Submitted by Luciclea Silva (luci@ufpa.br) on 2018-06-12T14:48:14Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_Multi-tierfogarchitecture.pdf: 1995624 bytes, checksum: d87887746c56923151f9613fa98af2b1 (MD5) / Approved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2018-06-12T14:49:33Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_Multi-tierfogarchitecture.pdf: 1995624 bytes, checksum: d87887746c56923151f9613fa98af2b1 (MD5) / Made available in DSpace on 2018-06-12T14:49:33Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_Multi-tierfogarchitecture.pdf: 1995624 bytes, checksum: d87887746c56923151f9613fa98af2b1 (MD5) Previous issue date: 2018-03-05 / Os usuários estão mudando seus hábitos de comunicação tradicional com base em chamadas de voz ou mensagens de texto para serviços de vídeo em tempo real ou sob demanda consumidos em dispositivos móveis. Nesse sentido, a transmissão de conteúdo de vídeo considerando uma Qualidade de Experência (QoE) adequada nas infraestruturas de redes sem fio móvel é um problema crítico nas comunidades acadêmicas e industriais. Além disso, o vídeo sob demanda tem um consumo crescente na Internet, exigindo maior largura de banda e menor latência. Neste contexto, um paradigma de computação em névoa pode ser aplicado para melhorar a experiência do usuário em redes sem fio. A computação em névoa pode melhorar a QoE para transmissão de vídeo sob demanda, tanto fazendo cache de vídeo quanto fazendo adaptação de conteúdo na borda da rede. No entanto, é importante avaliar o desempenho do download de vídeos com diferentes configurações de codec e em cache mais próximo do usuário para medir o ganho sob perspectiva do usuário. Projetamos uma arquitetura de computação em névoa de várias camadas com 3 níveis localizados na nuvem, um perto da borda e outra nos dispositivos m´oveis. Avaliamos o desempenho do download do vídeo de vários níveis localizados em aplicações geográficas distintas para aplicações multimídia. N´os avaliamos em um ambiente experimental com rede livre e congestionada de vídeos transmitidos codificados em H.264 e H.265 com 3 taxas de bits em um cenário implantado no testbed FIBRE. Nós coletamos métricas de QoE, tempo de inicial para reprodução, tempo de congelamento, métricas de QoS, tempo de viagem ida e volta do pacote e consumo de energia para analisar os ganhos para cada configuração de vídeo. Esses resultados mostraram uma compreensão importante do uso de cache , codec e taxa de bits em cenários de redes multimídia. / Users are changing their traditional communication paradigm based on voice calls or text messages to real-time or on demand video services consumed on mobile devices. In this sense, the transmission of video content considering an adequate Quality of Experience (QoE) in mobile wireless networking infrastructures is a critical issue in both academic and industrial communities. Furthermore, video on demand have a growing consumption over Internet requiring higher bandwidth and lower latency. In this context, a fog computing paradigm can enhance the user experience in wireless networks. Fog computing for video on demand streaming can improve QoE by both video caching and adaptation schemes. However, it is important to evaluate the performance of downloading the videos with different codec configuration and cached closer to the user to measure the gain from the user perspective. We designed a multi-tier fog computing architecture with three levels located in the cloud, nearer the edge and in mobile devices. We evaluated the performance of downloading the video from multiple tier located in distinct geographical with a multimedia application. We assessed in an experimental environment with idle and congested network of streamed videos coded into H.264 and H.265 with three bitrates in a scenario deployed in the FIBRE testbed. We collected QoE metrics, playback start time, freeze times, QoS metric, round-time trip, and energy consumption to analyze the gains for each video configuration. These results showed an important understanding about cache, codec and bitrate schemes in multimedia networking scenarios.