如何降低视频平台数据出口成本并向全球观众传递内容？

云计算de小白

那么视频平台如何才能向全球观众提供内容而不破产呢？许多公司都面临着类似的挑战，Akamai 的一位客户最近就遇到了这种情况。该客户是一家互联网电视和点播内容提供商，运营着一个著名的 OTT 平台，专注于向全球观众提供直播电视、点播视频和直播电视回看服务。

如需进一步了解，请单击链接了解有关 Akamai 云计算的更多信息

为了确保高峰时段的流媒体观看体验并最大限度地减少缓冲和延迟，他们在可扩展的云解决方案上投入了大量资源。最初，客户选择使用 Oracle Cloud GPU 和 AWS VT1 实例来处理视频转码任务。然而，这些云服务的价格太高，客户在经济上负担不起！每次将他们的视频内容流式传输、下载或交付给最终用户时，都会产生大量的数据流出费用。

由于其受众遍布全球，大家都希望享受高质量、低延迟的流媒体服务，客户的云服务成本正在快速上升。他们希望最大化每个云虚拟机的转码效率来提高成本效益，并将转码后的视频直接部署到用户端以降低服务延迟。但随着用户群的快速增长和全球内容分发的不断扩大，客户在经济上越来越难以承受。

面对成本的上涨，客户需要在不牺牲性能和用户体验的前提下，找到更具成本效益的解决方案。为此，他们彻底重新评估了视频转码和内容分发策略。他们希望进一步优化每台云虚拟机上的转码流任务数量，以提高成本效益。此外，他们还希望将转码后的视频直接部署到更靠近用户的位置，以减少延迟并进一步改善观看体验。

AWS VT1的成本不断增加（尤其是AWS高昂的数据出口传输费用）也促使客户重新评估其现有的视频转码内容分发平台。

视频点播转码的挑战

想象一下，您是一家大型 OTT 平台的工程师，负责为数百万用户转码视频。这是一项艰巨的任务，既需要技术专业知识，也需要精打细算的能力。您的工作是确保观众无论身在何处或使用何种设备，都能收到高质量、无缝的视频流。

每天，您都要管理大量负责对视频内容进行编码的虚拟机。这项工作不仅需要转换视频格式，还需要针对不同的分辨率、比特率和编解码器进行优化，以确保内容可以在从智能手机到 4K 电视的各种屏幕上正确、良好地播放。您工作中最大的挑战是让这些虚拟机高效运行，以处理不断涌入的视频数据流，同时避免瓶颈并最大限度地减少延迟。

别忘了，视频转码是一项资源密集型操作。每个视频必须以多种格式和质量进行处理，以适应不同的网络条件和设备能力。这需要大量的计算能力，这意味着它耗费大量的 CPU、GPU 和内存资源。作为一名工程师，你需要不断监控这些资源，在多个虚拟机之间平衡负载，以防止过度使用，并确保整个系统始终能够体现最佳性能。

除了计算需求之外，还有另一个关键问题需要考虑：数据流出成本。每次将视频流式传输、下载或传输到内容交付网络 (CDN) 时，您的公司都需要支付数据流出费用。此费用通常根据传输的数据量收取，并且可能因数据目的地、传输距离和所消耗带宽等因素而异。这些费用会迅速增加，尤其是当您处理大量高清内容并将其流式传输给全球观众时。妥善管理这部分成本已成为您公司盈利的关键。

为了应对这些挑战，您需要制定一项策略，在控制成本的同时，最大限度地提高转码基础设施的效率。为此，您需要优化虚拟机的利用率，确保每台虚拟机都得到充分利用且不会超载。这意味着在每个虚拟机上转码更多的流媒体内容。此外，您需要选择合适的云提供商。不同的云提供商提供不同的定价模式和性能能力。您需要评估这些选项，以找到在成本和性能之间提供最佳平衡的提供商。此外，您需要通过多种策略来降低数据流出费用，例如将经常访问的内容缓存到更靠近最终用户的地方、有效利用 CDN 以及考虑具有较低数据流出成本的替代云存储解决方案。最后，您还需要探索更具成本效益的计算实例，例如 Linode，它提供可预测的定价和比传统云提供商更好的成本效益比。

从本质上讲，作为一名工程师，您的职责是确保视频转码基础设施强大、可扩展且经济高效。为此，您需要不断在优化技术性能和应对财务限制之间取得平衡。通过实施谨慎的策略并利用正确的工具和技术，这一目标是可以实现的。

视频转码操作的成本分析

让我们看一下 64GB 专用 Linode 实例与 AWS EC2 VT1 vt1.6xlarge 实例在视频转码方面的详细成本分析，同时考虑数据传出成本和总体成本效益比。

假设某流媒体平台每月需要转码 100 小时的视频内容。每个视频文件的平均大小为 1GB，平台希望将其转码为三种不同的输出格式，以支持各种设备和分辨率。还假设两个提供商平台上每小时的视频内容转码需要 2 小时，每个平台需要 50 个实例。

每个专用 CPU 实例的成本

50 个实例的总成本

64GB 专用 Linode 实例

0.864 美元/小时

50 个实例 * 0.864 USD/小时 * 200 小时 = 8,640 USD/月

AWS vt1.6xlarge 实例

1.30 美元/小时

50 个实例 * 1.30 美元/小时 * 200 小时 = 13,000 美元/月

注：以上费率截至撰写本文时有效。最新费率可能会有所不同，请参阅各自的官方网站。

从比较中可以看出，迁移到 Linode 专用虚拟机可以节省大量成本。在上面的虚构场景中，使用 Linode 专用实例进行视频转码比使用 AWS VT1 便宜 33%。除了较低的实例成本外，当客户选择使用 Akamai 计算实例时，Akamai 还提供大量免费数据流出额度，从而进一步降低了整体数据流出成本。这不仅可以让您以较低的成本转码视频，而且在使用 Akamai 通过 Akamai CDN 进行转码和分发内容时，还可以享受零成本数据流出。如果使用 Akamai CDN 将转码后的视频传输到分发点 (PoP)，则相关成本实际上完全消除。通过利用 Akamai 的计算资源进行转码，客户可以享受较低的数据流出费用，并确保数据传输满足成本效益需求。

解决方案：迁移到 Linode 专用实例

讲完了虚构的成本对比故事，我们再来看看真实客户的案例。本文开头提到的 OTT 客户是如何从 AWS EC2 VT1 实例迁移到 64GB 专用 Linode 实例的？他们使用 Linode 对象存储服务保存上传的视频，然后连接到 Linode Kubernetes Engine 进行视频转码。转码完成后，输出的视频会放在输出存储桶中，然后通过 Akamai 的 CDN 进行分发。下面将详细介绍 Linode 的 64GB 专用虚拟机如何让这个视频转码过程变得顺畅且极具成本效益。

步骤 1：内容获取和存储

首先，Linode 获取直播或点播视频内容。这些视频被上传到本地专用对象存储服务 Linode 对象存储服务，这是一个专门用于处理传入内容的存储桶，可作为等待处理的原始视频的存储库。与每个视频相关的元数据（例如标题、描述和时间戳）也可能存储在这里。将视频上传到此存储桶后，视频处理管道便开始了。

第 2 步：初始化转码工作流程

一旦原始视频上传到 Linode 存储桶，转码虚拟机就会开始工作。这些专用虚拟机配置为持续监控存储桶，扫描需要处理的新视频。一旦检测到新视频，就会触发转码软件（在本例中，客户使用的是 Capella）并开始转码过程。在转码过程中，原始视频文件会转换为各种格式和分辨率，以适应不同的设备和带宽条件。这就是 Linode 视频转码的强大之处。专用 Linode 虚拟机利用并行处理功能高效地同时处理多个转码任务，确保及时处理传入的视频。

步骤 3：导出存储

当转码软件处理原始视频时，转换后的输出将存储在专用的 Linode 存储桶中（或存储在同一存储桶中的不同文件夹中）。转码后的视频已准备好交付给最终用户，并且已转换为与各种设备和流媒体平台兼容的格式。作为一项额外的好处，Linode 对象存储服务可确保转码后视频的高可用性和耐用性，并具有冗余和数据完整性机制以防止数据丢失。

步骤 4：CDN 集成

为了提高性能和可扩展性，客户选择将 Akamai 的 CDN 集成到其视频处理工作流程中。Akamai 缓存、分发和控制对视频库的访问，并通过低延迟和高吞吐量连接将内容交付给最终用户。通过利用 Akamai 的边缘缓存和全球分发功能，客户可以优化内容交付并通过最靠近最终用户的边缘位置提供视频，从而减少延迟并改善用户体验。这样做的另一个好处是，客户使用 Akamai 云虚拟机进行转码，因此通过 Akamai 的 CDN 分发内容时无需支付数据流出费。

步骤 5：基础设施管理和自动化

为了简化操作并提高可扩展性，客户使用 Linode 自动化 API 来管理其基础设施并实施版本更新。Linode 自动化 API 允许以编程方式配置虚拟机、存储卷和网络资源，从而通过代码高效管理基础设施。借助基础设施即代码 (IaC) 机制，客户可以通过代码以声明方式定义其基础设施需求，从而自动执行重复任务并确保环境的一致性。

总结

希望这篇关于按需转码视频、优化虚拟机利用率和降低数据流出成本的挑战的介绍性文章可以帮助更多人了解 Akamai 解决方案如何解决流媒体和视频平台领域的长期问题。就本文介绍的这位特定客户而言，使用 Linode 专用实例进行视频转码比使用 AWS VT1 实例便宜 33%。别忘了：当使用 Akamai 进行视频转码并使用 Akamai CDN 交付内容时，您还可以完全避免数据流出成本。

如果您想了解更多有关 Akamai 针对视频和媒体等行业的解决方案的信息，请访问 Akamai。

———————————————————————————————————————————————

如果您的公司也正在考虑购买云服务或云迁移，

单击链接了解 Akamai Linode 的解决方案