近日,腾讯云宣布推出全新的CDN类产品X-P2P,其突破传统P2P的限制,在极大程度上降低带宽成本的同时,以极低播放延迟满足互动直播的超高需求,并提供完美极致的播放体验。
在直播行业竞争进入白热化的今天,各直播平台除了需要花费巨额的资金挖网红主播和购买专业设备之外,还需要支付昂贵的带宽成本。如何突破当前技术瓶颈,在CDN市场上独占鳌头,成为各家CDN需要攻克的主要难题。腾讯云直播除了提供相对传统CDN厂商更为低廉的带宽单价之外,现在更是通过推出X-P2P产品,实现了覆盖全流媒体场景、全平台的直播P2SP解决方案,为流媒体平台客户提供一个利用更低成本获得更为优质的流媒体加速服务的选择。
黑科技!打破传统降低延迟
相对于传统P2P技术延迟高、享率高,可用性低的缺点,腾讯云X-P2P产品采用新一代私有传输协议,打破了传统P2P的延迟限制,通过及时连接、无缓冲发送、分享算法优化等手段,真正意义上实现了低延迟P2P和秒开功能。在保证分享率的同时,其流畅率、播放成功率等技术指标相对纯 CDN 方案均大幅提升。
腾讯云X-P2P节点覆盖具备潮汐式、去中心化等特点,与固定的 CDN Edge 节点之间采取智能调度的方式。X-P2P布建海量节点,带宽储备超40Tbps,采用弹性伸缩、多机热备、异地容灾及多重监控等机制,可有效避免单点故障,突破传统P2P可用性低的限制,保证服务高可用。
此外,腾讯云X-P2P SDK 经过深度优化,在 CPU 占用率、内存使用、耗电量方面均达到极优效果。通过网状拓扑和 TCP-friendly 传输技术,确保全网带宽高效利用。客户端支持懒加载模式,与通用播放器完全兼容,客户无需更改播放接口,亦不需弹幕对齐、用户分类等开发工作,轻松实现SDK集成上线。
最完备!全平台全业务场景覆盖
腾讯云X-P2P产品在技术上实现了相对于传统P2P和传统CDN技术的飞跃,但如何在业务场景上普惠给每一个流媒体平台客户呢?
业务支持方面,腾讯云X-P2P,做到了三“全”,全平台支持、全协议格式支持、全业务场景覆盖。X-P2P全面支持 Android/iOS/OTT/Flash/HTML5 等系统平台,支持 arm/x86/mips 等架构,对各种手机、OTT 设备等都全面兼容;点播支持 mp4/flv/HLS/ts/MPEG-DASH 等文件类型,直播支持 rtmp/http-flv/HLS/udp/rtsp/MPEG-DASH 等协议;全面支持互动直播、直播、点播、短视频、文件下载等业务场景,接口简洁统一,各终端适配简单。可根据业务场景选择合适的延迟,一键下发是否启用 P2P。
腾讯云X-P2P,在显著降低成本的前提下,仍然能够保证极低延迟与卡顿率,并通过直播同步策略消除累积延迟。同时支持时移回看及就地存储等增值功能,观众将不错过任何精彩镜头,同时直播、点播与短视频一体化的架构,为客户充分利用视频资源提供便利。
在运营支撑方面,腾讯云X-P2P提供灵活的配置以及丰富的数据报表,较CDN粒度更细致的用户体验监控,区分地域、运营商,提供主动式分析为产品优化反馈意见,帮助客户更好的进行产品运营。支持精细化的流量控制,精确到秒级的流量下载,有效降低冗余带宽支出。
在数据安全保障方面,腾讯云X-P2P全面融合腾讯视频云 CDN 的安全防护机制,在防盗链、抵御 DDoS 攻击、数据安全方面为用户提供强大支持,在接入层、SDK 层进行多层校验,并通过私有协议分发,实现多重防盗链。
高可用!带宽成本降至1/5
腾讯云X-P2P产品在内测阶段就因为其比传统CDN更低的带宽单价和更为优质的用户体验及稳定的服务质量受到了各大流媒体客户的欢迎。
目前,X-P2P产品已经服务于斗鱼、熊猫TV、华数传媒、国广星空、全民直播、企鹅电竞、QQ 短视频等客户,系统可靠性、稳定性得到广泛认可,而相对于传统CDN方案的价格优势更是让带宽成本巨大的流媒体企业感觉到了真正的实惠。国广星空CEO王明轩就表示,使用了X-P2P产品之后,企业的带宽成本降低至五分之一,大大降低了企业负担。
X-P2P产品可以广泛应用于游戏直播、秀场类直播等交互类直播、赛事直播等广播类直播场景;包括广电新媒体、点播互联网视频网站;视频广告、头条等短视频场景。X-P2P作为新一代的智能流媒体分发技术平台,必将成为发展趋势的主流,为中国直播及大视频行业注入新鲜的技术血液。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。