从蓝光到4K，腾讯视频高码率下载背后的技术
蓝光和4k视频正逐渐普及，4K视频峰值码率超10Mbit/s。架构平台部TVideo平台从资源，链路、缓存、接入进行调优，有效解决4k高码率视频的二次缓冲问题，播放体验全面领先竞品。
背景
随着音视频编解码、超分辨率、VR/AR等技术的发展，iPhone8、4K电视、VR眼镜等终端设备的更新换代，高码率高分辨率片源（4K视频、360°全景视频等）的层出不穷，多媒体用户观看体验正在逐步升级，整个行业生态链正在快速向高品质内容切换。
就分辨率而言，上面提到的4K视频指分辨率达4096*2160的片源，对比其它分辨率还有2K（2560*1440）、1080P（1920*1080，目前腾讯视频蓝光的分辨率）等。腾讯视频在2017年下半年为进一步提升用户体验推出“杜比特权”，引进4K片源（见图1）。
分辨率的提升必然伴随着码率的提升。相比蓝光视频的3Mbit/s码率，杜比特权4K视频峰值超过10Mbit/s，这对后台下载（Tvideo平台）带来巨大挑战，为提供至少10Mbit/s下载速度，需要在网络延时、缓存IO、回源速率等方面进行优化升级。
1.Tvideo平台介绍
腾讯视频Tvideo平台运营着公司内部各项重要音视频业务，除腾讯视频外，还为空间视频、QQ音乐等提供支撑。拥有16T+自建带宽，亿级别的视频库。
Tvideo采取多层缓存，冷热分类架构。音视频文件上传到Tvideo后台源站，源站存储模块为每个文件加入特征信息，防止恶意用户盗链，分析文件热度，按不同优先级将文件推送到中间源；中间源缓存按业务进行软件隔离，保障每个业务有独立存储空间；城域点负载边缘加速，通过调度、链路加速等措施保障数据快速传输到用户终端。
2.高码率视频后台优化揭秘
当前高码率视频面临着网络延时，缓存IO不均，接入/回源耗时带来的卡顿等一系列问题，如杜比视界4K节目，码率峰值高达10Mbit/s，一部电影高达10GB存储，如何保障后台服务质量，提升用户观看体验？
针对上述问题，Tvideo平台在链路、缓存、接入等做了多项优化，解决缓存负载、链路卡顿、播放高延时等问题。
2.1 链路加速
客户端播放媒体过程中，没有出现任何卡顿称之为无缓冲，反之称之为二次缓冲，无缓存占比越高，说明后台服务越好，链路加速重点解决用户播放音视频卡顿的问题。
引起卡顿的因素很多，如后台网卡降速，传输网络波动、跨省&运营商访问速度跟不上、小片请求造成IO碎片等。Tvideo通过如下策略，解决链路带来的卡顿：
极速分发：多线程10MB/s速度下发，异步落盘
数据合并：HLS多分片合并直出，伪流处理
回源加速：根据客户端场景，后端自动加速
慢速修正：支持跨网矫正，慢速链接协议栈加速
按码率回源：根据现网回源速度，自动选择最佳回源路径
对于文件在边缘节点不命中场景，分为热点不命中和普通文件不命中，链路加速策略分别使用极速分发和回源加速，实现边缘节点“100%命中”。
极速分发指的是将文件从源站快速分发到边缘节点，解决源站、中间源等繁忙链路拥堵的情况，极速分发通过P2P组网、分级削峰、智能识别码率等方式，实现秒级内将一个切片视频推送到全网，在腾讯视频热剧抢先看、热点突发、会员保障等场景，发挥着重要的作用。由于分发网络节点间热点互通，将全网TOP(k)高码率热点文件分发到边缘节点，实现热点视频边缘命中，减少链路延时。
对于普通普通不命中场景，采取回源加速策略，每次回源记录回源速度，高码率视频使用回源速度大于码率3倍以上的回源IP，无法满情况下，采取多回源IP并发分片回源。
杜比视界4K视频采取fmp4分片，由于fmp4切片文件过小，每次回源请求小分片造成链路速度达不到预期，Tvido采取进行多分片合并回源下载策略，减少链路延时。
上图测试音频小文件多个分片合并的回源速度，可以看到，在TCP没有建立起来的情况下，将多个小分片合并回源速度效果明显。
当然后台链路加速还包括对客户端访问区分优先级，当客户端进行紧急下载，后端使用多连接加速；对于慢速请求，则选择协议栈加速等，通过上述优化，最大限度缩减耗时，保障链路下载速度。
2.2 缓存优化
缓存是Tvideo的核心模块，包括缓存按业务管理策略，热点文件&分片界定算法，冷文件淘汰、全局负载均衡等算法。
上图所示为Tvideo平台城域点机房集群架构，其中中心索引模块维护集群中所有文件的索引信息，下载HTTP模块负责业务请求的接入，数据存储模块负责冷热数据管理。
冷热数据存储模块和内存缓存统称为缓存，热点分级是缓存模块的分级是缓存模块的核心，对于普通视频热点统计策略相对简单：下载HTTP模块在接入阶段通过边缘计算，快速处理70%左右的热点请求；而相对冷的请求，通过中心索引模块计算，通过以上热点统计分级计算，实现热点快速统计。
而对于高码率视频，除了使用上述常规方法，另外对缓存进行了特定的分级，包括根据机房维度分级，根据访问模型分级，根据码率进行IO分级和热点扩散分级。
2.2.1 根据机房维度进行缓存分级策略：
Tvideo平台每个机房质量存在一定差异，这样可以把资源分为优质资源和普通资源，通过现网访问流水分析得到不同机房质量情况后，将整个平台的缓存资源池按码率进行划分，对于普通机房，缓存更多的低码率视频，优质机房用于缓存高码率视频。通过机房调度完成优质机房服务高码率请求，避免高码率视频请求命中低质量机房的情况。
优质资源在文件淘汰过程中，保障高码率文件每次淘汰数量小于标准淘汰值（如高码率每次淘汰5%，普通视频每次淘汰10%），保障机房更多的空间存储高码率视频；而对于普通机房，一般只覆盖低码率业务，只有在资源不够的时候才会用上，可以空出更多存储供普通视频等业务使用。通过上述物理介质的分级，保障业务质量。
2.2.2 根据客户端访问模型进行缓存分级
根据客户端访问模型，可以将客户端下载过程分为快速阶段、渐进式阶段、P2P阶段。由于客户端每个阶段要求的下载速度不一样，后端缓存需要能够区分不同阶段，从而进行特殊处理。
用户观看一部影片，从客户端播放逻辑看，在刚开始播放时，客户端进入快速下载阶段。该阶段客户端播放器缓冲区没有数据，要求快速填满播放器缓冲区，以便减少网络抖动等因素带来的卡顿。当客户端缓冲区填满后，客户端进入渐进式P2P阶段，该阶段客户端停止向后台下载，采取P2P下载，如果P2P速度过慢，当缓存的内容过少时，再次向后台Tvideo下载，此过程叫渐进式下载。简单举个例子，客户端首次播放，快速下载180秒将缓冲区填满，播放器开始播放，同时进入P2P下载，由于P2P下载速度达不到高码率要求，当客户端缓冲区小于90秒后，客户端会向后台Tvideo平台继续下载，直到将缓冲区填满。
上述三个阶段对Tvideo后台速度要求不一样，后台根据边缘计算，探测到快速下载阶段的请求后，进行缓存内存加速，将部分数据预拉到内存。而渐进式下载过程中，后台根据文件VID进行预测，将文件预热到高速缓存介质上。在P2P补洞阶段，进行缓存负载均衡，保障机房内缓存负载相对平衡。
2.2.3 根据文件码率进行IO分级
当前Tvideo平台机房集群采取SATA和SSD存储混搭模型，解决回源较高问题，如SATA统一使用4T盘，保障边缘节点有足够的存储，能够挡住热点，根据访问热度，逐步向高速介质SSD上扩散。由于SATA单盘只能支持120Mbit/s，暂不考虑其它请求，若一个机房同时有大于12个用户访问同一个4K文件(10Mbit/s)时，SATA单盘将无法支撑所有用户的下载，需要快速将文件扩散到SSD上备份。
由于普通视频和高码率视频对机房集群内热点扩散的需求不同，特别是4k视频这类音视频分开存储，高码率视频对下载速度敏感业务，按码率和IO频率分级，向SSD和内存扩散，解决由于磁盘速度不够，带来的卡顿问题。
2.3 接入优化
接入优化主要解决跨省、跨运营商、资源不足等情况造成的卡顿，通过合理分配资源，解决由于资源不够，带来的卡顿。
客户端每次播放前，通过Tvideo调度平台接口获取具体下载地址，调度平台根据客户端的IP、码率等信息，选择一个合适的机房，通过负载均衡算法，选择机房的一个可以下载地址返回给客户端，客户端获取到下载地址后，向机房进行访问。简单的可以理解为，一个上海电信的用户请求播放，首先会访问Tvideo调度平台，然后Tvideo返回上海电信0001机房的一个下载地址给客户端，客户端向上海0001机房请求数据。
针对高峰期资源紧张、高码率视频卡顿率高，访问质量得不到保证的情况，进行调度分级策略：将VIP、高码率视频尽量本地覆盖，而低码率、音频、离线下载等业务，调度到二级资源或者区域资源，保障播放质量。如上表，当晚高峰，上海市区资源不够，将VIP高码率的调度到上海本地，而VIP低码率的调度到二级覆盖，而离线下载调度到区域覆盖如华东资源空闲的地方。
针对小运营商多出口问题，通过调度特征串，进行二次调度，解决跨网带来的卡顿。如上海移动用户通过Tvideo调度平台调度到了上海电信0001机房，客户端访问上海电信0001机房的下载服务器，下载服务器发现客户端IP不是电信的，返回302，让用户跳转到移动IP，进行访问。
总结
从资源，链路、缓存、接入进行调优，并通过码率分级、IO分级、业务分级等多角度优化，有效解决蓝光、4k高码率视频的二次缓冲问题。下图是自建和外包的无缓冲率的对比，通过上述优化，高码率无缓冲率提升1.5%。
本文转载自腾讯架构师公众号
