Serverløs videobehandlingspipeline med AWS MediaConvert
Videoplatformen havde brug for en skalerbar, omkostningseffektiv måde at håndtere variable kodningsarbejdsbelastninger på, fra stille perioder med få uploads til spidsbelastningsperioder med hundredvis af samtidige job.
Diskuter Dit Projekt
Udfordringen
Kodningsinfrastruktur med fast kapacitet var enten over-provisioneret (dyrt) eller under-provisioneret (langsomt):
- Kodningsarbejdsbelastningerne var meget variable og uforudsigelige
- Spidsbelastningsperioder kunne opleve 100x normal volumen under indholdslanceringer
- At drive dedikerede kodningsservere 24/7 var dyrt i stille perioder
- Jobfejl krævede automatisk detektion og genforsøg uden manuel intervention
Vores Løsning
Vi implementerede en serverløs kodningspipeline ved hjælp af AWS Lambda triggere og AWS MediaConvert til elastisk videobehandling med betaling pr. brug.
Arkitektur
- Udløser: AWS Lambda-funktion, der overvåger S3-uploadhændelser
- Kodning: AWS MediaConvert med partnerspecifikke jobskabeloner
- Meddelelser: ActiveMQ/STOMP til asynkrone jobstatusopdateringer
- Overvågning: NestJS encoder backend, der sporer jobfremdrift
- Lagring: AWS S3 til input/output-aktiver
Pipeline-flow
- S3-hændelse - Video upload udløser Lambda-funktion
- Jobkonfiguration - Lambda læser partnerprofil og konstruerer MediaConvert-job
- Indsendelse - MediaConvert-job indsendes med passende outputindstillinger
- Fremdriftssporing - STOMP-meddelelser videresender status til encoder-backend
- Afslutning - Output-aktiver gemmes i S3, metadata opdateres i MongoDB
- Fejlhåndtering - Mislykkede job sættes i kø til genforsøg med eksponentiel backoff
Nøglefunktioner
- Ingen Inaktiv Omkostning - Lambda og MediaConvert opkræver kun for faktisk brug
- Elastisk Skalering - Håndterer 1 til 1000+ samtidige kodningsjob
- Partner Skabeloner - Forudkonfigurerede MediaConvert jobskabeloner pr. partner
- Event-Drevet - S3-hændelser udløser automatisk kodningsworkflow
- Omfattende Overvågning - Jobstatus, varighed og fejlsporing
Resultater
Teknologistak
caseStudyDetail.more Casestudier
Udforsk flere af vores tekniske implementeringer
Klient-side annonceindsættelse (CSAI) med SCTE-35-markørparsing og integration af afspillere på flere platforme
En videostreamingplatform skulle implementere klient-side annonceindsættelse (CSAI) på tværs af web-, mobil- og connected TV-apps – hvilket muliggjorde personaliserede annonceringer på enhedsniveau med fuld support for annonceinteraktion (klikbare overlays, følgebannere, skip-knapper), som server-side indsættelse ikke kan tilbyde.
SCTE-35 Reklamemarkør-signalering & Pipeline for indsættelse af medietrailere
Et streamingmedieselskab havde brug for en robust, automatiseret pipeline til at injicere SCTE-35 reklamemarkører i live- og VOD-streams, samt muligheden for at indsætte promoverende trailere (pre-roll, mid-roll og post-roll) på præcist timede positioner — hvilket muliggjorde monetarisering på tværs af FAST channels, live events og on-demand indholdsbiblioteker.
Ofte stillede spørgsmål
MicrocosmWorks designede en segmenteret behandlingsarkitektur, hvor Step Functions orkestrerer pipelinen: Lambda-funktioner opdeler kildevideoer i segmenter, AWS MediaConvert håndterer den faktiske transkodning uden Lambdas timeout-begrænsninger, og en afsluttende Lambda samler outputtet. Denne hybride tilgang bevarer den serverløse omkostningsmodel, samtidig med at den understøtter videoer af enhver varighed.
MicrocosmWorks målte en omkostningsreduktion på 70-85% for uregelmæssige videobehandlingsarbejdsbelastninger sammenlignet med at køre dedikerede EC2-kodningsinstanser. Den serverløse pipeline pådrager sig ingen omkostninger, når den er inaktiv, og skalerer til hundredvis af samtidige job i spidsperioder, med AWS MediaConverts minutpris, hvilket eliminerer behovet for at provisionere til spidsbelastningskapacitet.
MicrocosmWorks konfigurerede AWS Step Functions med genforsøgspolitikker pr. trin og eksponentiel backoff, hvilket sikrer, at et mislykket transkodningstrin automatisk forsøges igen uden at genstarte hele pipelinen. Hvert trin skriver mellemliggende outputs til S3, så genoprettelsen genoptages fra det sidste succesfulde kontrolpunkt snarere end at genbehandle fra kildefilen.
MicrocosmWorks optimerede pipelinen til nær-realtids-brugsscenarier med cold start-mitigering ved hjælp af provisioned concurrency på kritiske Lambda-funktioner og MediaConvert reserverede transkodningspladser. For live-workflows opnår pipelinen 2-5 minutters end-to-end latency fra upload til levering, hvilket er velegnet til klipudtrækning og distribution af højdepunkter.
MicrocosmWorks bygger serverløs videoinfrastruktur til rater på $25-$45/time, med en komplet MediaConvert-baseret pipeline inklusive Step Functions-orkestrering, S3 lifecycle management og overvågning, der typisk kræver 250-400 udviklingstimer. Arkitekturens pay-per-use model betyder, at kunder kun betaler AWS-omkostninger proportionalt med deres faktiske behandlingsvolumen.
Klar til at Transformere Din Virksomhed?
Lad os drøfte, hvordan vi kan anvende lignende løsninger til dine udfordringer.