播放器点播场景成本优化_视频点播技术和成本优化-CSDN博客

本文链接：https://blog.csdn.net/weixin_50873490/article/details/144405001

开篇

本文主要总结火山引擎视频点播产品负责人赵春波《如何利用播放器节省20%点播成本》文章

日常开发人员，主要关注前两节即可。

点播成本构成

点播成本构成中的二八原则：

CDN 带宽成本占绝对的大头，80%都是带宽成本。
其次是存储和转码成本，二者占不到 20%。
额外还有一些其他的周边的成本，比如日志处理的数据成本、AI 处理的成本。

优化方法

在点播的成本优化中，存在 2 种“置换关系”：

第 1 种置换关系是“成本项之间的置换”，指的是「带宽 - 转码 - 存储」之间的置换。例如 H.264 升级到 H.265 编码格式，265 的压缩率更优，带宽、存储大幅减少，但转码成本大幅升高。由于带宽成本远大于转码和存储成本，这种置换通常是划算的。

当文件大小（bit率）和画面质量（码率）不变前提下，想更快则进行升级编解码算法

第 2 种置换是“成本和体验的置换”，存在“跷跷板效应”。例如增大缓存时长，卡顿率降低但成本增加；抖音小视频 feed 流场景做预加载，首屏感更顺滑但成本增加；降低码率，清晰度变差但成本减少。跷跷板中间支点是技术，通常希望固定体验、降低成本，依靠技术来支撑。

低延迟意味着高成本，硬件成本：需要投入大量机器做缓存，增加宽带，人员成本：采用udp rtp quick这种低延迟协议，人员技术需要提高

跷跷板中间支点是技术，我们通常是希望固定体验、降低成本，依靠技术来支撑。

那么回归话题，如何不降低体验同时降低成本?服务器宽带是按照单价进行售卖，以技术员角度思考：我们只能压低用量实现降本增效。

播放器的成本优化方法

缓存的浪费

播放器优化讲到为了进行秒播，我们需要对帧数据进行缓存对抗网络抖动。成本优化方案主要就是保证视频播放同时，降低缓冲区大小。

主要方案：

1.采用静态水位思路，减少缓存水位来减少浪费，但静态水位难以抉择，可能导致卡顿增加。

2.实现动态水位算法，根据用户网络速度和稳定性、播放行为等因素动态决策缓存水位大小。

探测用户的网络速度和稳定性

根据用户的播放行为，分析用户离开频率

其他考虑因素：视频的类型和内容特点，设备的性能和网络环境的历史数据，视频的热门程度。

3.优化 Range 请求

Range是http协议的一个请求头，默认是“0-请求” ，表示请求完整文件。我们可以设计成分多段发送，因素就取决于水位线。

播放器 Range 请求应遵循两个原则：将当前视频尽快缓存到目标水位；控制 Range 拆分的大小，避免太小的 Range 拆分。

预加载的浪费

采用“精准预加载策略”，在时机、大小、个数上做精细化优化。时机上区分紧急和不紧急的预加载部分；大小上结合视频长度、头大小、码率等计算预加载大小；个数上按优先级依次预加载后续 N 个视频，并结合用户行为动态决策。

后续 N 个视频（动态计算），结合用户本身的行为，比如用户快速滑动时，动态调整预加载的个数。如果用户快速滑动，可能会增加预加载的个数；

加载粒度因素：

•1）时机上，对预加载也进行切片，这样可以区分出来一部分是紧急的， 其他是不紧急的。比如图里，标记P0的是要最优先下载的，然后可以做预加载，预加载标记P1的部分，然后是当前视频的缓存水位，之后可以选择是否要预加载P3的部分。

•2）大小上，每个视频也会结合视频的长度、头大小、码率等因素计算出来需要预加载的大小

•3）个数上：按照feed list中的优先级依次预加载后续N个视频（动态计算），也会结合用户本身的行为（比如快速滑动）来动态决策。

清晰度的浪费

原因：短视频一般是小窗口，当视频是1080时，以360窗口大小播放，视频高码率清晰度就浪费了。所有降低码率和清晰度，全屏播放再回调。设置多个档位，一级一级回调控。
采用“窄屏低清”策略，识别窄屏播放时降低清晰度，横屏时再切换为正常清晰度。
采用“降档超分”策略，分发低一档的清晰度，通过客户端超分弥补主观清晰度。