云场景实践研究第38期:video++

本文涉及的产品
日志服务 SLS,月写入数据量 50GB 1个月
简介: 旨在为视频平台提供视频内AI和互动系统技术的video++,通过拥抱阿里云,月播放量已经突破20亿,国内的主要直播平台也纷纷开始全面上线video++新发布的直播互动系统,支撑直播在线用户峰值突破到100W。
更多云场景实践研究案例,点击这里: 【云场景实践研究合集】联合不是简单的加法,而是无限的生态,谁会是下一个独角兽
旨在为视频平台提供视频内AI和互动系统技术的video++,通过拥抱阿里云,月播放量已经突破20亿,国内的主要直播平台也纷纷开始全面上线video++新发布的直播互动系统,支撑直播在线用户峰值突破到100W。本文将详细分析video++初期面临的并发的能力技术瓶颈,以及如何携手阿里云解决问题实现快速成长。
阿里云让创业公司有了可以支撑海量并发的能力,帮助创业公司快速成长的时候,不用花精力投入到基础建设,创业公司再也不会由于系统的吞吐能力不足而流失用户。
video++起初采用的是国内某家云厂商,但是随着公司不断发展,接入技术的平台流量不断增大,同时产品又新增了海量推送的需求,在迫在眉睫的弹性伸缩产品还没上线的原因之下,为了把更多的精力投入到业务产品研发中,而不是基础设施建设中,video++正式决定迁移到阿里云。

采用的阿里云产品
  • 阿里云日志服务 Log Service
  • 阿里云消息队列 MQ 
  • 阿里云负载均衡 SLB
  • 阿里云弹性伸缩 Auto Scaling
  • 阿里云大数据计算服务 MaxCompute

为什么使用阿里云
迫在眉睫的弹性伸缩产品也还没上线
需要较低成本的负载均衡,弹性伸缩,MQTT推送来满足业务场景需求
需要新的日志搜集系统,避免成本浪费

关于video++
Video++是上海极链网络科技有限公司旗下专注于消费级视频领域的 AI 科技平台。[1]  专注于提供新一代的互动视频技术,智能广告位识别投放与营销解决方案,公司致力于“让视频变得互动与智能”。2016年春节前后,芒果TV的爸爸去哪儿节目开播,全面启用了video++的视频互动产品服务。当时节目的月播放量突破十亿,周末峰值时间的视频内互动并发破百万。

发展快速问题不断——基础建设之痛
video++起初采用的是国内某家云厂商,但是随着公司不断发展,对云的要求也越来越高,单纯的一个云主机已经不能满足企业需求。随着接入我们技术的平台流量不断增大,当时用的某云厂商的产品线的不足的问题也开始暴露出来。由于业务的快速增长,video++希望可以把更多的精力投入到业务产品研发中,而不是基础设施建设中。
2016年春节前后,芒果TV的爸爸去哪儿节目开播,节目的月播放量突破十亿,周末峰值时间的视频内互动并发破百万,流量和并发数突增数十倍,系统开始出现严重异常,各种接口不通,导致芒果tv灵犀互动有将近十几分钟的响应异常和素材错误。
在切换云服务商之前,video++优化自己的业务架构,通过修改缓存策略、做二级缓存、添加从库、自建MQ服务器等多种手段来进行弥补,先满足目前的用户需求,但是成本大,非常不灵活,流量低谷时形成巨大资源浪费。
video++之前的日志搜集系统是采用flume+kafka,业务流量是波动的,flume和kafka的压力也是波动的,如果准备大容量的集群,会出现成本浪费。

为什么选择阿里云?

video++上云之路
阿里的各个产品都是数据打通的,可以相互串联起来,形成一个闭环的生态。video++利用了阿里云成熟的 负载均衡,弹性伸缩,MQTT推送,而且这些都是 按量付费,十分符合video++的业务场景,上阿里云一个月后,系统逐步稳定下来。
video++使用阿里的 日志系统,替代了原有的架构,阿里的日志系统结合我们的docker部署,使用方便,功能多样,从日志采集到最终的大数据分析,形成闭环,而且无需考虑日志丢失和系统的吞吐能力,日志存储到哪里的底层实现,节省了运维成本和服务器资源成本。
video++使用 阿里云的MQ服务,实现实时在线的高并发性,实时在线数可达200万。

乘风破浪 携手前行
阿里云让创业公司有了可以支撑海量并发的能力,帮助创业公司快速成长的时候,不用花精力投入到基础建设,创业公司再也不会由于系统的吞吐能力不足而流失用户。在公司业务的快速增长中,公司可以把更多的精力投入到业务产品研发中,而不是基础设施建设中。
video++上阿里云一个月后,系统逐步稳定下来。2016年8月,video++的月播放量已经突破20亿,国内的主要直播平台也纷纷开始全面上线video++新发布的直播互动系统,而直播的互动需求远超点播,互动并发的峰值倍增也是非常明显。
阿里的日志系统结合video++的docker部署,使用方便,功能多样,从日志采集到最终的大数据分析,形成闭环,而且无需考虑日志丢失和系统的吞吐能力,日志存储到哪里的底层实现,节省了运维成本和服务器资源成本,对于video++这种流量波动大,有弹性日志搜集的创业公司来讲,更加方便。

关于video++的更多实践详情: 携手阿里云,成为更好的Video++
原文发布日期:2017-02-22
云栖社区场景研究小组成员:丁匀泰,仲浩。
相关文章
|
6天前
|
机器学习/深度学习 人工智能 算法
Enhance-A-Video:上海 AI Lab 推出视频生成质量增强算法,显著提升 AI 视频生成的真实度和细节表现
Enhance-A-Video 是由上海人工智能实验室、新加坡国立大学和德克萨斯大学奥斯汀分校联合推出的视频生成质量增强算法,能够显著提升视频的对比度、清晰度和细节真实性。
27 8
Enhance-A-Video:上海 AI Lab 推出视频生成质量增强算法,显著提升 AI 视频生成的真实度和细节表现
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
LTX Video:Lightricks推出的开源AI视频生成模型
LTX Video是由Lightricks推出的开源AI视频生成模型,能够在4秒内生成5秒的高质量视频。该模型基于2亿参数的DiT架构,确保帧间平滑运动和结构一致性,支持长视频制作,适用于多种场景,如游戏图形升级和电子商务广告变体制作。
125 1
LTX Video:Lightricks推出的开源AI视频生成模型
|
5月前
|
人工智能 前端开发 语音技术
通义语音AI技术问题之CAM++模型中的CAM模块工作原理如何解决
通义语音AI技术问题之CAM++模型中的CAM模块工作原理如何解决
84 4
|
7月前
|
机器学习/深度学习 人工智能 文字识别
【AI落地应用实战】如何让扫描工具更会思考——智能高清滤镜2.0实战测评
扫描全能王的智能高清滤镜2.0利用深度学习技术解决文档图像处理难题,如透字、阴影、褶皱、手指遮挡等问题。它采用自适应感知技术,识别并处理不同元素,同时结合多尺度感知融合方法,提升图像清晰度。实测显示,滤镜在曲面书籍、摩尔纹屏幕、透字文档和光线不均的图画等场景下表现优秀,能智能地适应和优化复杂条件下的扫描效果,提高了文档扫描的效率和质量。
|
8月前
|
人工智能 测试技术
AI视频理解模型MiniGPT4-Video发布
【4月更文挑战第13天】KAUST和哈佛大学联合研发的MiniGPT4-Video模型在AI视频理解上取得突破,能处理视觉信息和文本对话,提升视频内容分析能力。该模型在多个基准测试中超过现有最佳方法,尤其在有字幕的情况下表现优异。然而,受限于大型语言模型的上下文窗口,目前仅能处理有限帧数的视频,未来研究将致力于扩展处理长视频的能力。
222 5
AI视频理解模型MiniGPT4-Video发布
|
8月前
|
机器学习/深度学习 人工智能 算法
极智AI | 谈谈多通道img2col的实现
大家好,我是极智视界,本文来谈谈 多通道img2col的实现。
173 1
|
达摩院 计算机视觉
给语言大模型加上综合视听能力,达摩院开源Video-LLaMA
给语言大模型加上综合视听能力,达摩院开源Video-LLaMA
362 0
|
人工智能 自然语言处理 算法
Prompt一键抠图!Meta发布史上首个图像分割基础模型,开创CV新范式(1)
Prompt一键抠图!Meta发布史上首个图像分割基础模型,开创CV新范式
242 0
|
机器学习/深度学习 人工智能 编解码
Prompt一键抠图!Meta发布史上首个图像分割基础模型,开创CV新范式(2)
Prompt一键抠图!Meta发布史上首个图像分割基础模型,开创CV新范式
308 0
|
机器学习/深度学习 计算机视觉
Datawhale 零基础入门CV赛事-Task5 模型集成
Datawhale 零基础入门CV赛事-Task5 模型集成
122 0