浅析架构之 Videologger(二)

本文探讨了videologger的插件架构,特别是通过C/S模式处理计算密集型任务的方式。该架构允许将诸如语音识别等插件作为独立服务器运行,而videologger则作为客户端与其交互。此设计的优点包括资源的有效利用和灵活的授权模式,但也存在网络负载增加等挑战。

经过对videologger的进一步了解,其架构很有意思的将一些插件处理为C/S模式。

比如语音识别,其是另外跑一个名为softsound的SERVER。在videologger安装它的客户端插件。

最终的数据处理方式就是videologger解出裸数据(比如softsound应该是音频PCM),TCP的形式发送到softsound server。softsound server进行集中运算,然后将结果返回VL,或者自己处理存储。

个人认为优势有下:

1. 共用了vl的demux、decode模块,源数据永远只过一次解码器;

2. 集成在vl平台,享受平台优势(如调度等);

3. 整个插件可以另外授权(在服务器端授权)而作为独立产品出售。

劣势有下:

1. 加大了网络负荷,若想做离线处理,则在网络上倒一次没有必要;(当然,也可以socket连接本机)

2. 服务器有理论处理上限,若采用大量服务器,则配置和数据同步甚至互斥是一个不太好维护的东西;

不过这种设计很有意思,我们来回顾一下:

1. 首先有一个通用的抽象框架平台videologger,然后其具有特别开放的SDK以及插件接口。

2. 各种基础功能性插件可以以简单插件形式集成到平台,比如各种解码器、编码器等。

3. 各种计算强度大的插件可以以C/S形式,Client作为videologger的插件,而server单独存储。

比较值得借鉴!

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值