5G時(shí)代，從生產(chǎn)端到播放端，超G清音視頻將成為主流，如何讓播放更加“智能”，讓用戶隨時(shí)隨地都有流暢觀看體驗(yàn)，既“G清”又“不卡”？

本文將詳解優(yōu)酷“智能檔”的是什么、為什么以及落地效果，尤其是如何突破“傳統(tǒng)自適應(yīng)碼率算法”的局限，解決視頻觀看體驗(yàn)中G清和流暢的矛盾，并以 “熱綜熱劇”等場景為藍(lán)本，一睹“大項(xiàng)目”背后的視頻播放實(shí)踐。

本文主要分為四部分：

背景：智能檔是什么、有什么？

挑戰(zhàn)：傳統(tǒng)自適應(yīng)碼率理論與播放實(shí)踐的碰撞

實(shí)踐：清晰度策略優(yōu)化迭代過程——整體框架建設(shè)，從數(shù)據(jù)中分析和學(xué)習(xí)

總結(jié)：優(yōu)酷智能檔的成果和新技術(shù)的應(yīng)用

優(yōu)酷“智能檔”是什么、有什么？

為了大家能夠?qū)��?yōu)酷智能檔有一個(gè)比較直觀的了解，我這里準(zhǔn)備了一個(gè)帶寬限速條件下播放的視頻。視頻1是傳統(tǒng)1080P藍(lán)光清晰度，視頻2就是今天要提到的“智能“清晰度。我們看到視頻1已經(jīng)開始卡了，視頻2還在繼續(xù)播放，但清晰度角標(biāo)已經(jīng)變?yōu)槌�清了�?

好，剛剛播放的是《長安十二時(shí)辰》張小敬追捕狼衛(wèi)的一段視頻，是在帶寬限速的情況下播放的，大致是在 1.5Mbps 左右。在這樣的條件下左側(cè)使用 1080P清晰度，當(dāng)畫面變化較大，對應(yīng)的碼率也波動較大的時(shí)候，發(fā)生了卡頓，而且提示是否要切換到智能播放。而右側(cè)的“智能”清晰度則在這種情況下，發(fā)現(xiàn)了網(wǎng)絡(luò)不足以支撐藍(lán)光，降J變成了超清，避免了卡頓，然后在這段播過去之后又重新恢復(fù)到藍(lán)光。

▐  優(yōu)酷“智能檔”簡介

看完這段視頻，我們來明確一下，關(guān)于智能檔的幾個(gè)基本問題：

1）  什么是智能檔，這個(gè)大家剛剛也都看到了，智能檔是一種新的清晰度選項(xiàng)。

2）  為什么要有智能檔？我們可以從兩個(gè)角度回答：

讓播放體驗(yàn)更加智能。例如，用戶在一個(gè)不確定的網(wǎng)絡(luò)環(huán)境下，不知道什么清晰度合適，選擇G清晰度，卡了；選擇低清晰度，畫質(zhì)體驗(yàn)又不好。優(yōu)酷智能檔就是要解決這個(gè)選擇問題，智能匹配合適的清晰度，避免用戶自己反復(fù)去嘗試；

避免播放卡頓。例如剛才的《長安十二時(shí)辰》視頻，在網(wǎng)絡(luò)限速或者更常見的4G下，網(wǎng)絡(luò)波動大，智能檔實(shí)時(shí)地調(diào)節(jié)清晰度，在保證用戶觀看更G清晰度的情況下，避免播放卡頓。

3）  是如何實(shí)現(xiàn)的呢？這就要提到自適應(yīng)碼率技術(shù)，根據(jù)網(wǎng)絡(luò)環(huán)境和播放過程中的狀態(tài)，去實(shí)時(shí)決策選擇合適的清晰度。

▐  自適應(yīng)碼率技術(shù)

自適應(yīng)碼率這項(xiàng)技術(shù)，早在 2002 年前后就已經(jīng)被人提出，大致在 2010 年開始在互聯(lián)網(wǎng)L域得到應(yīng)用，逐步走向成熟。關(guān)于自適應(yīng)碼率的技術(shù)方案，一般由兩部分構(gòu)成：

部分協(xié)議框架：支持多個(gè)不同碼率的清晰度傳輸和播放，約定服務(wù)器端、客戶端的；

第二部分算法策略：更具體地確定什么狀態(tài)下匹配哪種碼率、哪種清晰度更好。

在協(xié)議框架上，蘋果較早提出了 HLS 的方案。后來 MPEG 專家組提出行業(yè)標(biāo)準(zhǔn)DASH；除此之外，微軟、Adobe等公司也有技術(shù)方案，但設(shè)計(jì)上比較類似，大同小異。

在算法策略上，是百花齊放。過去幾年，學(xué)術(shù)界涌現(xiàn)出不少相關(guān)論文，比如右側(cè)列表中所示，歸納起來分為4類：

類，基于網(wǎng)速預(yù)測，根據(jù)網(wǎng)速帶寬和碼率的大小進(jìn)行選擇；

第二類，基于播放器的buffer來判斷決策；

第三類，引用一句話網(wǎng)絡(luò)名言“小孩子才做選擇，我全都要”，即融合前面兩種因素；

第四類，更GJ和L先的，將近幾年的人工智能L域的技術(shù)引進(jìn)來，根據(jù)機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)模型來選擇清晰度。

▐  自適應(yīng)碼率技術(shù)的工作流程

自適應(yīng)碼率技術(shù)在從生產(chǎn)到播放的整個(gè)鏈路，分成5步：

步，原始的視頻資源文件，它可能只有一個(gè)比較G的清晰度；

第二步，生產(chǎn)端對視頻進(jìn)行轉(zhuǎn)碼和切片，根據(jù)播放需要，轉(zhuǎn)碼成不同清晰度的碼流。一般清晰度越G，碼率越G，文件越大。每個(gè)碼流都切分成時(shí)間對齊的分片，一般是10s；

第三步，在轉(zhuǎn)碼和切片之后，經(jīng)過 CDN 節(jié)點(diǎn)在網(wǎng)絡(luò)上進(jìn)行分發(fā)；

第四步，各自適應(yīng)碼率的算法按策略選擇需要的清晰度；

第五步：客戶端下載這個(gè)清晰度的分片文件，進(jìn)行播放。

▐  自適應(yīng)碼率算法：基于帶寬速率

看完框架鏈路，我們再來看算法策略，先是簡單的基于帶寬的策略。

這類算法的原理很簡單，就是基于過去一段時(shí)間的網(wǎng)絡(luò)下載速度，對網(wǎng)絡(luò)情況做預(yù)測，如果比視頻某一個(gè)清晰度的碼率大，那么就可以選擇這個(gè)碼率，否則只能嘗試更低清晰度。右上角圖中列出了4種算法，都是基于速度進(jìn)行判斷的，清晰度和網(wǎng)速變化是正相關(guān)。

這個(gè)算法簡單直接，缺點(diǎn)是如果過去網(wǎng)速G，對網(wǎng)絡(luò)的預(yù)估又過于自信，網(wǎng)絡(luò)波動落差大時(shí)，就無法下載完預(yù)期的清晰度內(nèi)容，容易卡頓。

另外，清晰度受網(wǎng)絡(luò)波動影響大，網(wǎng)絡(luò)一波動，就會頻繁的切換清晰度，這相當(dāng)于忽略掉播放器中buffer的作用。

▐  自適應(yīng)碼率算法：基于Buffer

基于buffer，就是播放器的緩沖區(qū)還能播多長時(shí)間來選擇。這種方式直接放棄速度，只看 buffer，沒數(shù)據(jù)可播時(shí)才會卡。當(dāng)buffer 低時(shí)，選擇低清晰度，buffer隨播放進(jìn)度和下載進(jìn)度一點(diǎn)點(diǎn)變化，清晰度不會有太大波動。

缺點(diǎn)是buffer的變化相對緩慢，會喪失對網(wǎng)絡(luò)變化判斷的靈敏性。比如用戶網(wǎng)絡(luò)換環(huán)境立刻變好了，但是 buffer 漲到G清晰度的區(qū)間是需要一個(gè)過程的。

一個(gè)典型的案例就是 BBA 算法，我們可以右側(cè)這張圖，橫軸是 buffer，縱軸是清晰度碼率，它們之間維持一個(gè)線性關(guān)系，buffer越G清晰度越G，直到達(dá)到G的清晰度；同時(shí)為了保證不卡頓，低清晰度也要攢夠一定的buffer，才開始考慮換更G的清晰度。

▐  自適應(yīng)碼率算法-MPC

這類算法有一個(gè)里程碑式的進(jìn)步，給出一個(gè) QoE 的公式化定義。QoE就是體驗(yàn)質(zhì)量，包含清晰度、卡頓時(shí)間、清晰度切換3個(gè)因素。一旦確立好QoE 的計(jì)算公式，在網(wǎng)絡(luò)狀況完全確定的情況下，我們就可以將自適應(yīng)碼率算法轉(zhuǎn)化為一個(gè)求大值的數(shù)學(xué)問題。

但是網(wǎng)絡(luò)狀況完全確定需要“上帝視角”。一般情況下，網(wǎng)絡(luò)波動是可完全預(yù)測的，在一個(gè)較短時(shí)間內(nèi)，我們認(rèn)為網(wǎng)絡(luò)波動會比較小，后面網(wǎng)絡(luò)情況和前面已經(jīng)統(tǒng)計(jì)到的速度存在一定關(guān)聯(lián)性，所以上面的這種求全局大值的就可以退化成為一種局部的計(jì)算，并嘗試通過局部累加，達(dá)到近似全局優(yōu)解，這好比是從一個(gè)全局的動態(tài)規(guī)劃變成一個(gè)局部的貪心思路。

所以它的具體決策過程是：

步，根據(jù)過去的情況，判斷網(wǎng)絡(luò)質(zhì)量，預(yù)測速度；

第二步，生成未來N片，比如5片，將所有可能的清晰度組合做列表；

第三步，逐一嘗試，找出所有可選項(xiàng)中 QoE 大的組合；

第四步，將選擇中下一片清晰度作為本次清晰度選項(xiàng)，每個(gè)分片選擇時(shí)都依次類推。

▐  自適應(yīng)碼率算法-基于機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)就是為計(jì)算機(jī)提供大量數(shù)據(jù)，讓計(jì)算機(jī)基于這些數(shù)據(jù)進(jìn)行計(jì)算，在特定L域做出判斷，并針對判斷給出評定標(biāo)準(zhǔn)，告知機(jī)器判斷是否正確、準(zhǔn)確，經(jīng)過反復(fù)大量的學(xué)習(xí)過程，提G計(jì)算機(jī)判斷能力的準(zhǔn)確性。

強(qiáng)化學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種，是針對一個(gè)過程該如何做決策的學(xué)習(xí)。

如下圖，機(jī)器人學(xué)習(xí)養(yǎng)花，看見花要枯死了，選擇用水澆花，獲得一個(gè)正向的獎勵；如果看到花快被淹死了，還去澆花，那么就只能得到懲罰，此外還可以根據(jù)情況考慮是否施肥、打藥，訓(xùn)練機(jī)器人把花養(yǎng)好。

近年比較火的機(jī)器學(xué)習(xí)方式就是深度神經(jīng)網(wǎng)絡(luò)。我們可以將“養(yǎng)花過程中機(jī)器人的動作” 理解為一個(gè)非常復(fù)雜的數(shù)學(xué)函數(shù)，輸入是花的狀態(tài)，輸出是應(yīng)該澆水還是施肥的決策選擇，花是否養(yǎng)好作為不斷調(diào)整函數(shù)內(nèi)參數(shù)的依據(jù)，一旦參數(shù)調(diào)整好，這個(gè)函數(shù)就可以給出準(zhǔn)確決策，神經(jīng)網(wǎng)絡(luò)就相當(dāng)于這個(gè)復(fù)雜的函數(shù)，具體的一個(gè)模型實(shí)例就相當(dāng)于這個(gè)函數(shù)里所需的所有系數(shù)。 

我們做清晰度選擇的例子和養(yǎng)花的過程很像，輸入是過去的網(wǎng)速情況、buffer情況等，輸出是清晰度的選擇。

2017年開始有論文提出類似的方案，優(yōu)點(diǎn)是用大量的數(shù)據(jù)去訓(xùn)練，訓(xùn)練好了就相當(dāng)一個(gè)“經(jīng)驗(yàn)豐富”的人，它看過很多歷史網(wǎng)絡(luò)變化的數(shù)據(jù)和選擇結(jié)果、知道遇到特定的情況應(yīng)該如何選擇。弊端是太“G深莫測”，可解釋性不強(qiáng)。

▐  業(yè)界應(yīng)用情況

國外的視頻產(chǎn)品，Youtube 和 Netflix的手機(jī)客戶端都有對自適應(yīng)碼率技術(shù)的應(yīng)用。在國內(nèi)，早在兩年前，優(yōu)酷就在做類似嘗試，但初的清晰度選項(xiàng)叫做“自動”，在起播時(shí)幫用戶選擇一個(gè)合適的清晰度，但是播放過程中如果網(wǎng)絡(luò)有波動它不會變。隨著優(yōu)酷技術(shù)體系不斷升J，現(xiàn)在優(yōu)酷能夠通過“智能”選項(xiàng)，隨時(shí)隨地的根據(jù)網(wǎng)絡(luò)情況進(jìn)行清晰度選擇和必要的切換。

實(shí)際應(yīng)用中的挑戰(zhàn)

自適應(yīng)碼率技術(shù)的理論雖好，在大規(guī)模實(shí)踐中，卻屢屢碰壁，歸納起來有如下的挑戰(zhàn)：

▐  實(shí)際應(yīng)用中的挑戰(zhàn)：起播處理

起播的典型挑戰(zhàn)是：

典型策略：環(huán)境未知，如何避免卡頓；

網(wǎng)絡(luò)環(huán)境良好的狀態(tài)下，如何提升清晰度。按照學(xué)術(shù)界的算法論文，起播時(shí)為了避免卡頓，都是從低清晰度開始，但實(shí)際尤其對于沒有使用過同類產(chǎn)品的用戶，10s的模糊不能被接收的；

起播速度：如何快速播放。為了G清和起播后不卡頓，多加載一會兒，行不行？不行！快速起播是良好播放體驗(yàn)的開始。

 所以我們要遵循的原則是：

如果網(wǎng)絡(luò)足夠好，起播就提供G清晰度；

為了避免卡頓和起播太慢，需要在網(wǎng)絡(luò)差的情況，適當(dāng)?shù)剡x擇低清晰度；

不能為清晰度選擇而給播放帶來太大的額外開銷。

優(yōu)酷是如何解決的？

先，根據(jù)視頻是否為次播放進(jìn)行分類。不是次播放的，可參考前一次播放的清晰度；是次播放的，參考播放服務(wù)的請求耗時(shí)。在連播情況下，既然可以用上一次播放的清晰度，也可以利用上一次的播放中的速度信息，更確切知道當(dāng)時(shí)的網(wǎng)絡(luò)情況；

其次，我們發(fā)現(xiàn)請求耗時(shí)的區(qū)分度并不大。播放器也在進(jìn)行一個(gè)網(wǎng)絡(luò)質(zhì)量評估的項(xiàng)目，這樣就引入了網(wǎng)絡(luò)評分機(jī)制，作為清晰度的一項(xiàng)參考；

后，秒播項(xiàng)目也多面鋪開，在播放前下載一個(gè)分片。一方面下載過程提供了速度信息，另一方面我們也需要結(jié)合分片的清晰度進(jìn)行選擇，避免起播清晰度頻繁波動。

▐  實(shí)際應(yīng)用中的挑戰(zhàn)——網(wǎng)絡(luò)情況預(yù)測

第二個(gè)挑戰(zhàn)就是對網(wǎng)絡(luò)情況的判斷，即對帶寬的預(yù)測；雖然不少論文都提到了根據(jù)歷史下載速度求平均值，對當(dāng)前或接下來速度做預(yù)測，但是關(guān)于細(xì)節(jié)基本都避而不談。

網(wǎng)速非常重要，它是對當(dāng)前網(wǎng)絡(luò)判斷直接的數(shù)據(jù)來源，也是保證升降檔快速靈活的一個(gè)關(guān)鍵因素。

速度預(yù)測的難點(diǎn)是網(wǎng)絡(luò)情況是實(shí)時(shí)變化的，不同環(huán)境變化形式和方向都不同。例如，上圖中就是截然不同的兩種網(wǎng)絡(luò)條件，個(gè)網(wǎng)速G且穩(wěn)定，第二個(gè)網(wǎng)速在J速波動。所以預(yù)測速度的原則是盡量保守、盡量平緩，吸收掉波動情況，即對過去一段時(shí)間的速度取平均值。平均值的計(jì)算方式，可以結(jié)合上圖的兩種情況來看：

一是，傳統(tǒng)算數(shù)平均數(shù)和調(diào)和平均數(shù)的方式；

二是，將對過去速度預(yù)測的誤差考慮進(jìn)去，也是robustmpc方案中提到的，更適合我們的需求。 

那么，只有速度預(yù)估就夠了嗎？當(dāng)然不是。由于網(wǎng)速是可隨時(shí)波動的，實(shí)際網(wǎng)速也可能達(dá)不到預(yù)測速度，所以我們需要兜底方案。這里采用的是超時(shí)，即在預(yù)期的時(shí)間內(nèi)，如果當(dāng)前清晰度分片下載不完，將自動調(diào)整，避免 buffer 消耗后發(fā)生卡頓。

超時(shí)設(shè)置也需要精心考量，超時(shí)意味著當(dāng)前分片如果下載不完就要丟棄，那么已下載完成的部分是不能用來播放的，否則就會出現(xiàn)同一視頻內(nèi)容用兩種不同的清晰度重復(fù)播放。所以buffer較小時(shí)，不適合超時(shí)，否則容易增加卡頓。

什么情況設(shè)置超時(shí)呢？預(yù)期超時(shí)是用來解決問題的，先是選擇清晰度預(yù)期它能下載完，如果下載不完，我們可以用更低清晰度來替代。我們要保證現(xiàn)有的buffer足夠這兩個(gè)清晰度下載完成的時(shí)間，此外要盡量留足時(shí)間，讓當(dāng)前清晰度的下載能夠在較小的波動下完成，避免頻繁切帶來的網(wǎng)絡(luò)浪費(fèi)和不好體驗(yàn)。

體驗(yàn)衡量

隨著智能檔的推廣和應(yīng)用，我們也需要考慮帶寬成本，行業(yè)通用解決方案是使用 PCDN，在播放允許的情況下，避免直接向成本較G的CDN服務(wù)器請求轉(zhuǎn)而找到成本較低，但質(zhì)量不太穩(wěn)定的節(jié)點(diǎn)，這樣就會引起速度的波動。

這個(gè)問題如何解決？先，PCDN 調(diào)度的原則，是將 buffer 趨于劃分為三段：段是buffer較低的情況，為了避免卡頓保證服務(wù)質(zhì)量，會直接走CDN；第二段是部分從CDN下載，部分使用質(zhì)量較差的P2P節(jié)點(diǎn)；第三段是buffer較G的情況，卡頓風(fēng)險(xiǎn)低，直接斷開CDN，只使用P2P。

簡單來說，為了保證智能檔用戶有穩(wěn)定體驗(yàn)，我們在節(jié)點(diǎn)切換的過程中，始終保持使用一個(gè)較G的速度，比如使用連接CDN時(shí)的速度，如果 P2P的速度比 CDN的速度G，我們可以使用這個(gè)更G的速度，當(dāng)質(zhì)量較差的節(jié)點(diǎn)滿足不了當(dāng)前速度時(shí)，buffer就會降低，迫使PCDN逐步切換回G質(zhì)量的節(jié)點(diǎn)，這樣就做到了和 PCDN結(jié)合的自適應(yīng)調(diào)整，做到了速度的相對穩(wěn)定。

▐  實(shí)際應(yīng)用中的挑戰(zhàn)——其它

在實(shí)踐過程中面臨的挑戰(zhàn)，如何衡量智能檔的體驗(yàn)，如何評價(jià)效果。

學(xué)術(shù)論文的衡量標(biāo)準(zhǔn)是看QoE，它包含了對清晰度質(zhì)量、卡頓和清晰度波動的因素。但它是單一值，兩次不同的播放，QoE一個(gè)G一個(gè)低，說明前一個(gè)體驗(yàn)更好，但是無法知道差的原因，是卡頓太多還是清晰度太低？所以單一值，不利于我們衡量真實(shí)效果，也不利于明確優(yōu)化方向。

所以，我們終通過和實(shí)際業(yè)務(wù)目標(biāo)相結(jié)合，整體看全盤數(shù)據(jù)，同時(shí)將卡頓率、G清晰度的播放時(shí)長占比拆開來看。卡頓率G了，要想辦法降卡頓，策略上要相對保守；如果G清晰度少了，就要適當(dāng)調(diào)整策略，讓用戶更容易升到G清晰度。

此外，播放的體驗(yàn)好不好需要多維度考量，除以上兩個(gè)關(guān)鍵指標(biāo)外，我們也增加了其它維度數(shù)據(jù)，比如，使用智能檔用戶的播放量占比、一次播放的清晰度切換頻次，Gbuffer降檔的反常體驗(yàn)發(fā)生比率等。

實(shí)際上，我們在實(shí)踐的過程中遇到的挑戰(zhàn)還不止這些，比如倍速播放的情況，4G下考慮流量的問題等。受時(shí)間和篇幅的限制，就不一一展開了。

智能檔的設(shè)計(jì)、實(shí)現(xiàn)與優(yōu)化迭代

以上介紹了自適應(yīng)碼率技術(shù)的一般原理和挑戰(zhàn)，接下來從整體分析，優(yōu)酷智能檔是如何設(shè)計(jì)的，又是如何優(yōu)化。

▐  優(yōu)酷智能檔的整體結(jié)構(gòu)設(shè)計(jì)

智能檔的整體框架分為上下兩部分，下層是客戶端，上層是服務(wù)器端。

，清晰度選擇的控制器是在客戶端，包含一個(gè)策略引擎，支持多種策略實(shí)現(xiàn)運(yùn)行，為策略的運(yùn)行提供了統(tǒng)一接口；控制器需要與播放器內(nèi)核的數(shù)據(jù)源處理部分打交道，從播放器內(nèi)核獲取到視頻的基本信息，比如支持幾個(gè)清晰度、每個(gè)清晰度碼率多少，有多少個(gè)分片、每個(gè)分片多大，同時(shí)也從播放器收集當(dāng)前的播放狀態(tài)，比如當(dāng)前的buffer 狀態(tài)；此外，客戶端還需要從下載器那里得到各分片的下載速度，從全局的網(wǎng)絡(luò)監(jiān)測模塊感知當(dāng)前的網(wǎng)絡(luò)質(zhì)量情況，后執(zhí)行策略，輸出下一個(gè)清晰度，通過內(nèi)核交由下載器去下載，進(jìn)而播放；

第二，智能檔的控制器每次播放后會收集整個(gè)決策過程中的輸入/輸出信息，并上報(bào)到服務(wù)器端，服務(wù)器端用這個(gè)數(shù)據(jù)做統(tǒng)計(jì)、分析、優(yōu)化，然后進(jìn)一步改進(jìn)策略，形成一套完整的閉環(huán)的數(shù)據(jù)體系。

▐  策略實(shí)現(xiàn)-多策略支持

結(jié)合前面算法論文中的理論，我們先后嘗試過實(shí)現(xiàn)四種策略：

種：Pattaya 是我們早嘗試的一種策略，將單d基于速度的一類策略，后來也引入了基于 buffer 策略，不斷根據(jù)數(shù)據(jù)情況增加一些經(jīng)驗(yàn)規(guī)則進(jìn)去，也是早期進(jìn)行鏈路調(diào)試的一個(gè)策略；

第二種：基于強(qiáng)化學(xué)習(xí)的策略；

第三種：實(shí)現(xiàn)和調(diào)試了基于 MPC 思路的策略；

第四種：根據(jù)經(jīng)驗(yàn)創(chuàng)造出來的，基于下載嘗試和超時(shí)的SBit策略。

我們以 AB Test 的形式分桶開啟各個(gè)策略，觀察效果逐步優(yōu)化，終形成一套統(tǒng)一策略，包含起播/Seek決策、播中決策、超時(shí)處理、卡頓處理等幾個(gè)關(guān)鍵組成部分。

▐  數(shù)據(jù)體系建設(shè)-信息的收集與解析

上面提到四類策略，在衡量效果時(shí)，我們提到了一些關(guān)鍵指標(biāo)，相關(guān)的統(tǒng)計(jì)數(shù)據(jù)在上線之初就進(jìn)行了支持。那么，這四類策略是不是上線就表現(xiàn)良好，表現(xiàn)不好的原因是什么，這就需要對每一次播放數(shù)據(jù)的輸入和輸出都有詳細(xì)記錄，如圖中的數(shù)據(jù)結(jié)構(gòu)。

步，早期我們考慮一次播放的決策數(shù)據(jù)量比較大，同時(shí)還不具備這種批量數(shù)據(jù)處理分析的能力，主要是以日志的方式打出來；

第二步，我們了解到阿里云的數(shù)據(jù)工場能夠提供這樣一種能力，通過自定義 UDF 解析結(jié)構(gòu)復(fù)雜的編碼數(shù)據(jù)，并且通過一般的編程語言以實(shí)現(xiàn)插件的形式，完成各式各樣的分析，這樣我們就將客戶端上每次播放的所有相關(guān)的輸入和輸出，按照一定的格式組織起來，進(jìn)行壓縮、編碼通過埋點(diǎn)渠道報(bào)上來，需要分析的時(shí)候在數(shù)據(jù)平臺上解碼分析。

上圖，是一個(gè)經(jīng)過編碼的智能檔播放信息，報(bào)到服務(wù)器端之后，我們通過數(shù)據(jù)平臺對立面的信息進(jìn)行解析。當(dāng)然這張圖立面只畫出了其中一部分信息，包含原始的輸入速度、預(yù)測的速度、播放器buffer的變化情況，這樣整個(gè)智能檔的決策過程就盡收眼底。

▐  數(shù)據(jù)體系建設(shè)-優(yōu)化應(yīng)用

當(dāng)完整數(shù)據(jù)體系建立之后，我們就可以進(jìn)行優(yōu)化。下面以卡頓優(yōu)化為例，我們是這樣操作的：

步，當(dāng)版本發(fā)布后，觀察整體的大盤數(shù)據(jù)，發(fā)現(xiàn)卡頓超出預(yù)期，我們會分析用戶用例，對卡頓情況有初出認(rèn)知。

第二步，基于已知信息做分類規(guī)則，比如，是起播就卡，還是播了很久之后才卡；是因?yàn)榫W(wǎng)絡(luò)差，清晰度降底都還會卡，還是在策略上有優(yōu)化的空間？

第三步，根據(jù)規(guī)則將所有發(fā)生過卡頓的播放數(shù)據(jù)做聚合分析，知道每種可能情況的占比，有針對性分優(yōu)先J的去解決和處理問題；

不只卡頓，還是其它像G清晰度沒有達(dá)到預(yù)期，都可以用這種方式進(jìn)行分析。這些數(shù)據(jù)除了分析這些問題以外，還有利于我們對整個(gè)優(yōu)酷用戶播放過程有一個(gè)更多面的了解，比如說他們的網(wǎng)絡(luò)情況分布等。

▐  智能檔的應(yīng)用推廣

在智能檔完成設(shè)計(jì)、實(shí)現(xiàn)、優(yōu)化，我們希望它能夠在更多的場景上得到應(yīng)用。智能檔初是在手機(jī)兩端上率先完善和放量，其次是iPad端。在過去一年，我們也在iKu OTT 等客戶端場景下投入使用。

這里面需要強(qiáng)調(diào)是大型直播場景，比如雙11貓晚、近期的義演直播《相信未來》，直播和點(diǎn)播場景有差異：

、直播要求低延遲，比如看球賽，不能隔壁進(jìn)球了，這里還在射門。所以這個(gè)特點(diǎn)就決定了端上播放器不能有太多buffer，智能檔的決策需要做適當(dāng)?shù)恼{(diào)整，更多的從網(wǎng)速上獲取信息；

第二、直播是實(shí)時(shí)性的，生產(chǎn)端生產(chǎn)出視頻流是實(shí)時(shí)進(jìn)行的，而且通常的直播時(shí)長比一集電視劇時(shí)間還要長，所以存在技術(shù)風(fēng)險(xiǎn)，這時(shí)候智能檔就有了用武之地。

和直播場景有關(guān)的個(gè)問題是流量控制，某一場直播開始前，會預(yù)估流量，但實(shí)際可能因?yàn)槟硞�(gè)節(jié)目特別火爆，新用戶源源不斷地涌進(jìn)來。在服務(wù)器流量壓力大時(shí)，智能檔可以通過實(shí)時(shí)下發(fā)配置適當(dāng)?shù)恼{(diào)整用戶的清晰度，例如，必要情況下，降低一個(gè)清晰度，實(shí)時(shí)緩解服務(wù)器帶寬和流量壓力。這是傳統(tǒng)清晰度所做不到的，傳統(tǒng)清晰度可能從進(jìn)入直播間到看完就固定在一個(gè)清晰度碼率上。

另外一個(gè)常見問題是直播時(shí)，在生產(chǎn)端可能會出現(xiàn)某一路流轉(zhuǎn)碼失敗，智能檔發(fā)現(xiàn)問題后，可以直接標(biāo)記這路流不可用，在后面的播放切到其它相近的清晰度時(shí)，保證整體直播效果不會受到太大的影響。

智能檔的應(yīng)用總結(jié)及未來

在過去一年，優(yōu)酷智能檔已經(jīng)逐漸走向成熟：

優(yōu)酷智能檔在過去一年的建設(shè)過程中，覆蓋了移動端約30%的播放量，甚至比播放某些傳統(tǒng)的清晰度播放量都G；

從智能檔內(nèi)的各個(gè)清晰度播放時(shí)長來看，能夠讓用戶在90% 以上的時(shí)間觀看比較G的清晰度，同時(shí)保持著比一般清晰度更低的卡頓率，尤其在 4G 網(wǎng)絡(luò)下，能夠做到傳統(tǒng)清晰度的一半；

智能檔為優(yōu)酷整體的播放體驗(yàn)優(yōu)化提供了工具，也在直播等場景成為了技術(shù)保障的必要手段；

重要的，經(jīng)過過去一年的優(yōu)化，獲得了用戶的認(rèn)可。

對于未來，主要有兩點(diǎn)思考：

隨著 5G 的發(fā)展，越來越多的用戶將移動蜂窩網(wǎng)絡(luò)下觀看視頻，智能檔會得到更多應(yīng)用。可能大家要問了，5G網(wǎng)速那么快，還需要智能檔嗎？這里我想到了一句話，"What Andy gives Bill takes away"，“安迪比爾定律”，這里面 Andy 是 Intel 的 CEO， Bill就是比爾蓋茨了。意思是無論 Intel的 CPU 造的多么先進(jìn)，都會被新的 Windows 系統(tǒng)消耗掉。回到播放場景，網(wǎng)絡(luò)技術(shù)是在發(fā)展，但人們對G清視頻的需求也在不斷提G，所以智能檔是必要的；

另外，一定會出現(xiàn)新的手段，讓自適應(yīng)碼率技術(shù)的效果更好。比如今天提到的Pensieve，利用強(qiáng)化學(xué)習(xí)來進(jìn)行清晰度選擇。這個(gè)原作者在 2019 年又發(fā)表了一篇新論文，大致內(nèi)容是他又改進(jìn)了算法模型，開始在 Facebook 進(jìn)行實(shí)驗(yàn)，這是個(gè)未來的方向，現(xiàn)在的可解釋性等等問題應(yīng)該都會逐步得到解決。

查看更多相似文章