Pipeline Pemrosesan Video Serverless dengan AWS MediaConvert
Platform video tersebut membutuhkan cara yang skalabel dan hemat biaya untuk menangani beban kerja encoding yang bervariasi, mulai dari periode sepi dengan sedikit unggahan hingga waktu puncak dengan ratusan pekerjaan simultan.
Diskusikan Proyek Anda
Tantangan
Infrastruktur encoding berkapasitas tetap cenderung berlebihan (mahal) atau kurang (lambat):
- Beban kerja encoding sangat bervariasi dan tidak dapat diprediksi
- Periode puncak dapat mengalami volume 100x lipat dari volume normal selama peluncuran konten
- Menjalankan server encoding khusus 24/7 mahal selama periode sepi
- Kegagalan pekerjaan memerlukan deteksi dan percobaan ulang otomatis tanpa intervensi manual
Solusi Kami
Kami mengimplementasikan pipeline encoding serverless menggunakan trigger AWS Lambda dan AWS MediaConvert untuk pemrosesan video yang elastis dan bayar-sesuai-penggunaan.
Arsitektur
- Pemicu: Fungsi AWS Lambda yang memantau event unggahan S3
- Encoding: AWS MediaConvert dengan template pekerjaan spesifik mitra
- Pesan: ActiveMQ/STOMP untuk pembaruan status pekerjaan secara asinkron
- Pemantauan: Backend encoder NestJS melacak kemajuan pekerjaan
- Penyimpanan: AWS S3 untuk aset input/output
Alur Pipeline
- Event S3 - Unggahan video memicu fungsi Lambda
- Konfigurasi Pekerjaan - Lambda membaca profil mitra dan membangun pekerjaan MediaConvert
- Pengiriman - Pekerjaan MediaConvert dikirimkan dengan pengaturan output yang sesuai
- Pelacakan Kemajuan - Pesan STOMP menyampaikan status ke backend encoder
- Penyelesaian - Aset output disimpan di S3, metadata diperbarui di MongoDB
- Penanganan Kesalahan - Pekerjaan yang gagal diantrekan untuk dicoba ulang dengan exponential backoff
Fitur Utama
- Biaya Menganggur Nol - Lambda dan MediaConvert hanya membebankan biaya berdasarkan penggunaan aktual
- Skalabilitas Elastis - Menangani 1 hingga 1000+ pekerjaan encoding bersamaan
- Template Mitra - Template pekerjaan MediaConvert yang telah dikonfigurasi sebelumnya per mitra
- Berbasis Event - Event S3 secara otomatis memicu alur kerja encoding
- Pemantauan Komprehensif - Status pekerjaan, durasi, dan pelacakan kesalahan
Hasil
Tumpukan Teknologi
caseStudyDetail.more Studi Kasus
Jelajahi lebih banyak implementasi teknis kami
Penyisipan Iklan Sisi Klien (CSAI) dengan Penguraian Penanda SCTE-35 & Integrasi Pemutar Multi-Platform
Sebuah platform streaming video perlu mengimplementasikan Client-Side Ad Insertion (CSAI) di seluruh aplikasi web, seluler, dan TV terhubung โ memungkinkan pengalaman iklan yang dipersonalisasi di tingkat perangkat dengan dukungan interaksi iklan penuh (overlay yang dapat diklik, banner pendamping, tombol lewati) yang tidak dapat disediakan oleh penyisipan sisi server.
Pipeline Pemberian Sinyal Penanda Iklan SCTE-35 & Penyisipan Trailer Media
Sebuah perusahaan media streaming membutuhkan pipeline yang tangguh dan otomatis untuk menyuntikkan penanda iklan SCTE-35 ke dalam siaran langsung dan VOD, bersama dengan kemampuan untuk menyisipkan trailer promosi (pre-roll, mid-roll, dan post-roll) pada posisi yang waktunya tepat โ memungkinkan monetisasi di seluruh saluran FAST, acara langsung, dan pustaka konten sesuai permintaan.
Pertanyaan yang Sering Diajukan
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.
Siap Mentransformasi Bisnis Anda?
Mari diskusikan bagaimana kami dapat menerapkan solusi serupa untuk tantangan Anda.