动态自适应的HTTP流码率渐进切换算法

涂大喜 蒋宇浩 徐成 余林琛

摘 要：针对在动态网络环境和有限缓存容量限制下用户观看视频体验质量低的问题，提出一种综合考虑带宽和缓存因素的动态自适应的HTTP流码率渐进切换（DASBS）算法。首先，利用滑动窗口分析最近下载分片得到带宽初步估值;然后，依据实时带宽波动程度和缓存状态设置双矫正因子进一步平滑带宽估值;最后，设置缓存阈值使其与当前码率建立相关关系，并利用帶宽估值和缓存动态阈值共同控制码率切换。使用libdash平台验证算法性能，DASBS在切换平滑性上优于VQCQ（Video Quality Control for QoE）算法，视频播放平均码率更高，有效提高了带宽利用率;平均码率稍低于EABS（Evolution of Adaptive Bitrate Switching）算法时，切换次数得到大幅下降，整体切换稳定性表现更优。实验结果表明，所提算法在动态网络环境中具有带宽高利用、切换平滑和切换稳定的良好表现，能够有效改善用户体验。

关键词：流媒体;码率自适应;网络带宽;缓存容量;渐进切换

中图分类号：TP391.41

文献标志码：A

文章编号：1001-9081（2019）04-1127-06

Abstract： Aiming at the problem of low quality of video viewing experience in dynamic network environment with limited cache capacity， a Dynamic Adaptive Step-wise Bitrate Switching （DASBS） algorithm for HTTP streaming considering network bandwidth and cache capacity was proposed. Firstly， a sliding window was used to analyze the recent downloaded fragments， obtaining the initial bandwidth estimation. Then， according to the real-time bandwidth fluctuation degree and cache state， two correction factors were set to further smooth the bandwidth estimation. Finally， a cache threshold was set to establish a correlation with the current bitrate， and the bandwidth estimation and the cache dynamic threshold were used to jointly control the bitrate switching. Experimental results on platform libdash show that DASBS is better than Video Quality Control for QoE （VQCQ） algorithm in switching smoothness and its average bitrate of video playback is higher， which effectively improves the bandwidth utilization. Although the average bitrate is slightly lower than that of Evolution of Adaptive Bitrate Switching （EABS） algorithm， the number of switching times is greatly reduced， improving the switching stability. The experimental results show that the proposed algorithm has high bandwidth utilization， switching smoothness and switching stability in dynamic network environment， which can effectively improve user experience.

Key words： streaming media; bitrate adaptation; network bandwidth; cache capacity; step-wise switching

0 引言

近年来，随着移动互联网和智能手机技术的迅速发展，多媒体业务在整个互联网流量中占据越来越大的比重，视频流量已经成为互联网上主要网络流量。目前，由思科可视化网络指数预测报告指出，到2020年，视频流量将会占到所有消费者流量和内容传输网络流量的82%[1]。

传统的流媒体传输技术以用户数据报协议（User Datagram Protocol， UDP）作为传输协议，流媒体报文穿透防火墙的能力较差，穿越网络地址转换（Network Address Transport， NAT）网络较为困难，并且采用特定的流媒体服务器需要额外的搭建成本[2]。而基于超文本传输协议（HyperText Transfer Protocol， HTTP）的流媒体传输技术采用传输控制协议（Transmission Control Protocol， TCP），利用TCP的可靠性、数据包容易通过防火墙和NAT网络、系统部署配置简单等特点，更易于适用于复杂的互联网环境。因此近年来，TCP迅速取代了UDP成为了流媒体传输的标准。同时为了应对大量高用户体验质量（Quality of Experience， QoE）需求的挑战，基于HTTP的动态自适应流（Dynamic Adaptive Streaming over HTTP， DASH）媒体技术作为有前途的解决方案之一，已经受到了视频服务提供商和学术研究的重视[3]。

部署在客户端的自适应码率（Adaptive Bit-Rate）切换算法作为DASH技术的研究热点，当下面临的最大挑战就是如何定义码率自适应逻辑来更好地满足用户QoE需求[4]。其研究方向主要分为三大类：基于带宽的切换算法、基于缓存的切换算法以及基于带宽和缓存等混合因素的切换算法。考虑单一因素的切换算法可能在充分利用带宽和充分利用缓存两者之间选择一点具有高性能表现[5-8]，而考虑混合因素的切换算法则重点在带宽利用和缓存利用之间取得更佳均衡的表现[9-11]。

本文提出一种综合考虑带宽和缓存因素的动态自适应的HTTP流码率渐进切换（Dynamic Adaptive Step-wise Bitrate Switching， DASBS）算法，综合考虑了网络带宽和缓存状态两种因素来动态选择最合适的视频码率。以尽可能提升用户QoE为目标， 本文算法利用滑动窗口分析最近下载的前W个分片，并采用指数加权方法对带宽进行评估;接着，分别依据带宽波动程度和缓存实时状态设置矫正因子，对带宽估值进行平滑化。本文算法在码率切换时实现了逐级切换，并且在保证视频平均码率较高的基础上，同时也较稳定地控制了码率切换次数。实验结果表明，在模拟网络频繁变化的环境下，该切换算法具有带宽高利用、码率切换平滑和码率切换稳定的良好表现。

1 相关工作

码率自适应算法在DASH中是一个新兴活跃的研究领域。同时DASH标准并没有提供任何码率自适应逻辑或指定算法，它允许播放客户端实现专有优化算法来适应终端设备和网络条件。因此，许多商业和开源的DASH客户端都研究并采用各种不同的码率适应算法[12]，其中具有代表性的码率自适应切换算法主要分为三类：基于带宽的切换算法、基于缓存的切换算法以及基于带宽和缓存等混合因素的切换算法。

基于带宽的自适应算法如VLC（Video LAN Client）算法[5]，它采用当前已下载视频分片下载速度均值作为当前带宽的估算结果，以带宽估值为参考因素选择下一个分片的最佳码率。该算法通过用下载速度均值来预测带宽，在一定程度上平滑了带宽抖动的影响。但也因为采用均值估测，使得带宽的变化趋势较真实带宽具有滞后性。Li等[6]提出的Panda算法则是通过“探测和适应”机制在客户端对TCP吞吐量进行预测，然后适应网络带宽来选择合适的分片码率。该算法显著提高了码率选择的稳定性，但在带宽状态持续良好或急剧恶化时，客户端缓存区会出现溢出。

基于缓存的自适应算法侧重于对当前缓存状态的持续监测，并依据不同缓存状态采取相应码率适应策略。Le等[7]利用实际分段下载时间和缓冲区实时水平进行比较来进行码率控制;Spiteri等[8]提出一种不需要任何网络带宽预测，仅通过当前缓存区大小状态来设置相关控制参数进行码率选择的算法。这类方法虽然避免了带宽估计不准带来的风险，却也同时会因为缓存状态时刻跌宕变化而经常触发切换动作，这样频繁的码率切换会造成对用户QoE的影响。

基于带宽和缓存等混合因素的自适应算法是指在选择不同码率分片时，同时考虑带宽和缓存等因素的影响。Lee等[9]提出一种考虑带宽和缓存的视频质量控制方法——VQCQ（Video Quality Control for QoE），基于带宽和缓存的码率切换算法，其通过比较带宽估值和当前分片码率、缓存区剩余时长和下一分片预估下载时长两组判断条件来进行码率的上升或下调。该算法对带宽波动具有较高敏感度，缺点是在带宽稳定只发生短暂波动时依旧会触发切换动作，算法切换稳定性有待提升。Müller等[10]将缓存容量分级，不同级别对应不同带宽预测系数，通过前一分片下载速度与当前缓存级别对应预测系数结合来决定下一分片的码率选择。该算法同时衡量带宽因素和缓存因素，提出了一种自适应切换算法的改进算法——EABS（Evolution of Adaptive Bitrate Switching），有效地提高了带宽利用率，但缓存利用相对较低。陈立伟等[11]通过设置缓存上溢阈值和缓存下溢阈值，调节视频码率使缓存状态处于均衡范围内;并依照带宽状况设置不同码率调节策略：保守方法单级别提升视频码率和利用logistics方程决定码率下调幅度。该算法能较好地平衡缓存状态和网络带宽之间的关系来选择合适的码率;但是在网络状况阻塞加剧时，其码率下调幅度也会无法避免地急剧增大。

本文提出的DASBS算法通过权衡带宽状态和缓存状态两种因素来选择最合适的视频码率。该算法主要分为带宽评估和码率切换两大模块。带宽评估模块先通过滑动窗口、指数加权等机制得到初步带宽估值，然后通過带宽波动影响因子和缓存状态影响因子对带宽估值再次进行矫正，避免缓存下溢风险和带宽的不充分利用;码率切换模块通过设置动态缓存阈值，并将切换策略与缓存阈值建立相关关系，动态调控码率进行渐进式上升/下降，实现码率平滑切换以及缓存状态维持均衡。

2 自适应码率切换算法

2.1 系统模型

基于HTTP的动态自适应流媒体技术的系统架构如图1所示，本文提出的自适应切换算法也适用于在图示系统中的DASH流媒体客户端模块。在流媒体服务器端，视频内容被编码成不同码率的多个版本。每种码率的视频被分割成多个小视频分片，每段分片包含几秒钟的视频;并且在时间线上各种码率的视频分片相互对齐，以便于客户端在需要的时候平稳地在不同码率之间进行切换。与视频分片同时生成的还有媒体描述文件（Media Presentation Description， MPD），用来描述每个视频分片持续时间、有多少个码率等级、视频资源统一资源定位符（Uniform Resource Locator， URL）等信息[13]。流媒体客户端通过接收到MPD后，会调用码率自适应切换算法来评估网络状况等因素，然后动态地选择最合适的码率分片下载到本地进行播放。

2.2 算法目标

码率自适应的目的是为了在有限网络带宽、网络状态发生波动的环境下，动态选择最合适的播放码率，为用户提供最佳视频质量服务的同时，最大化地满足用户QoE。而优化用户QoE可以考虑从以下几个目标着手[14]：1）视频播放过程中不能出现卡顿现象;

2）视频的平均码率尽量地高，要最大化视频质量;

3）码率切换次数尽可能少，码率选择要具有稳定性;

4）码率切换时尽量逐级切换，切换过程具有平滑性;

5）视频的启动时延尽量低。

其中：视频卡顿现象对用户QoE带来的影响最大，所以在网络和缓存状态恶劣时， 本文算法会通过矫正因子适当地缩小带宽估值、动态增难码率上调条件等方式，首先确保客户端缓存区容量不会发生下溢。同时为了充分利用带宽、最大化视频质量来提升用户QoE，也设有矫正因子适当地放大估算带宽、动态增难码率下调条件等方式并来避免缓存区上溢发生。同时提出建立在动态缓存阈值上的码率切换策略， 对切换次数和切换平滑程度进行有效控制，保证用户观看视频服务过程不会发生画质剧烈变化，在一定程度上优化用户QoE。最后，视频启动时延取决于对前几视频分片的选取策略，为了尽可能减小启动时延并规避起始带宽不佳发生卡顿的风险， 本文算法对最初几片进行最低码率下载，快速激活算法控制机制，为用户QoE提供保障。

2.3 算法提出

本文提出的切换算法将带宽状态和缓存状态作为码率自适应的主要参数。算法由带宽评估和码率切换两个主要模块组成，首先由带宽评估模块根据已下载视频分片的下载速率及当前缓存区容量来对当前的带宽进行评估;然后，由码率切换模块根据评估出的带宽依照码率切换策略选择能最大化用户体验的视频分片进行下载。

带宽评估模块包含了三个步骤：首先，实现初始带宽评估;其次，衡量真实带宽波动程度对于带宽评估结果的影响并对估值进行矫正;最后，衡量缓存区状态对于带宽评估结果的影响并对估值进行矫正。下面详细描述这三个过程。

1）初步评估带宽。

该模块设置可观察W个视频分片的滑动窗口，考虑其中最近下载的W个分片，并且采用指数权重的方法为不同视频分片的下载速率赋予了不同的权重，刚下载的视频分片权重较高，早已下载好的视频分片权重则偏低，这样使评估结果更接近真实带宽。

2）衡量带宽状态影响。

其中： μs2为本模块对评估带宽进行适当矫正之后的结果。当前W个视频分片下载速率在均值附近轻微抖动时，真实带宽比较稳定，此时ρv会趋向于1，这种情况下式（6）对评估出的带宽μs矫正幅度较小;相反地，当θ较大时， ρv会趋向于其下界ρv，此时对评估出的带宽μs的矫正幅度较大，能尽量避免带宽急剧抖动时带来的缓存溢出风险。本文算法中ρv取0.3。

3）衡量缓存状态影响。

当缓存区容量接近下溢时，为了减小播放卡顿的风险并快速填充缓冲区，需要对带宽估值进行缩小矫正从而选择低码率分片;当缓存区容量接近上溢时，需要对带宽估值进行放大矫正从而选择高码率分片，以避免缓存区饱和导致无法充分利用带宽。

其中： μs3为最终带宽估值用于码率切换模块选择合适码率。本文算法中ρb取值1.5，而ρb取值0.4。

码率切换是本文算法的另一个重要模块，完成缓存区容量阈值的动态设定和具体切换策略的设置，下面详细描述。

1）缓存区容量阈值。

在码率切换模块中，码率选择在以带宽估值作为判断条件的同时，还动态设置了缓存区容量阈值条件：分别为码率上切阈值和码率下切阈值。需要同时满足带宽和缓存的两组条件时，才会触发码率切换策略。

其中：Bup代表码率向上切换的阈值;Rk代表第k个视频质量级别所对应的码率;Bmax代表缓存区的最大容量;L代表最高的视频质量级别;RL则是视频分片码率集中最高码率;Rcur表示当前码率值;Rcur+1则表示比当前码率值高一级的码率。Bup由当前视频分片码率动态决定，只有缓存区容量大于Bup时，码率切换模块才可能选择较高质量的视频分片去下载。

其中：Bdown代表码率向下切换的动态阈值，只有当缓存区长度小于Bdown时，码率切换模块才可能选择较低质量的视频分片去下载。

2）码率切换策略。

定义当下载视频分片的个数小于或等于φ时属于快启动阶段，码率切换模块会直接选择最低质量视频分片进行下载，尽可能去降低启动时延，同时也尽快填充缓存区，避免缓存区下溢。定义当下载视频分片个数大于φ时进入渐进切换阶段，在渐进切换阶段设置三组触发条件：策略码率向上逐级切换条件如下：μs3>Rcur+1 & Bcur[i]>Bup（11）

当缓存区容量比向上切换阈值Bup大，同时带宽估算结果比当前播放质量高一梯度还高时，此时才会选择比当前播放质量高一梯度视频分片进行平滑上切。

当缓存区容量比向下切换阈值Bdown小，同时带宽估算结果低于当前视频播放质量时，才会选择低于当前视频质量一个梯度的视频分片平滑下切。

3 实验与结果分析

3.1 实验环境

本文以MPEG-DASH标准的参考平台libdash[15]作为算法实验平台，通过在客户端部署不同的码率自适应算法，分别对本文DASBS算法、VQCQ算法[9]和EABS算法[10]进行比较。

实验采用的视频是Big Buck Bunny（https：//peach.blender.org/），视频时长为300s，一共150个视频分片，每个视频分片时长2s。流媒体视频可供选择的码率有10种，编码码率集合为{200，400，600，800，1000，1200，1400，1600，1800，2000}（单位为kb/s）。实验采用的最大缓存区容量为30 s，并且通过结合算法理论和实践测试，最终设置相关参数如下：快启动分片数φ=5，滑动窗口W=5，權值系数ω=0.4，带宽矫正因子下界ρv=0.3，缓存矫正因子下界ρb=0.4，缓存矫正因子上界ρb=1.5。

3.2 网络设定

为了模拟用户在实际视频点播过程中常见的网络波动情景，实验定义了两种带宽变化曲线。场景1主要用于模拟带宽阶梯上升和带宽阶梯下降的情况。如图3中实线所示，该场景的初始带宽为500kb/s，并将其维持50s;50～100s时，带宽被更改为1000kb/s;100～200s时带宽被设定为1600kb/s;200～300s这一阶段带宽的变化趋势与0～100s的变化趋势正好相反，在200～250s的区间内，带宽被设定为1000kb/s，250～300s时带宽则被设定为500kb/s。场景2模拟了网络带宽发生突然变化的情况。如图3虚线所示，在该场景中带宽在0～60s、66～166s、172～300s为带宽稳定周期，带宽水平分别保持在800kb/s、1200kb/s、1200kb/s;在60～66s发生第一次突变，带宽水平骤降为400kb/s;在166～172s发生第二次突变，带宽水平上升为1600kb/s。

3.3 网络场景1的实验结果

當模拟带宽是第一种情况时，本文DASBS算法与VQCQ算法进行比较，运行情况如图4所示，其中图4（a）为选择的分片码率随时间的变化曲线，图4（b）为缓存状态随时间的变化曲线。

如图4（a）码率变化曲线所示，在评估带宽阶段加入了滑动窗口、指数权重以及带宽矫正因子等机制后，本文DASBS算法动态选择的码率能够随着带宽阶梯变化而变化。在视频播放到50s、100s、200s和250s时网络带宽发生变化， 本文算法在作出相应码率调整动作时，逐级上升或者逐级下降来过渡到合适码率级别，体现出了本文算法的切换平滑性;而VQCQ算法码率选择虽也随带宽阶梯变化而变化，但其在切换上跨级较大，不够平滑，并且整体带宽利用更低。

如图4（b）缓存变化曲线所示，VQCQ算法的缓存状态会随网络带宽下降而更快恶化，缓存下降速率过快容易导致缓存耗尽，造成播放卡顿;相反地，带宽变化对DASBS算法的缓存曲线影响不大，其整体缓存区容量维持在较好水平，波动幅度较小。

同时在模拟带宽是第一种情况的同时，将本文DASBS算法与EABS算法[10]对比。运行情况如图5所示。

如图5变化曲线所示：EABS算法能够较好地利用带宽，甚至选择的码率质量会略高于当前带宽，可其也会随着缓存状态的时刻变化而产生更多的码率切换动作，所以EABS算法虽然带宽利用率高，但是切换稳定性不足。相比较之下，本文DASBS算法的切换策略能有效避免这些不必要的码率切换，从DASBS算法码率曲线就能体现出其在带宽利用率和切换稳定性之间取得较好平衡。在缓存变化方面，两种算法的缓存曲线都比较稳定，但DASBS算法缓存利用率相对更优。

3.4 网络场景2的实验结果

当模拟带宽是第二种情况时，本文DASBS算法与VQCQ算法[9]对比，运行情况如图6所示。

如图6中两组曲线所示，前30s内两种算法均能快速启动，填充缓冲区使码率适配到相应带宽水平。但在60s时带宽发生急剧恶化时，VQCQ算法的码率选择明显受到影响致使码率级别下调;而本文DASBS算法则表现稳定，然后在88s时刻，带宽情况良好、缓存容量增加达到相应阈值时码率才逐级上调。接着在166s时刻带宽二次发生短期波动，两种算法均能较好地平滑后期带宽短暂波动的影响;并且更在236s时DASBS算法因缓存容量持续增长达到下一动态阈值时码率再次发生逐级上调，能够适配到更优的码率级别。相比之下，DASBS算法只牺牲了一点缓存利用，但在码率切换上表现出更好的稳定性，也拥有更好的带宽利用率。

同时在模拟带宽是第二种情况时，将本文DASBS算法与EABS算法[10]对比。运行情况如图7所示。

从图7可看出：视频播放初期，EABS算法由于缓存变化较大致使码率切换非常频繁;DASBS算法则能较快填充缓存、逐级适配码率到稳定水平。后在60s和166s两次带宽突然变化时，EABS算法的缓存曲线和码率曲线均在抖动附近发生明显变化，而DASBS算法表现稳定。同时整个播放过程中，EABS算法虽然具有很高带宽利用率，但其码率自适应过程中切换次数非常频繁、码率跨越级别大，其码率曲线表现出来的切换稳定性和平滑性较差;而DASBS算法则在带宽利用和缓存利用之间作出较好权衡，在稍微降低平均码率的前提下，在码率切换上大幅减少了码率切换次数，并使得码率选择逐级自适应，表现出了更好的稳定性和平滑性。

4 结语

本文提出一种渐进切换的码率自适应切换算法，该算法基于带宽和缓存两种因素来动态选择码率;先通过滑动窗口及指数权重来得到初步带宽估值，再设置带宽波动矫正因子和缓存状态矫正因子对其作用，使带宽估值更接近实时带宽;同时建立缓存阈值与码率切换条件的相关关系，动态调整切换临界来使切换更加稳定平滑。实验结果表明，在模拟网络频繁变化的环境下，该切换算法在码率切换平滑性和稳定性上具有显著优势，同时也能保证带宽及缓存较高利用率，这能够更好地满足用户的QoE。但是随着用户在同一网络下体验自适应流媒体视频的概率提升，用户间竞争资源的可能性提高，未来在设计码率自适应切换算法时需要尽量提升多用户竞争资源时的观看体验。

参考文献（References）

[1] Cisco. White paper： Cisco VNI forecast and methodology， 2015-2020[EB/OL]. [2017-08-14]. https：//www.cisco.com/c/en/us/solutions/collateral/service-provider/.

[2] 夏勃， 林浒， 李鸿彬，等. 一种动态自适应HTTP流媒体码率切换算法[J]. 小型微型计算机系统， 2015， 36（2）： 275-279. （XIA B， LIN H， LI H B， et al. A dynamic adaptive HTTP streaming rate switching algorithm[J]. Journal of Chinese Computer Systems， 2015， 36（2）： 275-279.）

[3] ZHAO S， LI Z， MEDHI D， et al. Study of user QoE improvement for dynamic adaptive streaming over HTTP （MPEG-DASH） [C]// Proceedings of the 2017 International Conference on Computing， Networking and Communications. Piscataway， NJ： IEEE， 2017： 566-570.

[4] MOK R K P， LUO X， CHAN E W W， et al. QDASH： a QoE-aware DASH system[C]// MMSys 2012： Proceedings of the 3rd Multimedia Systems Conference. New York： ACM， 2012： 11-22.

[5] TIMMERER C. A test-bed for the dynamic adaptive streaming over HTTP featuring session mobility[C]// MMSys 2011： Proceedings of the 2nd Annual ACM Conference on Multimedia Systems. New York： ACM， 2011： 271-276.

[6] LI Z， ZHU X， GAHM J， et al. Probe and Adapt： Rate adaptation for HTTP video streaming at scale[J]. IEEE Journal on Selected Areas in Communications， 2014， 32（4）： 719-733.

[7] LE H T， NGUYEN D V， NGOC N P， et al. Buffer-based bitrate adaptation for adaptive HTTP streaming [C]// ATC 2013： Proceedings of the 2013 International Conference on Advanced Technologies for Communications. Piscataway， NJ： IEEE， 2013： 33-38.

[8] SPITERI K， URGAONKAR R， SITARAMAN R K. BOLA： near-optimal bitrate adaptation for online videos[C]// IEEE INFOCOM 2016： Proceedings of the 35th Annual IEEE International Conference on Computer Communications. Piscataway， NJ： IEEE， 2016： 1-9.

[9] LEE S， YOUN K， CHUNG K. Adaptive video quality control scheme to improve QoE of MPEG DASH[C]// Proceedings of the 2015 IEEE International Conference on Consumer Electronics. Piscataway， NJ： IEEE， 2015： 126-127.

[10] MLLER C， LEDERER S， TIMMERER C. An evaluation of dynamic adaptive streaming over HTTP in vehicular environments[C]// MoVid 2012： Proceedings of the 4th Workshop on Mobile Video. New York： ACM， 2012： 37-42.

[11] 陳立伟， 李国平， 滕国伟， 等. 基于HTTP流化的自适应码率混合控制算法[J]. 上海大学学报（自然科学版）， 2014， 20（3）： 313-320. （CHEN L W， LI G P， TENG G W， et al. Adaptive code rate hybrid control algorithm based on HTTP streaming[J]. Journal of Shanghai University （Natural Science）， 2014， 20（3）： 313-320.）

[12] KESAVAN S， JAYAKUMAR J. Improvement of adaptive HTTP streaming using advanced real-time rate adaptation [J]. Computers & Electrical Engineering， 2017， 58： 49-66.

[13] KUA J， ARMITAGE G， BRANCH P. A survey of rate adaptation techniques for dynamic adaptive streaming over HTTP[J]. IEEE Communications Surveys & Tutorials， 2017， 19（3）： 1842-1866.

[14] 祝谷乔， 宋皓. MPEG-DASH与HLS流传输技术的比较分析[J]. 电信科学， 2015， 31（4）： 23-27. （ZHU G Q， SONG H. Comparative Analysis of MPEG-DASH and HLS streaming technology[J]. Telecommunications Science， 2015， 31（4）： 23-27.）

[15] Libdash [EB/OL]. [2016-12-11]. https：//github.com/bitmovin/libdash.