看图说话,P2P 分享率 90% 以上的 P2P-CDN 服务,来了!

事情是这样的:今年年初的时候,公司准备筹划一个直播项目,在原有的 APP 中嵌入直播模块,其中的一个问题就是直播加速服务的选取。

老板让我负责直播加速的产品选型,那天老板把我叫到办公室,语重心长地说:“小王啊,你是知道的,我们这个直播模块对 CDN 的唯一要求就是性价比要高,所以希望你能多花点心思找找合适的产品。”

“好的,老板。”我心里默默想着,这次一定要让老板刮目相看。

首先我对接了业内数家云服务上整理了一份各家直播加速方案的报价表,老板看完后说:“小王啊,这个价格比我预期的还是高了点,你再看看还有没有更低的。”

“好的,老板。”看来我还是把问题想的太简单了。

回到工位后,思前想后,老板的需求概况下来就是:便宜最重要,稳定也要好,延迟不能高。用另一句话说就是:又想马儿跑得快,又想马儿不吃草。

在准备放弃的时候,我发现了这张图!

万万没想到,我竟然还是出色、完美、高效的完成了老板的任务。

又拍云 PrismCDN —— P2P 分享率 95% 的 P2P-CDN 服务,妥妥地满足既便宜又稳定,延迟还低的直播加速要求啊!

至少降低一半带宽成本的直播加速服务

高 P2P 分享率,高性价比

降低产品的成本对提升产品竞争力至关重要,而一款直播产品在带宽上的支出往往占比很大,降低 CDN 价格可以节省大量的带宽成本。

又拍云 PrismCDN 将 P2P 与 CDN 完美融合,通过近百万个 P2P 节点来降低整张网络的带宽成本,降幅至少可达到 CDN 的 50%。因此又拍云 PrismCDN 相比其他 CDN 产品在价格上更有优势。

又拍云 PrismCDN 已经被多家直播服务采用,在实际使用中, P2P 分享率通常可以超过 90%,甚至可以达到 95% 以上。近百万个 P2P 节点,也是又拍云 PrismCDN 能够将 P2P 分享率提升到 90% 甚至 95% 的关键基础。

独有传输协议,高稳定可用

又拍云 PrismCDN 的稳定性数据非常不错,视频流畅度均在 99% 以上,而且 PrismCDN 已经稳定服务过峰值带宽 500Gbps 的直播业务。

这是因为 PrismCDN 的采用的传输协议与 Google 开发的 QUIC 传输协议相似,都是使用 UDP 传输,并且实行多径传输和冗余传输。同时在 P2P 资源不足时,会自动调用 IDC / CDN 服务服务器补数据。

△ PrismCDN 技术架构

独特架构,低延时

对游戏直播、体育直播等而言,延迟控制在 4~5 秒左右就已经足够了,而且可以留出一定的缓冲时间,当主播涉黄或者违规时进行及时有效的干预。应用了 PrismCDN 的直播,首屏秒开时间更是能够低于 1 秒。

低延时除了得益于 PrismCDN 独特的网络结构。PrismCDN 采用扁平化传输模型,加速文件只经过 P2P 节点转发一次,有效提升资源的传输速度,甚至比起传统 CDN httpflv 和 RTMP 传输格式也只慢了 1 个 RTT,从端到端的延迟可以做到小于 3 秒。

相比之下,传统 P2P 网络往往采用树形结构,端到端需要经过多个不同层级的节点传输,自然延迟就受到了影响。

△ 传统 P2P 对比 PrismCDN 传输模型

总结

又拍云 PrismCDN 作为一款集性价比与实用性于一体的直播加速产品,相比传统 CDN 来说,有近百万的 P2P 节点作为传输骨干, 降低了 50% 以上的流量成本, 有效帮助客户进行成本控制。同时用 300 多个 CDN 节点在 P2P 资源不足时,补足传输带宽,为直播产品提供高效、稳定的加速服务,提升终端用户的观看体验。

推荐阅读:

HTML5 直播技术解析-WebSocket+MSE

原文地址:https://www.cnblogs.com/upyun/p/8438779.html

时间: 2024-10-29 11:38:00

看图说话,P2P 分享率 90% 以上的 P2P-CDN 服务,来了!的相关文章

架构设计分享之权限系统(看图说话)

前面一篇文章<最近架构随想>,我提到架构设计的一些构想,其实也是对之前项目经验的一些归纳及总结.今天我们就以权限系统作为切入点,谈一谈怎么设计权限系统以及怎么做到系统具有以下特性: Organized:如果系统组织比较好,可以起到事半功倍的效果. Encapsulated:对功能,结构,数据进行有效的封装,会使系统维护变得更加容易. Reusable:对常用功能以及组件进行有效的封装,可以使系统变得结构清晰且方便维护. Extensible:在设计系统的时候,如果很好的遵守OO的设计理念(OO

DL4NLP —— 看图说话(Image Caption)任务的论文笔记(一)评价指标和NIC模型

看图说话(Image Caption)任务是结合CV和NLP两个领域的一种比较综合的任务,Image Caption模型的输入是一幅图像,输出是对该幅图像进行描述的一段文字.应用场景:比如说用户在拍了一张照片后,利用Image Caption技术可以为其匹配合适的文字,方便以后检索或省去用户手动配字:此外它还可以帮助视觉障碍者去理解图像内容.类似的任务还有Video Caption,输入是一段视频,输出是对视频的描述. (一)任务描述 目前来说,Image Caption任务主要集中在英文上,数

基于torch学汪峰写歌词、聊天机器人、图像着色/生成、看图说话、生成字幕

手把手教你基于torch玩转 学汪峰写词.自动聊天机器人.图像着色.图像生成.看图说话.生成字幕 作者:骁哲.李伟.小蔡.July.说明:本教程出自七月在线开发/市场团队.及七月在线5月深度学习班学员之手,有何问题欢迎加Q群交流:472899334.时间:二零一六年十月十二日. 前言 我们教梵高作画的教程发布之后,国庆7天,上百位朋友一一陆续动手尝试,大有全民DL.全民实验之感.特别是来自DL班的小蔡同学,国庆7天连做10个开源实验,并把这10个实验的简易教程(含自动聊天机器人)发布在社区上:h

看图说话 从开发商的角度 闲聊神州房市走势与“鬼城”的产生

看图说话 从开发商的角度 闲聊神州房市走势与“鬼城”的产生

Multimodal —— 看图说话(Image Caption)任务的论文笔记(三)引入视觉哨兵的自适应attention机制

在此前的两篇博客中所介绍的两个论文,分别介绍了encoder-decoder框架以及引入attention之后在Image Caption任务上的应用. 这篇博客所介绍的文章所考虑的是生成caption时的与视觉信息无关的词的问题,如"the"."of"这些词其实和图片内容是没什么关系的:而且,有些貌似需要视觉特征来生成的词,其实也可以直接通过语言模型来预测出来,例如"taking on a cell"后生成"phone".

看图说话之已有的代码文件夹加入到git仓库

最近几个同事的硬盘连续损坏,丢失了不少数据,想想自己硬盘上那么多代码如果突然哪一天找不到了,那岂不是哭了. 仅仅简单的备份引发了一系列的折腾,就想在自己家的nas上建一个git服务器,既可以备份又可以实现版本控制. 我使用的是Git for windows + TortoiseGit 首先,在要加入git仓库的代码根目录上点右键,创建本地git库(如果代码很多的话需要等待一段时间,git需要创建索引) 创建成功后会在我们的根目录下出现一个.git文件夹,如果以后想去掉git版本控制的话,直接删掉

跌跌撞撞,用MAVEN看图说话的编译了一个JAR出来

URL: http://www.yiibai.com/maven/create-a-java-project-with-maven.html mvn archetype:generate -DgroupId=com.yiibai -DartifactId=NumberGenerat or -DarchetypeArtifactId=maven-archetype-quickstart -DinteractiveMode=false mvn eclipse:eclipse mvn package

转:看图说话Image Caption之评价指标和NIC模型

https://www.cnblogs.com/Determined22/p/6910277.html https://www.cnblogs.com/Determined22/p/6914926.html 原作者:Determined22 原文地址:https://www.cnblogs.com/augustone/p/10610586.html

可牛看图web开放平台---PHP表单上传代码分享

首先打开zendstudio编辑器:直接上代码: ?1234567891011121314151617181920212223 0) { $filename = $save_path . '/' . uniqid() . '.jpg'; $handle = fopen($filename, 'w+'); fwrite($handle, $postdata); fclose($handle); if (is_file($filename)) { echo 'Image data save succ