对于聚视互娱公司来说,海量数据和跨网络供应商的需求给存储系统带来了巨大挑战。浪潮软件定义存储AS13000的EB级容量、百GB聚合带宽能力、分布式架构及领先的软件功能,帮助聚视互娱充分保障了广电用户的视频存储容量和播出流畅性需求,让视频分发无阻塞、播出更精彩。
4K超高清电视节目等炫酷视频节目极大地丰富了人们的视听体验,构成我们生活中不可或缺的精神享受。但这些节目对于平台的存储容量、带宽和可靠性是维持其良好运转的必不可少的条件。
霍尔果斯聚视互娱文化产业有限公司(以下简称:聚视互娱)是一家专注于为网络运营商提供全方位解决方案的公司,引领业界最新的技术研发与产品创新,积极探索适合网络运营商的融合业务运营模式。聚视互娱目前拥有5家子公司,与9个省级网络运营商开展了投资及合作运营。面向互联网、广电网络和电信等网络运营商,聚视互娱以"资本+技术+资源+运营"的方式,协助网络运营商打造覆盖多终端跨网络的家庭电视互联网+物联网+云平台,发展"电视+宽带+OTT+移动互联网"融合业务。
极致体验 需要极致存储性能
2017年,聚视互娱在上海的存储系统需要支撑一套体育项目在广电和各省落地的重任,由于存储的数据量巨大且要保证播放时画面同步、流畅,不卡顿,所以对存储的稳定性要求极高,需要高性能、高可靠的存储系统来支撑该业务。
首先是庞大的存储容量。高清视频素材的高码流,决定了存储高清视频所需要的磁盘空间需求剧增。一般高清节目素材的码流为100Mb/S,加上编辑用的低码流素材和音频素材,一个小时的节目素材存储所需的硬盘空间就需要在30GB左右。同时,收录节目素材和合成成品节目素材的空间也需相应提高。考虑到磁盘空间的利用率控制在70%的原则和扩展余地,一般中小型高清编辑网的素材存储量都需要达几十个TB。
其次,极高的存储带宽。例如,10个高码流编辑、上下载工作站点,10个低码流编辑站点、4台合成服务器、4台用于收录素材和合成素材迁移的迁移服务器制播网络,极限读写混合带宽将达到6Gb/S左右。考虑网络系统需要20%的带宽作为冗余,聚视互娱上海的存储系统所需带宽超过7Gb/s。
第三,存储的高可靠性。视频数据是海量的,且存储容量和存储性能需求随着业务量的增长而增长。在高带宽、大容量、读写频繁的应用环境下,要保证存储系统的稳定、安全运行,聚视互娱上海节点存储还需要在存储容量与带宽上保持高可靠与高可扩展性。因为一旦存储系统出现问题,造成成品节目丢帧、卡壳,会严重影响节目的正常播出。
浪潮软件定义存储 给体育播出护航
针对客户需求,浪潮提供了以软件定义存储AS13000为核心的存储解决方案,满足其对于容量、带宽及可靠性各方面的需求。在聚视互娱一期项目中,通过统一资源池,为客户提供几百TB的存储空间,满足存储需求,热添加功能满足后期扩展需要;利用多副本保护功能,冗余两个节点故障的方式保障了数据安全性;节点之间通过两台万兆网络作为数据交换,在保障链路带宽要求的同时,也保障了链路的安全性。
AS13000软件定义存储解决方案对内提供统一的NAS共享资源池,将块、文件和对象数据自然地集成在单一平台,并支持NFS、IPSAN、HTTP、HDFS等接口。单节点10000+OPS、2.5GB/s极限带宽的超高性能,多协议的支持、多达5120节点海量统一存储资源池融合、100G IB网络传输、x86与GPU及FPGA异构资源平台的整合等功能特性,完全满足了聚视互娱上海节点一期项目对于容量与性能的需求。
此外,随着业务的增加,浪潮软件定义存储AS13000还可以在线添加存储节点,满足聚视互娱存储容量、性能持续增长的需求,大大降低了其前期的IT投入。浪潮AS13000可支持5120个节点的扩展、EB级海量存储空间,具有可靠的数据自动修复机制,可充分满足聚视互娱未来不断扩展的存储需求。
聚视互娱相关人员表示:"浪潮软件定义存储AS13000针对视频存储做了多方面优化,其分布式存储架构很好地满足了我们在容量、性能和扩展性的需求,尤其是数据多副本的保护功能,有效地避免了因为单点故障引起的数据安全性问题,满足了客户视频节目从后期制作到电台播出的数据容量和吞吐需求,让我们的视频发流媒体解决方案为客户提供极致体验。"
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。