带你读《多媒体行业质量成本优化及容灾方案白皮书》1. 直播容灾(1)

简介: 带你读《多媒体行业质量成本优化及容灾方案白皮书》1. 直播容灾(1)

三、容灾建设

1. 直播容灾

基于直播云产品实现的直播业务链路包括:推流链路、直播转码&截图&录制&合流&垫片等逻辑、下行播流分发逻辑等等,其中推流链路存在多种不同架构,直播转码截图录制等逻辑亦存在多种实现方案。下文将展开推流链路架构、直播转码截图逻辑方案的介绍,同时基于直播业务链路架构展开容灾方案介绍。

1 直播链路架构

a) 上行推流架构介绍

云厂商中心推流

 

原有的阿里云中心推流方式已逐步下线,当前优先推荐客户使用边缘推流。原中心推流方式,是推流客户端直接向各区域中心的推流域名进行推流(例如:video-center.alivecdn.com)。

 

云厂商边缘推流

 

利用阿里云丰富的CDN节点、覆盖范围广的优势,优先将流数据调度至距离用户最近的最优CDN节点,通过阿里智能调度系统将数据快速传输至直播中心进行内容分发,保证用户访问的都是最佳的上行网络,减少因上行传输带来的卡顿、拉流缓慢的问题。

 

image.png

 

 

边缘推流优势:

 

客户自建直播中心接流

 

自建接流源站,具有优势如下:

 

  • 拥有CDN调度能力,增强了源站及整个直播平台容灾的能力;
  • 使用公共云平台自建直播接流源站可以增强平台的弹性能力,并且在多云策略的举措下,可以避免被一家云厂商锁定;
  • 同时客户可以执行调控各CDN流量比例,在质量和成本间取得最好的折衷;如自研智能CDN调度系统,精确捕捉 CDN 与用户的动态变化,可以更合理地利用CDN资源,通过自动调度取优各厂商各区域的CDN质量,逃逸个别厂商CDN故障,可以大大降低观看故障时长,节约大量人力监控和维护成本。

自建接流源站客户包括某短视频A、短视频B、游戏直播客户A、党媒客户等。

b) 直播转码截图等逻辑方案介绍

为了适配不同的直播业务诉求及终端播流环境,一场直播可能会涉及到转码成不同格式适配终端环境、转码成不同档位适配终端网络设备情况、视频录制以便终端用户回看、视频截图以便业务运营审核、直播合流垫片适配业务场景等等。

 

一般云直播产品具备转码、录制、截图、合流、垫片等能力,同时部分头部多媒体客户为了极致的业务应用及容灾等考量,也会自建直播中心实现上述功能,云直播产品仅实现接流及播流分发。

 

总而言之,直播转码截图录制等能力可以依托于云直播产品实现,也可以自建实现。其中自建直播中心实现上述能力需要客户拥有音视频技术栈储备、投入自有直播中心运维容灾成本等,整体投入相对较大。

c) 直播播流分发

直播播流分发,一般依托于云直播产品进行下行分发,如阿里云直播产品的下行分发就依托于CDN产品的节点,基于CDN节点,阿里云直播产品实现了协议栈优化、内部链路卡顿切换、直播命中率提升等能力,以提升终端直播质量。


带你读《多媒体行业质量成本优化及容灾方案白皮书》1. 直播容灾(2)https://developer.aliyun.com/article/1351870?groupCode=supportservice

相关文章
|
Arthas 测试技术
【面试题精讲】JVM-使用Arthas解决线上问题(热部署)
【面试题精讲】JVM-使用Arthas解决线上问题(热部署)
|
前端开发 Android开发 容器
surfaceview组件的surfaceCreated()不被调用的解决方案
原文:surfaceview组件的surfaceCreated()不被调用的解决方案 有时候我们有需要在native层做在surfaceview的上下文中做渲染,这个时候只是提供了一个单独什么都不做的surfaceview。
4025 0
|
4月前
|
人工智能 监控 数据可视化
让历史经验自动预警:2025年场景化进度监控工具实践指南
本报告系统梳理进度监控工具四代演进路径,深入解析AI、区块链、联邦学习等技术在智能进度监控系统中的应用,涵盖核心功能模块、可视化分析、主流工具选型及实施方法论,展望下一代技术趋势,助力项目管理智能化转型。
207 0
|
6月前
|
关系型数据库 分布式数据库 数据库
再获殊荣,阿里云PolarDB数据库蝉联SIGMOD最佳论文奖
内存池化技术新突破,阿里云PolarDB蝉联SIGMOD最佳论文奖
|
机器学习/深度学习 自然语言处理 算法
RAPTOR:多模型融合+层次结构 = 检索性能提升20%,结果还更稳健
本文探讨了通过多模型集成技术提升信息检索系统性能的方法,重点介绍了RAPTOR框架。RAPTOR通过构建层次化的信息组织结构和递归摘要技术,显著提高了检索系统的性能和适应性。研究建立在RAG Fusion技术基础上,旨在提供更全面的信息检索解决方案。
888 2
RAPTOR:多模型融合+层次结构 = 检索性能提升20%,结果还更稳健
|
SQL 分布式计算 关系型数据库
Hadoop-22 Sqoop 数据MySQL到HDFS(全量) SQL生成数据 HDFS集群 Sqoop import jdbc ETL MapReduce
Hadoop-22 Sqoop 数据MySQL到HDFS(全量) SQL生成数据 HDFS集群 Sqoop import jdbc ETL MapReduce
238 0
|
存储 人工智能 自然语言处理
Lindorm作为AI搜索基础设施,助力Kimi智能助手升级搜索体验
月之暗面旗下的Kimi智能助手在PC网页、手机APP、小程序等全平台的月度活跃用户已超过3600万。Kimi发布一年多以来不断进化,在搜索场景推出的探索版引入了搜索意图增强、信源分析和链式思考等三大推理能力,可以帮助用户解决更复杂的搜索、调研问题。 Lindorm作为一站式数据平台,覆盖数据处理全链路,集成了离线批处理、在线分析、AI推理、融合检索(正排、倒排、全文、向量......)等多项服务,支持Kimi快速构建AI搜索基础设施,显著提升检索效果,并有效应对业务快速发展带来的数据规模膨胀和成本增长。
|
缓存 负载均衡 Java
Spring Boot 优雅实现多活架构(Active-Active Architecture)
【6月更文挑战第20天】实现多活架构(Active-Active Architecture)意味着在多个地理位置或多个数据中心同时运行应用系统,使其具备高可用性、灾难恢复和负载均衡能力。以下从理论到实践详细介绍如何使用 Spring Boot 构建多活系统。
325 6
|
Linux 数据安全/隐私保护
HTCondor下多台Linux计算集群的搭建
HTCondor下多台Linux计算集群的搭建
HTCondor下多台Linux计算集群的搭建
|
机器学习/深度学习 人工智能 供应链
构建未来:AI技术在智能物流中的应用
【5月更文挑战第38天】 随着人工智能技术的飞速发展,其在各行各业的应用已经变得日益广泛。特别是在智能物流领域,AI不仅改变了传统物流的运作模式,还极大提升了效率和准确性。本文将深入探讨AI在智能物流中的具体应用,包括库存管理、运输优化、自动化仓库以及客户服务等方面,并分析其对整个行业的深远影响。通过案例分析和数据支撑,我们展示了AI如何帮助物流公司降低成本、提高客户满意度,并推动整个供应链系统的创新。