当前位置:千千小说网>其他类型>2005从拿走苹果气运开始> 第339章 奈飞有多牛哔
阅读设置(推荐配合 快捷键[F11] 进入全屏沉浸式阅读)

设置X

第339章 奈飞有多牛哔(1 / 2)

杨振并没有过多解释流媒体平台的优势和前景。

技术上的事儿,也确实不是几个小白,就能轻易听懂的。

但不可否认的是,却恰恰就是技术,在引领着几乎每一个行业的前进和更迭。

简单、便捷、更好的体验、更优质的服务、更人性化的享受……这些,才是改变人类日常生活的关键因素。

而这一切,其实无一例外,都是建立在技术日益完善、不断发展基础之上的。

流媒体平台,自然也不会例外。

而后世,不管是国内的爱奇异、腾信视频、友酷,还是国外的奈飞、Hulu、Amazon Prime Video、HBO Max、Apple TV+、迪士尼的三件套等……

能从这一领域竞争中杀将出来的,就没有一個是在技术上的毫无建树的。

当然了,这会儿国内,还处于起步阶段,国外也仅仅只有两个还过的去的对手,那就是奈飞和Hulu。

而且正如杨振所说,这俩目前也就是在摸索着前进,还远远算不上对手。

无非也就是觉得依托互联网,应该是一个很不错的未来风口而已。

但究竟方向在哪儿,需要从哪些方面去实现,未来又是什么样子的……那就是两眼一抹黑了。

嘉禾的微视频却是不一样的,因为有杨振嘛!

所以,对于流媒体平台以后的发展情况,以及在技术、架构、组织和文化上的趋势走向,几乎可以说是一目了然的。

后世有无数人都在推崇苹果、谷歌、英伟达在科技领域的创新。

但其实在杨振眼里,其实奈飞在这些方面,也同样做的一点儿都不差。

比如微服务、微服务技术栈的核心组件、开源战略、公有云战略、云平台服务、云原生架构、数据仓库、容器技术、发布管道Paved Road、反脆弱架构理念、组织架构Bus Dev Ops、架构+中间件+运维+大数据闭环的云平台工程……

每一个单独拎出来,其实都算不上有多么亮眼,甚至有些,还带着些反常规的属性。

但你只要稍微深入了解一下,就会感慨它的强悍了。

比如后世,它在移动和Web上,用的是Swift和Kotlin来构建原生移动app,用React构建Web应用;

前后端通信用的是Graph QL;

后台服务使用了ZUUL、Eureka、Spring Boot框架技术;

数据库用的是EV cache、Cassandra、Cockroach DB等数据库;

消息/流处理用的是Apache Kafka、Flink;

视频存储用的是S3和Open ect;

数据处理上,Flink和Spark做数据处理,Tableau做可视化、Redshift用于结构化数据仓库;

CI/CD上使用了多种工具,比如JIRA、fluence、Pager Duty、Jenkins、Gradle、onkey、Spinnaker、Altas等去完成……

这其中,绝大多数可都是奈飞自己搞出来的,而将它们组合在一起,所展现出来的能量,也是足以让人瞠目结舌的。

这,就是奈飞赖以成名,用以搜集影音大数据背后的数据工程技术架构了。

这是一个为了支持全球影音流媒体,而搭建的一个庞大的基础架构。

有专门的团队,负责将上千亿流媒体时长的数据,转换成各种分析洞察,以此决定奈飞怎么去为客户,推荐更合适的视频。

而数亿客户,通过数千种不同类型的设备和软件,产生的事件资讯,更是多达百万种。

所以如何将这些资讯,汇集整理成容易理解的合理形式,以支持各种个性化的应用,以及分析的需求,就是一项很大系统工程。

所以奈飞从2007年,推出线上视频流媒体服务开始,就在打造自己的数据仓库系统,并陆续研发出了许多数据技术和工具,用来支持各种数据工程实务上的需求。

从内容绩效评估、观众理解分析、程序化发展战略等各方面,去推动整个数据工程的发展。

整个数据工程技术架构的核心原则,其实很简单,那就是要让常见需求更容易进行,而且可以兼顾到不同层级的定制化需求。

但这也就决定了,很多任务和工具,都需要由他们自己去开发。

要知道,数据工程技术架构中最典型的两大数据流程,就是批处理和流媒体处理。

这也是企业常见的两种数据流程。

但想要全靠自身去研发,那难度可就太高了,但是没有办法,这事儿从外面,还真就找不到现成的,所以也只能靠自力更生了。

而批处理流程有四大关键步骤:

第一步,是数据转换和逻辑汇集处理,这里会涉及到云储存、云计算和大数据;

第二步,在数据汇集整理后,还需要一套成熟的数据品质生态圈工具,在数据品质管控、单元数据异常检测,以及审核机制管理上,确

上一章 目录 +书签 下一页