首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

行业发展,技术先行 腾讯云为音视频及融合通信发展助力

腾讯高级工程师张鹏从P2P行业痛点及解决方案角度,分享了腾讯云X-P2P如何即优化了网络质量,又降低了网络负载。...传统的P2P无法满足用户通过网络看视频、直播,要求卡顿更低,时延更低的需求,而腾讯云X-P2P则完美解决了这些问题,实现为企业减负、为观众增效。...张鹏对腾讯云X-P2P的未来也作出展望,他认为腾讯云X-P2P某种意义上实现了多播协议,即优化了网络质量,又降低了网络的负载;而456(4K、5G、IPv6)的到来,将会使X-P2P发挥进一步的能力和得到更广泛的应用...;区块链的底层所使用的P2P技术和腾讯云X-P2P有异曲同工之妙;边缘计算也将依赖稳健、安全、高效的P2P技术底层;XNTP传输协议继续优化,甚至将可以和quic相提并论;最终,X-P2P可能回归最初的梦想...为了加深感知,孙祥学展现了视频+AI的几大具体应用场景,包括媒资管理、视频搜索推荐、直播流监控、视频审核、自动跳过片头片尾及实时字幕。 ? 腾讯高级工程师孙祥学 ? ?

1.7K20

小程序、容器、SCF、直播加速…最全面的云端架构技术揭秘(下)

接上篇《小程序、容器、SCF、直播加速…最全面的云端架构技术揭秘(上)》 腾讯云X-P2P直播加速方案 腾讯云X-P2P是业内领先成熟的P2P产品,从2014年开始,到现在历时2年多,其中多个产品线均已成熟...腾讯云X-P2P直播加速技术负责人张鹏,就P2P的发展历史、X-P2P方案架构以及腾讯云在X-P2P的探索与优化等内容作了详细分享。...腾讯云X-P2P直播方案及其优化之路 腾讯云根据自身的业务场景在直播技术上做了系列优化,下图为腾讯云基于Segment的直播P2P架构,整个直播流程分为两大部分:首先主播将媒体源推到服务器上,P2P...在直播体验优化上,张鹏现场介绍了腾讯云的内部传输控制、精准播送以及大房间高并发三大解决方案: 内部传输控制:当多人共用同一网络时,资源抢占时有发生,X-P2P方案节点之间采用优胜劣汰,自动演进,不与...说到X-P2P现在面临的挑战,张鹏最后表示,以前的视频码率低,现在的视频清晰度已有4k、10M码率,远超过带宽的增速,P2P流量跨省跨运营商流动,易造成运营商不满,都是X-P2P需要考虑的问题。

2.5K21
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    释放技术的想象 :解码腾讯云软件架构与应用

    腾讯有太多的产品渗透到我们生活的方方面面 这些产品的诞生和应用均离不开其云上架构与算法的支撑 19 周岁之际 腾讯为身为开发者的你准备了一场丰富技术盛宴 来自腾讯云与知乎的六位技术专家 围绕 SCF、云端容器化、X-P2P...演讲议题:腾讯云 X-P2P 直播加速方案 分享嘉宾:张鹏,腾讯云高级工程师,X-P2P 直播加速技术负责人。...毕业于华中科技大学,技术涉猎广泛,曾在创新工场旗下做过游戏开发,在一亩田负责运营系统开发,2014 年开始研发 P2P 技术,在过去的两年里,负责从 0 到 1 架构实现 X-P2P 各服务模块,以及移动端...议题介绍:腾讯云 X-P2P 是业内领先成熟的 P2P 产品,从 2014 年开始做,历时 2 年多,其中多个产品线均已成熟,包括不同平台、不同延迟场景下的 P2P 直播、点播 P2P 等,现已推广到斗鱼...腾讯云 X-P2P 在提供大量节省带宽、降低带宽成本的基础下,还能保证优质的播放体验,收到了客户的一致好评。

    6.6K22

    张鹏:腾讯云直播PCDN加速方案(附视频回放)

    下面是张鹏老师关于腾讯云X-P2P的分享,为大家揭开P2P神秘的面纱。...在这样的情况下传统的P2P是满足不了的,而腾讯云X-P2P完美地解决了这些问题。...腾讯依赖QQ、微信和QQ旋风多年的技术积累,突破了对称型NAT的限制,让他们大都能够相互穿透,对我们X-P2P而言其实已不成问题,由于时间关系就不细讲了。...腾讯云X-P2P某种意义上实现了多播协议,即优化了网络质量,又降低了网络的负载;而456(4K、5G、IPv6)的到来,将会使X-P2P进一步发挥能力和得到更广泛的应用;区块链的底层所使用的P2P技术和腾讯云...相提并论;最终,X-P2P可能回归最初的梦想,在互联网上产生出彻底去中心化的服务模式。

    10.2K20

    张鹏:腾讯云直播PCDN加速方案

    下面是张鹏老师关于腾讯云X-P2P的分享,为大家揭开P2P神秘的面纱。...而后,P2P陷入被封杀的一片低潮期,QQ旋风、迅雷下载也慢慢被移动互联网淹没在历史洪流中,可能只剩下一些视频团队在私下里继续做着,直到2014年直播兴起,腾讯云X-P2P也随之再次兴起。...在这样的情况下传统的P2P是满足不了的,而腾讯云X-P2P完美地解决了这些问题。...腾讯云X-P2P某种意义上实现了多播协议,即优化了网络质量,又降低了网络的负载;而456(4K、5G、IPv6)的到来,将会使X-P2P进一步发挥能力和得到更广泛的应用;区块链的底层所使用的P2P技术和腾讯云...相提并论;最终,X-P2P可能回归最初的梦想,在互联网上产生出彻底去中心化的服务模式。

    12.8K54

    推荐】飞林沙:商品推荐算法&推荐解释

    另外的一个问题还在于怎样生成替代品的推荐理由,应该是更好,而不是他们包含同一关键词。 ? 推荐一整套装备。...因为我们要时刻记得我们产生Topic的意义不仅仅是用来做推荐,还有为基于Link关系的商品推荐生成推荐理由,topic生成与商品之间的连接关系息息相关。 ?...我们之前所有的训练都是基于无向图的,例如买了iPhone可以买手机壳,但是买手机壳推荐iPhone就是一个不好的推荐了。所以作者的解决方案是对训练的参数做了调整: ?...那么我们抛除模型,看看这篇paper带给了我们什么启示,这篇文章核心其实就是在解决“推荐解释”的问题,当然顺路也提高了推荐的准确性。...作者从几个角度去出发,这几点都是值得我们在做推荐算法的时候考虑的: 推荐的递进性,我们过去无论在做商品聚类,还是基于标签推荐时,都是基于一个无向的“图模型”。

    1.3K50

    音乐推荐系统:推荐歌单以及推荐相似歌曲

    语言:python3.5 库:Surprise 平台:jupyter notebook 描述:此推荐系统类似网易云音乐推荐歌单以及推荐相似歌曲。...2.2 歌单数据=>推荐系统格式数据 主流的python推荐系统框架,支持的最基本数据格式为movielens dataset,其评分数据格式为 user item rating timestamp,把数据处理成这个格式...2.3 保存歌单和歌曲信息备用 保存 歌单id=>歌单名 和 歌曲id=>歌曲名 的信息 3.使用python推荐系统库Surprise完成项目 3.1用协同过滤构建模型并进行预测 3.1.1 推荐歌单...3.1.2 推荐歌曲 ? 当然也可以使用其他的算法来实现,如: ? 4. 不同的推荐系统算法评估 可以使用不同的评估准则,如: ? ----

    2.8K10

    推荐系统】推荐系统概述

    — 哈珀·李 许多人把推荐系统视为一种神秘的存在,他们觉得推荐系统似乎知道我们的想法是什么。Netflix 向我们推荐电影,还有亚马逊向我们推荐该买什么样的商品。...如何构建一个推荐系统? 现在已经有很多种技术来建立一个推荐系统了,我选择向你们介绍其中最简单,也是最常用的三种。他们是:一,协同过滤;二,基于内容的推荐系统;三,基于知识的推荐系统。...因此,系统可以推荐相同或相似类型的歌曲。更复杂的推荐系统能够发现多个属性之间的关系,从而产生更高质量的推荐。...混合推荐系统 文章到目前为止所介绍的不同类型的推荐系统都各有优劣,他们根据不同的数据给出推荐。一些推荐系统,如基于知识的推荐系统,在数据量有限的冷启动环境下最为有效。...推荐系统与AI? 推荐系统常用于人工智能领域。推荐系统的能力 – 洞察力,预测事件的能力和突出关联的能力常被用于人工智能中。另一方面,机器学习技术常被用于实现推荐系统。

    1.8K33

    推荐系列(一):什么是推荐

    推荐系列(一):什么是推荐? 什么是推荐? YouTube如何知道你可能希望接下来要观看的视频?Google Play商店如何为你挑选应用?这些恰到好处的推荐是魔法吗?...答案当然是不,上述情况下,基于机器学习(ML)的推荐模型都可以确定视频和应用与你喜欢的其他内容的相似程度,然后提供推荐。...主页推荐 主页推荐根据用户的已知兴趣对用户进行个性化推荐,每个用户都能看到不同的推荐; 如果你转到Google Play Apps主页,可能会看到如下内容: ?...相关项目推荐 顾名思义,相关项目是与特定项目类似的推荐。在Google Play应用示例中,查看数学相关APP的用户也可能会看到相关的应用,例如有关科学的APP。 为什么进行推荐?...无非了两种途径:搜索跟推荐。搜索的时候有些关键词没有构建索引,且搜索后还是会出来大量的视频,如何挑选又陷入困难。但是,推荐引擎可以推荐给用户可能没有想过自己要搜索的内容,且自己对其感兴趣。

    1.2K30

    推荐系统】推荐业务架构介绍(一)

    11.1 黑马头条推荐业务架构介绍 1.1.1业务 在头条APP海量用户与海量文章之上,使用lambda大数据实时和离线计算整体架构,利用黑马头条用户在APP上的点击行为、浏览行为、收藏行为等建立用户与文章之间的画像关系...,通过机器学习推荐算法进行智能推荐 1.1.2 架构与业务流 1、用户的行为收集,业务数据收集 2、批量计算(离线计算):用户文章画像 3、用户的召回结果、排序精选过程 4、grpc的实时推荐业务流的搭建...分布式环境:Hbase会遇到三台时间同步的问题 python环境:三台也都必须安装 2.2 数据库迁移 2.2.1 数据库迁移需求 业务数据:133,134,135, 136 web 推荐系统...2、后端、客户端 APP集成 3、推荐人员基于文档埋点测试与梳理 2.3.2.2 黑马头条文章推荐埋点需求整理 埋点事件号: 停留时间 read 点击事件 click 曝光事件(相当于刷新一次请求推荐新文章...) exposure 收藏事件 collect 分享事件 share 埋点参数文件结构 曝光的参数:下拉刷新,推荐新的若干篇文章 我们将埋点参数设计成一个固定格式的json字符串 2.3.3

    1K20
    领券