《泛娱乐行业技术服务白皮书》——三、泛娱乐典型业务架构与场景——3.1直播类泛娱乐——3.1.6 出海业务直播场景(2)

简介: 《泛娱乐行业技术服务白皮书》——三、泛娱乐典型业务架构与场景——3.1直播类泛娱乐——3.1.6 出海业务直播场景(2)

《泛娱乐行业技术服务白皮书》——三、泛娱乐典型业务架构与场景——3.1直播类泛娱乐——3.1.6 出海业务直播场景(1) https://developer.aliyun.com/article/1231033?groupCode=supportservice



3.1.6.3 核心指标

探测指标的测试

up_node_zone:上层节点接入的的运营商线路;

lower_node_zone:下层节点接入的的运营商线路;

lossrate丢包率;

Avg_rt探测周期内的平均rtt;

Max_rt:探测周期内的max延时;

Min_rt:探测周期内的min延时;

Merge_time合并时间;

 

回源协议优化

目前很多业务方也会采用UDP回源的方式进行私有优化,如果RTMP推流后,可 以采用RTC(UDP)在内部进行转推。如果采用传统的TCP/IP传,在kernel层面也有一 些优化,如升级版的TCP优化协议。

  

Abstract

基于TCP协议的自适应网络控制传输方法,通过在网络传统的TCP/IP协议 体系结构中的发送端和接收端的传输层和网络层中间分别添加网络编码层,在网络编 层中给编码包和ACK应答包添加包含特定变量的网络编码包头,利用编码包和 ACK应答包将这些变量在接收端和发送端之间传递并更新,并利用这些变量在发 端网络编码层调整冗余系数R。这种动态调整冗余系数的方法,可以增强协议对突发 丢失的抵抗力,并在丢失率不断变化的网络环境中,使冗余系数R尽可能维持在最优 值,提高网络吞吐率和链路利用率


BBR

Google方对TCP- BBR的测试展示比较局限。多是单流测试,场景单调。 TCP-BBRGoogle跨越DCB4网络测试中取得了较好的成绩。FacebookLaw- renceTCP-BBR做了更详尽的对比测试Google官方已经很详细地描述了BBR算法 的机,  这里再取其精华下。TCP- BBR基于测量,  脱离了原先的tcp窗口调节框 架,实现了一套自己的速率调节机制,这种调节机制对丢包不敏感。TCP-BBR 上继承了长久以来的可靠传输协议设计思想。它的难得之处,在于比以往的协议更进 一步。小的改变会有大的不同。它关注两个测量值:BtlbwpropRTT,即瓶颈带宽 播时延。BtlbwPropRTT无法同时测量。网络利用程度高的时候,才能测带 宽。网络空载的时候,才能测延时。因此它的测量算法可以分为两部分看。以下是官 方测试的收益数据,优势在跨国的长瘦网络的窄带丢包有出奇的效果,具体数据这里 不详赘述,可以自行Google官方查找;


image.png

image.png



《泛娱乐行业技术服务白皮书》——三、泛娱乐典型业务架构与场景——3.1直播类泛娱乐——3.1.6 出海业务直播场景(3) https://developer.aliyun.com/article/1231029?groupCode=supportservice

 

相关文章
|
19天前
|
机器学习/深度学习 安全 算法
十大主流联邦学习框架:技术特性、架构分析与对比研究
联邦学习(FL)是保障数据隐私的分布式模型训练关键技术。业界开发了多种开源和商业框架,如TensorFlow Federated、PySyft、NVFlare、FATE、Flower等,支持模型训练、数据安全、通信协议等功能。这些框架在灵活性、易用性、安全性和扩展性方面各有特色,适用于不同应用场景。选择合适的框架需综合考虑开源与商业、数据分区支持、安全性、易用性和技术生态集成等因素。联邦学习已在医疗、金融等领域广泛应用,选择适配具体需求的框架对实现最优模型性能至关重要。
264 79
十大主流联邦学习框架:技术特性、架构分析与对比研究
|
1月前
|
人工智能 自然语言处理 运维
云通信编排技术助力中国企业出海
云通信编排技术助力中国企业出海,通过便捷的流程设计实现私域流量自动化营销服务。分享内容涵盖Chat App消息服务、Chat Flow场景编排及其应用场景。Chat App支持全球主流通讯App的消息触达,如WhatsApp、Instagram等,帮助企业高效触达C端用户。Chat Flow提供可视化拖拽工具,降低操作门槛,快速搭建复杂业务流程,提升用户体验和转化率。典型应用包括国际物流订单全流程交付和电商个性化推荐,显著提升客户满意度和粘性。
|
2月前
|
Kubernetes Cloud Native 微服务
探索云原生技术:容器化与微服务架构的融合之旅
本文将带领读者深入了解云原生技术的核心概念,特别是容器化和微服务架构如何相辅相成,共同构建现代软件系统。我们将通过实际代码示例,探讨如何在云平台上部署和管理微服务,以及如何使用容器编排工具来自动化这一过程。文章旨在为开发者和技术决策者提供实用的指导,帮助他们在云原生时代中更好地设计、部署和维护应用。
|
15天前
|
机器学习/深度学习 缓存 自然语言处理
DeepSeek背后的技术基石:DeepSeekMoE基于专家混合系统的大规模语言模型架构
DeepSeekMoE是一种创新的大规模语言模型架构,融合了专家混合系统(MoE)、多头潜在注意力机制(MLA)和RMSNorm归一化。通过专家共享、动态路由和潜在变量缓存技术,DeepSeekMoE在保持性能的同时,将计算开销降低了40%,显著提升了训练和推理效率。该模型在语言建模、机器翻译和长文本处理等任务中表现出色,具备广泛的应用前景,特别是在计算资源受限的场景下。
312 29
DeepSeek背后的技术基石:DeepSeekMoE基于专家混合系统的大规模语言模型架构
|
2月前
|
监控 安全 API
使用PaliGemma2构建多模态目标检测系统:从架构设计到性能优化的技术实践指南
本文详细介绍了PaliGemma2模型的微调流程及其在目标检测任务中的应用。PaliGemma2通过整合SigLIP-So400m视觉编码器与Gemma 2系列语言模型,实现了多模态数据的高效处理。文章涵盖了开发环境构建、数据集预处理、模型初始化与配置、数据加载系统实现、模型微调、推理与评估系统以及性能分析与优化策略等内容。特别强调了计算资源优化、训练过程监控和自动化优化流程的重要性,为机器学习工程师和研究人员提供了系统化的技术方案。
203 77
使用PaliGemma2构建多模态目标检测系统:从架构设计到性能优化的技术实践指南
|
12天前
|
机器学习/深度学习 算法 文件存储
YOLOv11改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
YOLOv11改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
42 10
YOLOv11改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
|
8天前
|
机器学习/深度学习 算法 文件存储
RT-DETR改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
RT-DETR改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
20 4
RT-DETR改进策略【模型轻量化】| MoblieNetV3:基于搜索技术和新颖架构设计的轻量型网络模型
|
24天前
|
存储 缓存 关系型数据库
社交软件红包技术解密(六):微信红包系统的存储层架构演进实践
微信红包本质是小额资金在用户帐户流转,有发、抢、拆三大步骤。在这个过程中对事务有高要求,所以订单最终要基于传统的RDBMS,这方面是它的强项,最终订单的存储使用互联网行业最通用的MySQL数据库。支持事务、成熟稳定,我们的团队在MySQL上有长期技术积累。但是传统数据库的扩展性有局限,需要通过架构解决。
65 18
|
1月前
|
监控 JavaScript 数据可视化
建筑施工一体化信息管理平台源码,支持微服务架构,采用Java、Spring Cloud、Vue等技术开发。
智慧工地云平台是专为建筑施工领域打造的一体化信息管理平台,利用大数据、云计算、物联网等技术,实现施工区域各系统数据汇总与可视化管理。平台涵盖人员、设备、物料、环境等关键因素的实时监控与数据分析,提供远程指挥、决策支持等功能,提升工作效率,促进产业信息化发展。系统由PC端、APP移动端及项目、监管、数据屏三大平台组成,支持微服务架构,采用Java、Spring Cloud、Vue等技术开发。
|
1月前
|
人工智能 运维 监控
云卓越架构:企业稳定性架构体系和AI业务场景探秘
本次分享由阿里云智能集团公共云技术服务部上海零售技术服务高级经理路志华主讲,主题为“云卓越架构:企业稳定性架构体系和AI业务场景探秘”。内容涵盖四个部分:1) 稳定性架构设计,强调高可用、可扩展性、安全性和可维护性;2) 稳定性保障体系和应急体系的建立,确保快速响应和恢复;3) 重大活动时的稳定重宝策略,如大促或新业务上线;4) AI在企业中的应用场景,包括智能编码、知识库问答、创意广告生成等。通过这些内容,帮助企业在云计算环境中构建更加稳定和高效的架构,并探索AI技术带来的创新机会。