开发网络视频直播系统过程中的那些关键点

本文涉及的产品
视频直播,500GB 1个月
简介: “Syno Japan与媒体Carts合作在日本国内发起了“电竞相关认知/消费调查”,调查表示整个2018年是日本的电子竞技元年,也是日本国内逐渐认知电竞的一年。”由此可见,电竞在日本仅仅处于起步阶段,对于中国和韩国等地来说早已成为了大众的“生活必需品”,尤其是在网络视频直播系统带动下的游戏电竞直播,更是受到了人们的广泛关注。

“Syno Japan与媒体Carts合作在日本国内发起了“电竞相关认知/消费调查”,调查表示整个2018年是日本的电子竞技元年,也是日本国内逐渐认知电竞的一年。”由此可见,电竞在日本仅仅处于起步阶段,对于中国和韩国等地来说早已成为了大众的“生活必需品”,尤其是在网络视频直播系统带动下的游戏电竞直播,更是受到了人们的广泛关注。实际上,大多数人并不了解网络视频直播系统在开发时需要怎样的技术支持。所以,就跟大家简单地分享一下相关内容。

1.DRM管理器

对于大部分网络视频直播系统来讲,都会有一个区域:付费房间,而直播中的付费视频服务都基于DRM管理。

DRM其实很大程度上是依赖于平台和设备的。多媒体引擎中的DRM管理器,是更底层解码器中内容解密API的包装。只要有可能,它就会尽量通过抽象的方式来屏蔽浏览器,或者操作系统实现细节的差异性。DRM管理器(可选组件)一般都会和流处理引擎紧密相连,主要原因是DRM管理器经常与解码层进行交互。

2.格式转换复用器

其实网络视频直播系统在进行封包和编码方面都存在一定的局限性,比如Flash读的是FLV容器封装的H.264文件。这种情况就容易导致有些视频片段在解码之前需要进行格式转化。这样一来,就能够使用相应格式的内容来播放视频流。而多媒体引擎层面的格式转换复用器曾经受到过质疑,但是随着现代Flash和Javascript性能的提升,所带来的性能损耗几乎可以忽略不计,并且也不会对用户体验造成太大影响。

3.资源质量参数预估器

这里提到的预估器主要是提供带宽、CPU和帧率等信息,它可以从各种不同的维度获取数据,比如跳帧数和片段下载时间。并且可以将数据汇总起来用于估算用户的可用带宽值和CPU计算能力,输出时采用ABR做出判断。

4.ABR 切换控制器

为什么要把ABR(切换控制器)放到最后再说呢,因为它是多媒体引擎中最为关键的部分,也是最容易被人忽视的一部分。控制器在读取预估器输出的带宽和跳帧数等数据之后,使用自定义算法根据这些数据做出相应的判断。从而告知流播放引擎是否需要切换视频或者是音频的质量。目前遇到的最大难点就是切换频率和在缓冲风险之间找到平衡,比如太频繁的切换可能会导致用户拥有一个糟糕的网络视频直播体验。

对于网络视频直播系统而言,带宽、跳帧数、延时和卡顿等问题都是影响用户体验非常重要的指标。要想在互联网领域获得长久发展,就要从开发过程中去避免和解决影响用户体验的问题,只有这样才能真正的适应用户需求,从而建立起优质的网络视频直播系统。


原文首发地址:https://blog.csdn.net/fmscms/article/details/88551292

相关文章
|
15天前
|
机器学习/深度学习 算法 TensorFlow
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
动物识别系统。本项目以Python作为主要编程语言,并基于TensorFlow搭建ResNet50卷积神经网络算法模型,通过收集4种常见的动物图像数据集(猫、狗、鸡、马)然后进行模型训练,得到一个识别精度较高的模型文件,然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面,实现用户上传一张动物图片,识别其名称。
46 1
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
|
14天前
|
机器学习/深度学习 人工智能 算法
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
植物病害识别系统。本系统使用Python作为主要编程语言,通过收集水稻常见的四种叶片病害图片('细菌性叶枯病', '稻瘟病', '褐斑病', '稻瘟条纹病毒病')作为后面模型训练用到的数据集。然后使用TensorFlow搭建卷积神经网络算法模型,并进行多轮迭代训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地模型文件。再使用Django搭建Web网页平台操作界面,实现用户上传一张测试图片识别其名称。
65 21
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
|
14天前
|
机器学习/深度学习 人工智能 算法
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
鸟类识别系统。本系统采用Python作为主要开发语言,通过使用加利福利亚大学开源的200种鸟类图像作为数据集。使用TensorFlow搭建ResNet50卷积神经网络算法模型,然后进行模型的迭代训练,得到一个识别精度较高的模型,然后在保存为本地的H5格式文件。在使用Django开发Web网页端操作界面,实现用户上传一张鸟类图像,识别其名称。
60 12
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
|
13天前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
43 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
9天前
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
22 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
4天前
|
网络协议 安全
网络中IP地址与域名系统
网络中IP地址与域名系统
16 3
|
9天前
|
存储 安全 网络安全
云计算与网络安全:构建安全的数字生态系统## 一、
随着云计算技术的迅猛发展,网络安全问题日益凸显。本文探讨了云服务、网络安全和信息安全之间的紧密联系,分析了当前面临的主要挑战,并提出了相应的解决策略。通过深入剖析云计算环境中的安全问题,本文旨在为读者提供一个全面而清晰的认识,帮助大家更好地应对云计算时代的网络安全挑战。 ## 二、
|
9天前
|
机器学习/深度学习 人工智能 算法
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台。果蔬识别系统,本系统使用Python作为主要开发语言,通过收集了12种常见的水果和蔬菜('土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜'),然后基于TensorFlow库搭建CNN卷积神经网络算法模型,然后对数据集进行训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地文件方便后期调用。再使用Django框架搭建Web网页平台操作界面,实现用户上传一张果蔬图片识别其名称。
29 0
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
16天前
|
负载均衡 网络协议 网络安全
设计一个高性能的网络系统
设计一个高性能的网络系统
22 2
|
6天前
|
安全 网络协议 网络安全
WinXP系统网络不能互访的七大解决之道
WinXP系统网络不能互访的七大解决之道
下一篇
无影云桌面