Serverløs videobehandlingspipeline med AWS MediaConvert
Videoplatformen havde brug for en skalerbar, omkostningseffektiv måde at håndtere variable kodningsarbejdsbyrder 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):
- Kodningsarbejdsbyrder var meget variable og uforudsigelige
- Spidsbelastningsperioder kunne opleve 100x normalt volumen under indholdslanceringer
- At køre dedikerede kodningsservere 24/7 var dyrt i stille perioder
- Jobfejl krævede automatisk detektering og genforsøg uden manuel indgriben
Vores Løsning
Vi implementerede en serverløs kodningspipeline ved hjælp af AWS Lambda-triggere og AWS MediaConvert til elastisk, betal-pr.-brug videobehandling.
Arkitektur
- Trigger: AWS Lambda-funktion, der overvåger S3-uploadbegivenheder
- Kodning: AWS MediaConvert med partnerspecifikke jobskabeloner
- Beskedhåndtering: ActiveMQ/STOMP til asynkrone jobstatusopdateringer
- Overvågning: NestJS encoder backend, der sporer jobfremdrift
- Lagring: AWS S3 til input/output-aktiver
Pipeline-flow
- S3 Begivenhed - Video-upload udløser Lambda-funktion
- Jobkonfiguration - Lambda læser partnerprofil og konstruerer MediaConvert-job
- Indsendelse - MediaConvert-job indsendes med passende outputindstillinger
- Statussporing - STOMP-beskeder videresender status til encoder backend
- Færdiggørelse - Output-aktiver gemmes i S3, metadata opdateres i MongoDB
- Fejlhåndtering - Mislykkede job sættes i kø for genforsøg med eksponentiel backoff
Nøglefunktioner
- Nul tomgangsomkostninger - Lambda og MediaConvert opkræver kun for faktisk brug
- Elastisk skalering - Håndterer 1 til 1000+ samtidige kodningsjob
- Partnerskabeloner - Forudkonfigurerede MediaConvert-jobskabeloner pr. partner
- Begivenhedsstyret - S3-begivenheder udløser automatisk kodningsarbejdsgange
- 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 designed a segmented processing architecture where Step Functions orchestrate the pipeline: Lambda functions split source videos into segments, AWS MediaConvert handles the actual transcoding without Lambda timeout constraints, and a final Lambda stitches the output. This hybrid approach keeps the serverless cost model while supporting videos of any duration.
MicrocosmWorks measured a 70-85% cost reduction for bursty video processing workloads compared to running dedicated EC2 encoding instances. The serverless pipeline incurs zero cost when idle and scales to hundreds of concurrent jobs during peak periods, with AWS MediaConvert's per-minute pricing eliminating the need to provision for peak capacity.
MicrocosmWorks configured AWS Step Functions with per-step retry policies and exponential backoff, ensuring that a failed transcode step retries automatically without restarting the entire pipeline. Each stage writes intermediate outputs to S3, so recovery resumes from the last successful checkpoint rather than reprocessing from the source file.
MicrocosmWorks optimized the pipeline for near-real-time use cases with cold start mitigation using provisioned concurrency on critical Lambda functions and MediaConvert reserved transcoding slots. For live workflows, the pipeline achieves 2-5 minute end-to-end latency from upload to delivery, which is suitable for clip extraction and highlights distribution.
MicrocosmWorks builds serverless video infrastructure at rates of $25-$45/hr, with a complete MediaConvert-based pipeline including Step Functions orchestration, S3 lifecycle management, and monitoring typically requiring 250-400 development hours. The architecture's pay-per-use model means clients only pay AWS costs proportional to their actual processing volume.
Klar til at Transformere Din Virksomhed?
Lad os drøfte, hvordan vi kan anvende lignende løsninger til dine udfordringer.