing solutions. It also had great capacity, offering no limit on how many events it can track per month, and finally it offers great dedicated support via telephone or email. / Det finns fler och fler personer som tittar på video strömmar på Internet, detta har lett till att nya företag har startats som konkurerar om tittare. För att förbättra kundupplevelsen kan man mäta hur tjänsten presterar. Målet med examensarbetet var att rekommendera hur man kan mäta tjänstekvalite för en realtidsvideoströmningstjänst. Tre olika lösningsförslag presenterades; att köpa informationen från en content delivery network, att bygga vidare på tillgängliga analytisk mjukvara eller att bygga ett eget paketsniffarprogram. Det bestämdes att bygga vidare på tillgänglig analytisk mjukvara. Fyra olika mjukvara jämfördes: Google Analytics, Mixpanel, Ooyala IQ och Piwik. Jämförelsen gjordes med hjälp av analytical hierarchy process, de olika alternativen jämfördes med avseende på: hur moget API:et var, flexibilitet, visualiseringen av data och support. Rekommendationen är att använda sig av Ooyala IQ som utmärker sig med avseende på flexibilitet, det var enkelt att använda deras API i sin egen lösning, det fanns ingen gräns på hur många händelser man kunde lagra per månad, och slutligen så fanns det dedikerad supportpersonal att nå via telefon eller email.

In today’s business climate permeated by Big Data, an opportunity to drive performance lies in analysing consumer behaviour from user data. In particular for online content providers, user data is available in abundance and logged continuously. This leads to new possibilities for design and usage of metrics, as businesses can benefit from smart and timely decision-making. However, in order to profit from user data in performance measurement (PM), it is critical to identify metrics that truly guide decisions. Thus, an effective and efficient PM process is imperative. Despite its promise, Big Data’s role in PM has been scarcely researched. Research has studied user behaviour from data, for instance in the context of video or audio streaming and web search, but primarily with a focus on technical performance. In addition, the research on online content providers’ PM is fragmented, and has mainly been conducted by practitioners. Thus, the PM field needs to be updated to reflect today’s dynamic and digital business climate. Therefore, the purpose of this research was to explore how online content providers, generating a large amount of user data, work with PM, and also practically illustrate how metrics can be designed from user data. The research was carried out as a case study at an audio streaming company, but empirics was also gathered from other online content providers with the aim to increase the generalisability. The illustration of metric design was based on quantitative analysis of commuters’ in-car audio streaming. For commuters’ audio streaming it was found that suitable metrics should capture the habitual nature. Therefore engagement metrics were found to be applicable, for instance the fraction having sessions both in the morning and afternoon, and the fraction having more than one day commuting with the streaming service per week. In regard to online content providers’ PM process, this research contributes with a proposed framework, which was developed from three existing frameworks; HEART reflected as important measurement dimensions and translation of goals to metrics, OKR which sets the focus in terms of high-level goals, and design-implement-use reflected as the process’ phases. It was found that insights from user data and explicit user feedback are complementary and can arise throughout the whole process, and that mutual communication between data scientists and product managers is crucial. Further, four types of iterations were identified in the process; modifying a metric, designing new metrics, completely changing a metric, and starting new initiatives. Moreover, metrics were found to be highly context dependent. Additionally, four important aspects were identified in metric design; data availability and proxy assessment, characteristics and form of metric, metric trade-offs, and metric movement interpretation. / I dagens affärsklimat genomsyrat av Big Data finns en möjlighet att driva resultat framåt genom analys av kundbeteenden från användardata. I synnerhet för online-tjänsteföretag samlas användardata kontinuerligt och finns tillgänglig i en oerhörd mängd. Detta skapar nya möjligheter för design och användande av mätetal då företag kan utveckla smartare och snabbare beslutsfattande. För att verkligen dra fördel av användardata i prestationsmätning (PM) är det dock kritiskt att identifiera mätetal som faktiskt bistår beslutsfattande, vilket följaktligen kräver en effektiv PM-process. Trots potentialen är forskning på Big Data inom PM begränsad. Studier har analyserat kundbeteenden från användardata, exempelvis i kontexten av strömmad video eller audio och webbsökningar, men primärt med fokus på tjänstens tekniska prestanda. Vidare är forskning på PM hos online-tjänsteföretag fragmenterad, och huvudsakligen genomförd av företag inom industrin. Följaktligen bör fältet aktualiseras för att reflektera dagens digitala och dynamiska affärsklimat. Därför var syftet med denna studie att utforska hur online-tjänsteföretag, som besitter stora mängder användardata, arbetar med PM, men även praktiskt illustrera hur mätetal kan designas från denna data. Studien genomfördes som en fallstudie på ett ljud-strömningsföretag, men empiri insamlades även från andra online-tjänsteföretag med avsikt att öka generaliserbarheten. Den praktiska illustrationen av mätetals-design baserades på en kvantitativ analys av pendlares audio-strömning i bil. För pendlares audio-strömning i bil fann denna studie att lämpliga mätetal bör fånga den vanemässiga aspekten associerad med pendling. Därmed anses mätetal som reflekterar engagemang lämpliga, exempelvis andelen som har sessioner både på förmiddagen och eftermiddagen och andelen som har mer än en dag med pendlar-sessioner i veckan. Gällande PM-processen hos online-tjänsteföretag bidrar denna studie med ett föreslaget ramverk som utvecklades från tre existerande ramverk; HEART som reflekteras i form av viktiga mätetalsdimensioner samt översättning av mål till mätetal, OKR vilket sätter fokus för processen i termer av mål på högre nivå, och designa-implementera-använda som reflekterar processens faser. I studien kom det fram att insikter från användardata och explicit användaråterkoppling kompletterar varandra, och att dessa kan uppkomma under hela processen. Vidare konstaterar denna studie att ömsesidig kommunikation mellan dataforskare och produktchefer är essentiellt. Dessutom identifierades fyra typer av iterationer som kan förekomma vid användning av mätetal; modifiera mätetal, designa nya mätetal, fullständigt förändra mätetal samt påbörja nya initiativ. Därutöver kan studien konstatera att mätetal är högst kontextberoende, och att det finns fyra viktiga aspekter att ta hänsyn till i mätetals-design; data-tillgänglighet och proxy-utvärdering, karaktäristik och form på mätetal, trade-off mellan mätetal, samt tolkning av mätetals-förändringar.

Microservice architecture, which involves breaking down applications into smaller and loosely coupled components, is becoming increasingly common in the development of modern systems. Connections between these components can be established in various ways. One of these approaches is event-driven architecture, where components in the system communicate asynchronously with each other through message queues.  AWS, Amazon Web Services, the largest provider of cloud-based services, offers such a messaging queue: SQS, Amazon Simple Queue Service, which can be integrated with SNS, Amazon Simple Notification Service, to enable "one-to-many" asynchronous communication.  An alternative tool is Apache Kafka, created by LinkedIn and later open-sourced under the Apache Software Foundation. Apache Kafka is an event logging and streaming platform that can also function as a message queue in an event-driven architecture.  The authors of this thesis have been commissioned by Scania to compare and evaluate the performance of these two tools and investigate whether there are use cases where one might be more suitable than the other. To achieve this, two prototypes were developed, each prototype consisting of a producer microservice and a consumer microservice. These prototypes were then used to conduct latency and load tests by producing messages and measuring the time interval until they were consumed.  The results of the tests show that Apache Kafka has a lower average latency than SNS/SQS and scales more efficiently with increasing data volumes, making it more suitable for use cases involving real-time data streaming. Its potential as a message bus for loosely coupled components in the system is also evident. In this context, SNS/SQS is equally valuable, as it operates as a dedicated message bus with good latency and offers a user-friendly and straightforward setup process. / Mikrotjänstarkitektur, som innebär att applikationer bryts ned till mindre och löst kopplade komponenter, är något som blir allt vanligare vid utvecklingen av moderna system. Kopplingar mellan dessa komponenter kan etableras på olika sätt. Ett av dessa tillvägagångssätt är händelsedriven arkitektur, där komponenterna i systemet kommunicerar asynkront med varandra genom meddelandeköer.  AWS, Amazon Web Services, som är den största leverantören av molnbaserade tjänster, tillhandahåller en sådan meddelandekö: SQS, Amazon Simple Queue Service, som kan integreras med SNS, Amazon Simple Notification Service för att möjliggöra ”en-till-många” asynkron kommunikation.  Ett alternativt verktyg är Apache Kafka, skapat av Linkedin och senare öppen källkodspublicerad under Apache Software Foundation. Apache Kafka är en händelselogg och strömningsplattform som även kan fungera som en meddelandekö i en händelsedriven arkitektur.  Författarna av detta arbete har på uppdrag av Scania blivit ombedda att jämföra och utvärdera prestandan hos de två verktygen samt undersöka om det finns användningsfall där det ena kan vara mer lämpligt än det andra. För att uppnå detta utvecklades två prototyper, där varje prototyp består av en producent- och en konsumentmikrotjänst. Dessa prototyper användes sedan för att genomföra latens- och lasttester genom att producera meddelanden och mäta tidsintervallet till dess att de konsumerades.  Resultatet från testerna visar att Apache Kafka har lägre genomsnittlig latens än SNS/SQS och skalar mer effektivt vid ökande datamängder, vilket gör det mer lämpat för användningsfall med realtidsströmning av data. Dess potential som meddelandebuss för löst kopplade komponenter i systemet är också tydlig. I detta sammanhang är SNS/SQS lika användbart, då det fungerar som en dedikerad meddelandebuss med god latens och en användarvänlig och enkel startprocess.