共计 3558 个字符，预计需要花费 9 分钟才能阅读完成。
随着 4G、5G 网络技术的倒退和智能手机的遍及，网络直播逐步成为了新媒体次要的传播方式，在社交娱乐、产品展现、政务公开、展会公布等畛域被宽泛应用。
面对全国不同城市、不同运营商的用户，如何保障视频直播清晰、晦涩、实时的观看和互动体验？本文次要分享边缘计算在视频直播场景中的利用，核心内容如下：
- 什么是直播？
- 直播的零碎架构
- 边缘计算减速直播
- 总结
01 什么是直播？
依据《广播电视辞典》定义，直播是指播送电视节目的后期合成、播出同时进行的播出形式。这种形式中节目的后期合成过程就是节目的播出过程，它不通过当时录音或录像，而是同一时间外在现场或播音室、演播室实现节目的制作和播出。
直播能充分体现广播电视媒介流传的劣势：
- 通过直播能够随时播出最新新闻，保障新闻报道的时效性。
- 能够同步报道新闻事件的产生和倒退过程。
- 强烈的现场感，实现良好的播出成果。
随着 4G、5G 网络技术的倒退和智能手机的遍及，基于互联网和流媒体技术的网络直播逐步开始倒退。依靠互联网宽泛、便捷的网络资源，网络直播将音视频信号进行编码、压缩、封装解决后，通过流媒体传输协定在互联网上实时传输和播放。 比照广播电视直播，网络直播对主播在专业技能、表现形式、直播内容等方面更加多元和宽松，且能提供和观众更加互动的双向交流，网络直播逐步成为了新媒体次要的传播方式，在社交娱乐、产品展现、政务公开、展会公布等畛域被宽泛应用。
网络直播依据内容场景，次要分为电商直播、游戏直播、真人秀直播、演唱会直播、体育直播等类型。依据 CNNIC 公布的《第 48 次中国互联网络倒退情况统计报告》数据，截至 2021 年 6 月，我国网络直播用户规模达 6.38 亿，同比增长 7539 万，占网民整体的 63.1%。受害于宽泛的用户群体，网络直播将继续突显其经济和社会价值。
02 直播零碎的架构
基础架构
直播基础架构由主播端、服务端、观众端三局部组成：
- 主播端： 视频生产源头。通过硬件设施采集音频、视频数据后，进行编码、压缩、封装后，通过网络推流至服务端对应的媒体服务。
<!—->
- 观众端： 通过网络拉取服务端媒体服务器上的指标视频流，通过本地播放器进行音视频解码后进行播放。
<!—->
- 服务端： 蕴含一系列的媒体服务器，实现对视频直播的管制面（用户认证、房间治理等）和数据面（音视频流的推流和拉流）的对立接入、治理和调度能力。同时，媒体服务也能够依据直播平台业务需要，对视频流进行连麦、转码、内容审核、录制等性能。
业务架构
一般来说直播业务架构次要由主播端、媒体服务、播放端、直播业务平台等几局部组成：
- 主播端： 通过在直播 APP 中集成推流 SDK，实现直播相干的采集、编码、推流及增值业务等能力。
<!—->
- 观众端： 通过在直播 APP 中集成播放 SDK，实现直播相干的拉流、解码、播放及播放体验优化等能力。
<!—->
- 直播业务平台： 主播和观众在公布 / 订阅直播内容时，都须要依赖直播 APP：比方主播只有在对应直播 APP 平台注册并通过审核后，才能够创立房间进行直播，而后观众也是通过直播 APP 进入某个主播的房间实时观看直播及互动。对应直播 APP 后端平台就是直播业务平台，实现用户注册和治理、房间治理、鉴权和受权治理能力。
<!—->
- 媒体服务： 实现对直播流的接入、公布、转发能力，对直播流和内容基于业务需要进行合流、审查、转码、录制等能力。
在商业化的直播 APP 中，还会有诸如弹幕、打赏、商品举荐等业务模块，提供更加趣味、新鲜的直播交互和体验。
03 边缘计算减速直播
随着业务的倒退，直播平台须要实现对全国不同城市、不同运营商的用户提供笼罩和直播服务，随同而来就会产生如下的问题：
- 高并发瓶颈： 直播核心难以承载百万级、千万级规模的用户并发申请。
- 带宽瓶颈： 直播核心的网络资源难以满足大量用户的视频接入和散发。
- 体验不统一： 不同中央用户因为物理间隔差别带来额定的网络时延，从而导致用户体验不统一。
边缘计算旨在更加凑近用户的网络边缘，提供规范的计算能力和 IT 服务。通过将时延敏感业务、流量接入业务部署在用户本地，一方面能够就近接入用户升高业务响应时延，另一方面在边缘本地即可对业务进行解决能够无效分担核心瓶颈晋升业务容量。
推拉流减速
如果将所有主播的直播流都推送至直播核心，而后所有观众也都从直播核心拉流，那么势必对直播核心带来微小的业务压力。同时主播 / 观众到直播核心间的网络链路存在长距离传输，其网络性能存在带宽受限、不稳固等因素也会影响最终的用户体验。
通过边缘计算提供的边缘实例自建直播网络，将推拉流能力部署在更加凑近终端用户的边缘，实现就近接入、转发用户直播流数据， 升高用户时延 。同时边缘实例所在节点具备运营商高质量的 专线进口，能够无效保障用户 - 边缘节点 - 直播核心的网络传输品质，晋升业务稳定性。
- 上行推流减速： 基于用户地理位置亲和性，智能调度用户（主播）到最近的边缘计算节点提供视频直播流媒体推流服务，升高用户接入响应时延晋升体验。
<!—->
- 上行拉流减速： 基于用户地址地位亲和性，智能调度用户（观众）到最近的边缘计算节点提供视频直播流媒体拉流服务：如果本地曾经缓存直播流，间接散发；如果本地无缓存，则回源直播核心拉流，无效升高用户拉流时延，并极大的节俭直播核心带宽收入老本。
媒体解决减速
边缘计算提供的通用算力，能反对在用户本地即可对视频直播的用户媒体数据进行解决，比方将视频直播媒体服务中转码、切片、合流等服务间接在边缘本地部署，一方面本地媒体数据处理能够 晋升用户交互相干业务的响应效率，另一方面在数据源头对数据进行压缩、优化解决能够晋升边缘 - 核心的数据传输效率优化老本。同时，从全局零碎架构来看，采纳物理地位扩散的边缘计算架构能够实现直播业务的分布式部署，从而实现更高并发、更稳固的业务能力。
能够思考在边缘节点实现如下媒体服务解决：
- 窄带高清 / 转码： 在保障用户观看视频品质的前提下，对直播流视频进行压缩，升高回传带宽需要。
<!—->
- 合流： 对用户的多个视频流在边缘进行合流，升高回传带宽需要。
<!—->
- 转封装： 针对用户不同终端类型（IOS、Android、HTML5 等）动静转换流媒体封装协定。
<!—->
- 转码： 实现视频流不同编码格局的转换。
<!—->
- 超分辨率： 通过算法晋升原片画质，满足高质量画面的用户需要。
<!—->
- 动静分辨率： 基于用户的实时网络环境动静切换不同码率视频，保障视频晦涩度。
值得一提的是，在直播场景中涌现出越来越多乏味的玩法和特效，比方 抖音中比拟火的“蚂蚁呀嘿”、“漫画风”等视频特效，能够极大丰富用户趣味性晋升用户粘性 。高质量的视频特效，同样对用户终端提出更高的资源需要，然而很多中档、低档的终端受限于硬件性能瓶颈导致用户难以获得产品预期的成果从而影响体验。 边缘计算节点提供通用的 GPU 算力资源，能够无效地辅助终端实现高质量的视频特效渲染，保障用户取得预期的直播体验。
AI 利用减速
随着 AI 技术的倒退和成熟，越来越多的 AI 技术被利用于直播场景，比方通过 AI 算法在内容了解、内容翻新、内容传输等方面实现更加优质、翻新的直播体验。
从算力起源来看，核心云、边缘节点、用户终端都能够提供 AI 业务所须要的算力资源：
- 核心云，具备大规模、高性能的 AI 算力劣势，能满足各种 AI 业务场景资源需要；受限于用户间隔，在服务远距离用户时存在时效性低的毛病。
- 用户终端，局部中高档挪动终端能提供肯定的 AI 算力用于 AI 业务。用户终端的 AI 算力对用户来说时延最低、体验最佳，对业务方来说无需投入资源、老本最优；然而因为用户终端型号多样、性能档次不齐，须要业务方投入相当的资源做兼容适配，且最终成果受限硬件性能难以达到预期成果。
- 边缘计算 ，在更凑近的用户边缘能提供通用的计算能力，如和数据中心统一的 GPU 显卡，能够满足 AI 业务推流或渲染所须要的算力资源，同时间隔用户更近 保障业务相应的时效性 ，所以能很好的 协调核心 AI 算力和端侧 AI 算力在时延、兼容性、算力能力、老本的差别。
04 总结
边缘计算提供全国各省市和运营商的全域笼罩，在视频直播场景将和用户交互与流量接入相干的推拉流、转码合流等服务在更加凑近用户的边缘部署，就近实现主播和观众的直播视频推拉流，确保低时延业务响应，晋升高清直播的晦涩业务体验。同时，随着对视频直播内容趣味性、创新性、沉迷性的需要的一直晋升，边缘计算提供低时延、标准化、异构化的算力资源将继续助力直播场景提供更加极致的业务体验。
火山引擎边缘计算节点致力于为用户提供 稳固、高性能、功能丰富的新一代边缘计算云平台服务，通过覆盖全国各省市和运营商的边缘节点，助力业务疾速部署到用户与云核心之间的每个边缘层。
目前火山引擎边缘计算 已在抖音直播、今日头条、西瓜视频、飞书等多款利用落地。 欢送关注边缘计算节点或开明服务～