《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——3.1.2 直播类业务场景与架构

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——3.1.2 直播类业务场景与架构

3.1.2 直播类业务场景与架构

 

近些年随着移动网络及客户端能力的不断提升,直播业务场景得到进一步拓展, 越来越丰富,从传统传媒、体育赛事扩展到在线教育、游戏、娱乐带货等领域;涌现 出一批直播平台依托云厂商的直播产品构建直播业务,提供由主播发起直播供海量观 观看的服务;本节内容将介绍常见的直播业务逻辑及其特征:


一次完整的直播过程,从逻辑上来讲可以分为三个部分:


image.png

 

3.1.2.1 流接入


流接入是指将直播推流数据,  推送到云平台(如阿里云视频直播服务)由云平台进 行后续的处理及分发;最常见的接入方案,一般分为两种:                                      

1)主播推流到全球的分布式流媒体分发网络,并且把流存储在里面,作为直播源

站,当有观众播放时,通过全球的分布式流媒体分发网络接入和收敛找到源流,完成

播;


image.png


2)推端推流到直播平台自建源站,当有观众播放时,先经过全球分布式流媒体分 发网络接入和收敛,然后回源站拉流,无人播放就断开回源拉流 ;

 

 image.png

 流的推流协议一般为RTMP,  主要的推流客户端有mpeg、obs等,  部分直播平台 由主播通过私有协议直接推流至自建源站


image.png


3.1.2.2 流处理


直播流接入到云平台后,往往还需要对直播流进行后续的处理以满足业务需求:


•  转码:通过转码处理可以将原始流转换为不同的码率/分辨率/帧率的视频流因而提供不同规格的视频流供不同网络环境下有着不同播放需求的观众自由选


•  录制:直播是实时的流媒体数据,提供实时画面,直播结束后则无法继续观看 播内容;录制处理是指在直播过程中将实时流媒体数据保存为flv/mp4/hls切片等 形式,用于后续进行点播回看直播画面;


•  截图:截图是指将直播过程中的画面按指定的时间间隔保存为图片,以满足特 定业务需求,例如将截图作为直播间封面展示,以吸引终端用户预览实时直播画面进 入直播间观看


• 智能检测(涉黄、涉恐、涉暴)  :直播截图除了作为封面展示外,还有另外一个 重要的用途,违规检测;可以利用只能审核服务等自动检测截图内容是否违规(例如涉等),及时的发现违规直播内容,并由直播平台关停直播,避免造成违规内容播,扩大影响;

 

对于直接推流到云平台的场景,流处理由云平台进行;对于部分主播直接推流到 自建源站的场景,流处理(转码/截图/审核等)也可由自建源站进行;

 

3.1.2.3 流分发

主流直播平台往往针在全球范围内提供服务,一次热门的直播可能有海量的观众同时 观看,这些观众可能来自于全球不通的国家地区、不同的运营商网络;为数量众多分 布广泛的用户提供稳定稳定流畅的直播服务,  必须依赖内容分发网络(CDN);因此直 服务往往和CDN紧密结合,依托广泛分布的CDN节点承接海量的用户播放请求; 主流的播放协议有 RTMPHTTP-FLVHLS

相关文章
|
18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。
251 79
十大主流联邦学习框架:技术特性、架构分析与对比研究
|
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。
|
14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。
298 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。
202 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
|
11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
37 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
|
7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
19 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
|
23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。
63 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。
|
2月前
|
消息中间件 存储 安全
分布式系统架构3:服务容错
分布式系统因其复杂性,故障几乎是必然的。那么如何让系统在不可避免的故障中依然保持稳定?本文详细介绍了分布式架构中7种核心的服务容错策略,包括故障转移、快速失败、安全失败等,以及它们在实际业务场景中的应用。无论是支付场景的快速失败,还是日志采集的安全失败,每种策略都有自己的适用领域和优缺点。此外,文章还为技术面试提供了解题思路,助你在关键时刻脱颖而出。掌握这些策略,不仅能提升系统健壮性,还能让你的技术栈更上一层楼!快来深入学习,走向架构师之路吧!
73 11

热门文章

最新文章