Интеллектуальные классификаторы качества мультимедиа на панели мониторинга качества вызовов (CQD)
Панель мониторинга качества звонков (CQD) для Microsoft Teams и Skype для бизнеса позволяет получить аналитические сведения о качестве звонков, выполненных с помощью Microsoft Teams и служб Skype для бизнеса. В этом разделе содержатся подробные сведения об интеллектуальных классификаторах качества мультимедиа. Дополнительные сведения о CQD и его настройке см. в статье Настройка панели мониторинга качества звонков.
В CQD классификация потоков Good и Poor выполняется с помощью ряда условных операторов. Для аудио метрики сети используются для определения того, приведет ли производительность базовой сети к ухудшению качества звука, в то время как видео и видео с экрана (VBSS) используют метрики видео для выполнения аналогичной оценки качества. Интеллектуальные классификаторы качества мультимедиа принимают более широкое и глубокое представление о телеметрии звонка, взвешивая несколько факторов (включая сеть), чтобы определить воспринимаемый пользовательский интерфейс вызова и определить возможную первопричину при предполагаемом ухудшении качества. Из-за этой разницы ожидается, что значения Good и Poor, полученные в результате логики классификации потоков , не обязательно будут совпадать с результатами интеллектуального классификатора качества мультимедиа.
Обзор интеллектуальных классификаторов качества мультимедиа в CQD
Интеллектуальные классификаторы качества мультимедиа в CQD используют алгоритмы машинного обучения (ML), которые помогают точно определить конкретные проблемные области в качестве потока. По сравнению с классификацией Stream в CQD, интеллектуальная классификация качества мультимедиа в CQD предоставляет ИТ-администраторам более сложный анализ причинно-следственных причин, ухудшения качества мультимедиа и первопричины. Эти классификаторы позволяют принимать упреждающие меры по устранению и предотвращению проблем с качеством вызовов.
Для предоставления наиболее полной информации интеллектуальные классификаторы качества мультимедиа по отдельности обращаются к трем main модальностям мультимедиа в режиме реального времени: аудио, видео и VBSS. Эти классификаторы ориентированы на качество вызовов на уровне потока (например, аудио, видео и VBSS), а затем идут дальше с углубленных анализов в таких областях, как сеть, вычислительное устройство и устройство ввода, что позволяет точно определить конкретные проблемные области.
Существует два уровня классификации для представления о причинно-следственной связи и первопричине: более высокий и более низкий уровень. Классификаторы более высокого уровня предсказывают, что звук, видео или VBSS не работают должным образом, тогда как классификаторы более низкого уровня прогнозируют, была ли проблема в сети, вычислительном устройстве или устройстве ввода.
Поддерживаемые платформы и типы носителей
Доступность интеллектуальных классификаторов качества мультимедиа зависит от конкретных платформ и типов носителей из-за различий в доступности телеметрии на разных платформах. Мы постоянно улучшаем охват классификаторов. Интеллектуальные классификаторы качества мультимедиа охватывают следующие платформы и типы носителей:
- Модальность мультимедиа и классификаторы сети применяются ко всем платформам и модальностям мультимедиа (аудио, видео, VBSS).
- Классификаторы вычислительных устройств применяются к собственным платформам (за исключением Teams Web, оптимизированных VDI и CVI) и всем модальностям мультимедиа.
- Классификаторы устройств ввода применяются только к собственным платформам (за исключением платформ на основе WebRTC) и только к аудио.
Когда следует использовать интеллектуальные классификаторы качества мультимедиа
Существуют определенные правила применения классификаторов качества интеллектуальных носителей, которые определяют, когда следует применять классификаторы. Наиболее основные правила:
- Входящие классификаторы применяются только в том случае, если пользователь получает не менее 60 секунд мультимедиа. В CQD эти данные записываются как Stream значения длительности для звука и видео и длительность в секундах для видео и VBSS.
- Исходящие классификаторы применяются только в том случае, если пользователь отправил не менее 60 секунд соответствующего носителя.
Эти данные записываются следующим образом:
- Для аудио: AvgFirstReceivedAudioSeconds >= 60
- Для видео и VBSS: SecondVideoDurationSeconds >= 60
Входящие и исходящие потоки в одноранговых (P2P) и конференц-звонках
В отчетах CQD потоки определяются как входящие или исходящие. Входящий поток — это мультимедиа, получаемый пользователем, а исходящий — это мультимедиа, отправляемый пользователем. Отчеты CQD можно фильтровать по входящим и исходящим потокам, чтобы проанализировать качество мультимедиа, полученного или отправленного пользователями.
Потоки представлены первой и второй конечными точками. Дополнительные сведения о классификации первой и второй конечных точек см. в разделе Измерения и измерения, доступные на панели мониторинга качества вызовов (CQD).
В следующей таблице приведена сводка потоков в одноранговых (P2P) и конференц-звонках:
| Тип вызова | Прямое подключение | Классификация первой и второй конечных точек |
|---|---|---|
| P2P | Пользователи связаны друг с другом через входящие и исходящие потоки. | Первый и Второй представляют конечные точки клиента. |
| Конференция | Пользователи подключены к серверу независимо от направления входящего или исходящего потока. | Пользователи помечены как Second, а сервер — как First. |
Для конференц-звонков, которые являются более распространенными, уровень вовлеченности определенных пользователей, особенно тех, кто активно обменивается своим экраном и взаимодействует со звуком и видео, может значительно влиять на общее взаимодействие с звонками для всех участников. Обнаружение влияния этих других пользователей или высокоактивных и доминирующих участников на других имеет важное значение для эффективной оценки качества потоков в конференциях.
Локальные и удаленные классификаторы
Классификаторы качества интеллектуального мультимедиа, будь то для вызовов конференц-связи или P2P, делятся на две основные категории: локальные и удаленные.
- Локальные классификаторы предназначены для оценки взаимодействия с вызовами пользователя конечной точки, устраняя проблемы, связанные с входящими потоками или возможностями и ограничениями локального устройства.
- Удаленные классификаторы охватывают проблемы, возникающие из других конечных точек вызова, предлагая комплексный взгляд на общее качество вызова.
В конфигурациях P2P и конференц-связи наблюдение за локальным классификатором в направлении потока с именем "от первого к второму " указывает на анализ влияния входящего потока или емкости локального устройства и ограничений на собственный интерфейс вызова пользователя (известный как Second).
Роль удаленных классификаторов в направлениях потоков "секунда к первому" заключается в том, чтобы оценить, влияет ли участник, известный как Second, негативно влияет на качество вызовов других пользователей при одинаковых условиях. Кроме того, в контексте конференц-вызовов наблюдение за классификатором Remote в потоке "первый ко второму" указывает, что высокоактивный пользователь, классифицированный как доминирующий, негативно влияет на качество вызовов, выполняемых пользователем, который называется Second.
Определения интеллектуальных классификаторов качества мультимедиа
В CQD интеллектуальные классификаторы качества мультимедиа используют локальные и удаленные классификаторы на основе значений доступных ключевых метрик качества. Метрики и условия, используемые для классификации качества мультимедиа, показаны в таблицах локальных классификаторов и удаленных классификаторов.
Обнаруженные проблемные области, выявленные с помощью интеллектуальных классификаторов качества мультимедиа, указывают на проблемы с качеством, которые могут быть дополнительно проанализированы администраторами для выявления потенциальных первопричин. С помощью CQD этот более глубокий анализ может предоставить ценные сведения для принятия упреждающих мер по предотвращению будущих событий.
Локальные классификаторы
Следующие локальные классификаторы основаны на телеметрии пользователя, чтобы предсказать, возникли ли проблемы у того же пользователя:
| Классификатор | Описание |
|---|---|
| Модальность обнаруженного носителя | Прогнозирует, были ли проблемы с качеством полученного типа носителя на основе телеметрии получения. |
| Обнаруженная входящая сеть | Прогнозирует наличие проблемы с сетью во входящем потоке. Для конференц-вызовов этот классификатор проверяет соединение между сервером и конечной точкой. Для вызовов P2P этот классификатор охватывает проблемы с исходящей и локальной нисходящей связью удаленного пользователя. |
| Обнаружено локальное вычисление | Прогнозирует, что вычислительное устройство пользователя (например, настольный компьютер или мобильный телефон с клиентом Teams) приводит к ухудшению качества мультимедиа, полученного пользователем. |
| Обнаружено локальное устройство ввода | Прогнозирует, вызывает ли у пользователя проблемы устройство захвата мультимедиа (например, встроенная звуковая карта или микрофон компьютера). |
Измерения локального классификатора для обнаруженных проблем
В следующем списке отображаются измерения для локальных классификаторов с помощью измерения Problem . Каждый локальный классификатор представлен с помощью /.../ в следующем списке:
- /.../ Число истинных проблем
- /.../ Число ложных проблем
- /.../ Число значений NULL
- /.../ Частота проблем
- /.../ Верхний предел скорости проблемы
- /.../ Нижний предел скорости проблемы
Например, модальность локального классификатора обнаруженного носителя использует измерение Проблемы с измерениями для параметра Количество проблем true, Число ложных проблем, Число проблем NULL, Частота проблем, Верхний предел скорости проблемы и Нижний предел частоты проблем.
Обнаруженная входящая сеть, обнаруженные локальные вычисления и обнаруженное локальное устройство ввода также имеют следующие дополнительные измерения:
- /.../ Частота вызванных проблем
- /.../ Верхний предел частоты проблем
- /.../ Вызвано снижение скорости проблемы
Удаленные классификаторы
Следующие классификаторы Remote основаны на телеметрии пользователя, чтобы предсказать, вызывает ли пользователь проблемы с качеством у других участников вызова:
| Классификатор | Описание |
|---|---|
| Обнаружена исходящей связи | Прогнозирует, снижается ли качество отправленного носителя из-за связи между конечной точкой и сервером. |
| Обнаружено, что устройство вычислений вызывает | Прогнозирует, снижается ли качество отправленного носителя из-за вычислительного устройства пользователя. |
| Обнаружено устройство ввода, вызывающее | Прогнозирует, снижается ли качество отправленных носителей из-за устройства захвата мультимедиа пользователя. |
Измерения удаленного классификатора для обнаруженных проблем
В следующем списке отображаются измерения для всех удаленных классификаторов с помощью измерения Проблемы . Каждый классификатор Remote представлен с помощью /.../ в следующем списке:
- /.../ Число истинных проблем
- /.../ Число ложных проблем
- /.../ Число значений NULL
- /.../ Частота проблем
- /.../ Верхний предел скорости проблемы
- /.../ Нижний предел скорости проблемы
Например, классификатор Remote обнаруженного входного устройства, вызывающего устройство, использует измерение Проблемы с измерениями для параметра Число истинных проблем, Число ложных проблем, Число проблем NULL, Частота проблем, Верхний предел скорости проблемы и Нижний предел частоты проблем.
Другие классификаторы пользователей
Другие классификаторы пользователей, тип удаленного классификатора, основаны на проблемах, которые имеются у доминирующего участника, что ухудшает работу остальных участников конференции:
| Классификатор | Описание |
|---|---|
| Обнаружена восходящая связь другого пользователя | Прогнозирует, снижается ли качество полученного пользователем качества мультимедиа из-за проблем с исходящей связью других (доминирующих) участников. |
| Обнаружено другое вычисление пользователя | Прогнозирует, снижается ли качество полученного пользователем мультимедиа из-за проблем с вычислительными устройствами других (доминирующих) участников. |
| Обнаружено другое устройство пользователя | Спрогнозируйте, снижается ли качество полученного пользователем мультимедиа из-за проблем с устройством захвата мультимедиа других (доминирующих) участников. |
Другое измерение классификатора пользователя для обнаруженных проблем
Другие классификаторы пользователей используют измерение /.../ Problem.
Например, классификатор другого пользователя Обнаружено другое устройство пользователя имеет измерение Проблема, указанное в разделе CQD как Обнаруженная проблема другого пользователя.
Примеры измерений
- Измерение Обнаруженная проблема с входящей сетью содержит измерения для числа проблем true, числа ложных проблем, числа проблем null, частоты проблем, верхнего предела скорости проблемы, нижнего предела частоты проблем, частоты проблем, частоты возникновения проблем, верхнего предела частоты возникновения проблем и нижнего предела частоты проблем.
- Измерение Обнаруженные входные устройства, вызывающие проблему , включает в себя измерения для параметра Число истинных проблем, Число ложных проблем, Число значений null, Частота проблем, Верхний предел скорости проблемы и Нижний предел скорости проблемы.
Список всех доступных измерений и мер в CQD, включая их имя, тип данных, определение и возможные причины пустых значений, см. в разделе Измерения и меры, доступные на панели мониторинга качества вызовов.
Интерпретация интеллектуальных классификаторов качества мультимедиа
Интеллектуальные классификаторы качества мультимедиа назначают вероятности конечным точкам в звонках, изучая данные телеметрии пользователей и оценки качества звонков. Эти вероятности преобразуются в логические значения (true/false), которые указывают, считается ли взаимодействие с вызовами для соответствующей конечной точки плохим.
Чтобы определить частоту проблем с качеством потока для устранения ложных прогнозов, мы используем пороговое значение на основе процентиля. При пороговом значении на основе процентиля 2% конечных точек в пределах определенной платформы, региона и типа носителя определяются как неудовлетворительные вызовы. Это пороговое значение помогает ИТ-администраторам принимать меры по обнаруженным проблемам, которые могут повлиять на качество звонков.
Классификаторы уровня мультимедиа предоставляются как локальные классификаторы. Для входящих потоков или локальных устройств начните с тщательной оценки классификаторов модальности обнаруженного мультимедиа , которые прогнозируют проблемы, связанные с полученным аудио, видео или VBSS. Эти классификаторы включают функции ввода из всех классификаторов локальных областей, таких как обнаруженная входящая сеть, обнаруженные локальные вычисления и обнаруженное локальное устройство ввода, а также дополнительные важные функции, которые не связаны исключительно с какой-либо областью.
В сценариях, когда классификатор уровня мультимедиа прогнозирует проблему, но не обнаруживаются проблемы на уровне области, наличие нескольких незначительных проблем или значительное влияние неперекрывающихся входных функций предлагают дальнейшее исследование. Как правило, по крайней мере в одном поле Предупреждение выделяется потенциальная проблема.
Если существуют прогнозы проблем на уровне области, но не на уровне средств массовой информации, классификаторы предполагают, что были проблемы с качеством мультимедиа, хотя они, возможно, не были достаточно значительными, чтобы привести к низкой оценке отзывов пользователей.
Поиск источников проблем с качеством
В CQD интеллектуальные классификаторы качества мультимедиа создают агрегированные представления, помогающие устранять проблемы с качеством. Эти представления можно проанализировать с помощью уникального набора измерений, адаптированных к конкретным характеристикам каждого классификатора. Этот анализ дает администраторам более точное представление о базовых проблемах.
Например, классификаторы сети могут извлечь выгоду из усилий по устранению неполадок, направленных на такие измерения, как расположение и сеть, в то время как классификаторы устройств вычислений и входных устройств могут требовать внимания к измерениям, связанным со спецификациями и функциональными возможностями устройства.
Размеры классификатора сети
Сетевые классификаторы включают три типа измерений: связанные с расположением, связанные с сетью и устройствами.
- Измерения, связанные с расположением:
- Second Domain
- Вторая страна ASN
- Второй ASN City
- Имя второго isp ASN
- Second Country
- Second City
- Second Building Name
- Связанные с сетью измерения:
- Second Network
- Second Network Name
- Second Wifi Band
- Second Wifi Channel
- Second Wifi Radio Type
- Second Wifi Signal Strength
- Second Network Connection Detail
- Second Subnet
- Второй BSSID
- Измерения, связанные с устройствами:
- Second Wifi Microsoft Driver
- Second Wifi Vendor Driver
- Второе имя вычислительного устройства
Размеры классификатора вычислительного устройства
- Измерения, связанные с устройствами:
- Second Compute
- Имя устройства
- Измерения, связанные с ЦП:
- Second CPU Name
- Количество ядер второго ЦП
- Second CPU Processor Speed
Размеры классификатора входных устройств
- Второй захват
- Имя разработчика
- Второй форм-фактор устройства записи
- Тип подключения второго аудиоустройства
- Тип подключения второго микрофона
- Второе имя вычислительного устройства (если используется встроенный звук)
- Second Capture Dev Driver
Устранение неполадок с качеством
После определения источника проблем с качеством обнаруженные проблемные области, выявленные интеллектуальными классификаторами качества мультимедиа , можно дополнительно проанализировать, чтобы выявить потенциальные первопричины и помочь администраторам принять упреждающие меры по предотвращению будущих проблем.
Классификаторы сети
Сетевые классификаторы прогнозируют проблемы с качеством в значительной степени на основе аудиотелеметрии из обработки ошибок, реализованной в Microsoft Teams. Эта аудиотелеметрия эффективно расширяет охват необработанного распределения снижения производительности сети. Однако если классификатор обнаруживает какие-либо проблемы, могут быть видимые проблемы и с необработанными метриками сети, за исключением случаев, когда на результат влияет несколько данных телеметрии. В таких случаях сложность выявления первопричины может увеличиться из-за объединенных последствий нескольких измерений. Измерения CQD наименьшего уровня служат индикаторами проблем, как указано ниже.
Измерения, связанные со звуком
- Меры, связанные с потерей сети:
- Total Call Dropped Failure Percentage
- Среднее число роуминга
- Необработанные показатели производительности сети:
- Avg Packet Loss Rate
- Avg Packet Loss Rate Max
- Avg Round Trip
- Avg Round Trip Max
- Avg Network Jitter
- Среднее значение Jitter Max
- Среднее значение коэффициента исцеляемых данных
- Средний размер буфера Jitter
- Среднее значение Jitter Max
- Средняя скорость потери сети
Измерения, связанные с видео & VBSS
- Средняя длительность заморозки Recv
- Средний процент длительности заморозки recv
- Среднее среднее расстояние синхронизации AV
- Среднее расстояние синхронизации AV Min
- Среднее расстояние синхронизации AV Max
- Среднее расстояние синхронизации AV STDEV
- Avg Video Post FECPLR
Примеры первопричины сети
- Если сила Wi-Fi низкая, то классификатор сети указывает, что расположение офиса недостаточно покрыто Wi-Fi. Проверьте количество и расположение точек доступа.
- Если метрики сети периодически ухудшаются в определенном расположении, классификатор сети указывает на то, что при большом объеме вызовов возникает перегрузка сети. Например, если ежемесячные собрания компании, на которых присоединяется большая часть сайта, можно развернуть eCDN.
- Если значения расстояния синхронизации AV высоки, классификатор сети указывает на наличие проблем с перегрузкой сети, так как звук имеет приоритет над видео. Убедитесь, что пропускная способность достаточна и что пропускная способность достаточно стабильна, чтобы обеспечить хорошее качество видео и VBSS.
Классификаторы вычислений
Классификаторы вычислений прогнозируют проблемы с качеством в основном на основе времени обработки ЦП, а также с учетом состояния памяти.
Следующие измерения, связанные с вычислительными ресурсами, также доступны в качестве средних метрик, которые могут быть полезны для поиска первопричины:
- Среднее значение загрузки ЦП второго процесса
- Максимальное использование ЦП второго процесса
- Среднее значение загрузки ЦП второй системы
- Максимальное использование ЦП второй системы
- Среднее использование памяти второго процесса
- Максимальное использование памяти второго процесса
- Второе среднее использование системной памяти
- Максимальное использование памяти второй системой
Примеры первопричин вычислений
- Если загрузка ЦП в системе высока, но ЦП процесса низкая, классификатор вычислений указывает, что вычислительное устройство выполняет другие задачи, которые потребляют ресурсы.
- Если загрузка ЦП процесса высока, классификатор вычислений указывает, что могут возникнуть проблемы, связанные с отсутствием ресурсов ЦП на этой платформе для вызова. Проверьте, выгружается ли обработка видео на GPU.
Классификаторы устройств ввода
Классификаторы устройств ввода нацелены на проблемы с качеством, связанные с устройствами захвата звука, включая микрофоны.
Следующие измерения CQD, которые могут указывать на возможные проблемы со звуком:
- Avg Second Audio Send Noise Level
- Avg Second Audio Send Signal Level
- Сбой второго микрофона
- Сбой перечисления устройств без микрофона
- Сбой инициализации второго микрофона
- Частота сбоев устройств второго микрофона
- Second Device Capture Not Functioning Event Ratio
- Используемое устройство захвата звука
- Используемое устройство отрисовки звука
Рекомендуемый диапазон для уровня сигнала — (-24, -14), оптимальный для шума — <-60.
Примеры первопричины устройства ввода
- Если уровень звукового шума высок, классификатор устройства указывает, что микрофон может находиться слишком далеко от пользователя для оптимального взаимодействия. Проверьте, соответствует ли устройство варианту использования, например, если динамик, используемый в комнате для собраний, подходит для размера комнаты для собраний.
- Если уровень звукового сигнала очень высок, классификатор устройства показывает, что пользователь находится слишком близко к микрофону и даже если не происходит перегрузка микрофона, пользователь будет заметно громче, чем другие участники звонка. Проверьте, есть ли на устройстве последние драйверы.
Обслуживание моделей классификации
Модели-классификаторы отслеживаются по общей численности пользователей Microsoft Teams. Если обнаружена аномалия, она исследуется, и существует высокая вероятность того, что модель будет переобучена. Это может привести к темпоральным колебаниям соответствующих скоростей обнаружения проблем. Если эти колебания могут привести к значительному изменению частоты обнаружения, мы опубликуем сообщение для информирования администраторов Teams через Центр сообщений M365.
Статьи по теме
Измерения и меры на панели мониторинга качества звонков
Использование CQD для управления качеством звонков и собраний