文档

音视频处理最佳实践

更新时间:
一键部署

您可以通过函数计算控制台来体验GPU实例的最佳实践。本文以Python语言为例,说明如何通过控制台将原始视频经过函数代码的转码处理,从.mp4转换为.flv格式。

应用场景和优势

随着越来越多的强交互应用场景的出现,例如社交直播、在线课堂以及远程医疗等,互联网流量正在向实时、准实时的趋势演进。视频平台通常要将原始视频内容根据码率、分辨率、渠道贴片、播放平台等维度,以1∶N的方式转码输出多种分发视频格式,以服务不同网络质量、各种播放平台的观看者。视频转码是视频生产分发中的关键一环,理想的视频转码解决方案需要在成本(人民币/流)和功率效率(瓦/流)方面具有成本效益。

在不同的应用场景下,函数计算提供的GPU实例与CPU相比所具备的优势如下。

  • 实时、准实时的应用场景

    提供数倍于CPU的转码效率,从而快速将生产内容推向终端用户。

  • 成本优先的GPU应用场景

    提供弹性预留模式,从而按需为您保留工作GPU实例,对比自购VM拥有较大成本优势。

  • 效率优先的GPU应用场景

    屏蔽运维GPU集群的繁重负担(驱动/CUDA版本管理、机器运行管理、GPU坏卡管理),使得开发者专注于代码开发、聚焦业务目标的达成。

GPU实例的更多信息,请参见实例类型及使用模式

性能对比

函数计算GPU实例基于的Turing架构支持以下编码和解码格式:

  • 编码格式

    H.264 (AVCHD) YUV 4:2:0

    H.264 (AVCHD) YUV 4:4:4

    H.264 (AVCHD) Lossless

    H.265 (HEVC) 4K YUV 4:2:0

    H.265 (HEVC) 4K YUV 4:4:4

    H.265 (HEVC) 4K Lossless

    H.265 (HEVC) 8k

    HEVC10-bitsupport

    HEVCB Framesupport

  • 解码格式

    MPEG-1

    MPEG-2

    VC-1

    VP8

    VP9

    H.264 (AVCHD)

    H.265 (HEVC) 4:2:0

    *H.265 (HEVC) 4:4:4

    8 bit

    10 bit

    12 bit

    8 bit

    10 bit

    12 bit

    8 bit

    10 bit

    12 bit

原始视频信息如下表所示。

视频信息

数据

时长

2分05秒

码率

4085 Kb/s

视频流信息

h264 (High), yuv420p (progressive), 1920x1080 [SAR 1:1 DAR 16:9], 25 fps, 25 tbr, 1k tbn, 50 tbc

音视频信息

aac (LC), 44100 Hz, stereo, fltp

CPU和GPU的测试机器指标如下表所示。

对比项

CPU机型

GPU机型

CPU

CPU Xeon® Platinum 8163 4C

CPU Xeon® Platinum 8163 4C

RAM

16 GB

16 GB

GPU

N/A

T4

FFmpeg

git-2020-08-12-1201687

git-2020-08-12-1201687

视频转码(1∶1)

性能测试:1路输入、1路输出

分辨率

CPU转码耗时

GPU转码耗时

H264∶1920x1080 (1080p) (Full HD)

3分19.331秒

0分9.399秒

H264∶1280x720 (720p) (Half HD)

2分3.708秒

0分5.791秒

H264∶640x480 (480p)

1分1.018秒

0分5.753秒

H264∶480x360 (360p)

44.376秒

0分5.749秒

视频转码(1∶N)

性能测试:1路输入、3路输出

分辨率

CPU转码耗时

GPU转码耗时

H264∶1920x1080 (1080p) (Full HD)

5分58.696秒

0分45.268秒

H264∶1280x720 (720p) (Half HD)

H264∶640x480 (480p)

转码命令

  • CPU转码命令

    • 单路转码(1∶1)

      docker run --rm -it --volume $PWD:/workspace --runtime=nvidia willprice/nvidia-ffmpeg -y -i input.mp4 -c:v h264 -vf scale=1920:1080 -b:v 5M output.mp4
    • 多路转码(1∶N)

      docker run --rm -it --volume $PWD:/workspace --runtime=nvidia willprice/nvidia-ffmpeg \
      -y -i input.mp4 \
      -c:a copy -c:v h264 -vf scale=1920:1080 -b:v 5M output_1080.mp4 \
      -c:a copy -c:v h264 -vf scale=1280:720 -b:v 5M output_720.mp4 \
      -c:a copy -c:v h264 -vf scale=640:480 -b:v 5M output_480.mp4
    表 1. 参数说明

    参数

    说明

    -c:a copy

    无需任何重新编码即可复制音频流。

    -c:v h264

    为输出流选择软件H.264编码器。

    -b:v 5M

    将输出比特率设置为5 Mb/s。

  • GPU转码命令

    • 单路转码(1∶1)

      docker run --rm -it --volume $PWD:/workspace --runtime=nvidia willprice/nvidia-ffmpeg -y -hwaccel cuda -hwaccel_output_format cuda -i input.mp4 -c:v h264_nvenc -vf scale_cuda=1920:1080:1:4 -b:v 5M output.mp4
    • 多路转码(1∶N)

      docker run --rm -it --volume $PWD:/workspace --runtime=nvidia willprice/nvidia-ffmpeg \
      -y -hwaccel cuda -hwaccel_output_format cuda -i input.mp4 \
      -c:a copy -c:v h264_nvenc -vf scale_npp=1920:1080 -b:v 5M output_1080.mp4 \
      -c:a copy -c:v h264_nvenc -vf scale_npp=1280:720 -b:v 5M output_720.mp4 \
      -c:a copy -c:v h264_nvenc -vf scale_npp=640:480 -b:v 5M output_480.mp4
    表 2. 参数说明

    参数

    说明

    -hwaccel cuda

    选择合适的硬件加速器。

    -hwaccel_output_format cuda

    将解码的帧保存在GPU内存中。

    -c:v h264_nvenc

    选择NVIDIA硬件加速H.264编码器。

准备工作

  • 为了确保您的业务正常进行,请加入钉钉用户群(钉钉群号:11721331),申请GPU实例的使用权限,同时提供以下信息。

    • 组织名称,例如您所在的公司名称。

    • 您的阿里云账号ID。

    • 您期望使用GPU实例的地域,例如华南1(深圳)。

    • 联系方式,例如您的手机号、邮箱或钉钉账号等。

    • 您的镜像大小。

  • 在GPU实例所在地域,完成以下操作:

  • 将需处理的音视频资源上传至在GPU实例所在地域的OSS Bucket中,且您对该Bucket中的文件有读写权限。具体步骤,请参见控制台上传文件。权限相关说明,请参见修改存储空间读写权限

通过函数计算控制台部署GPU应用

  1. 部署镜像。
    1. 建容器镜像服务的企业版实例或个人版实例。
      推荐您创建企业版实例。具体操作步骤,请参见创建企业版实例
    2. 创建命名空间和镜像仓库。
    3. 容器镜像服务控制台,根据界面提示完成Docker相关操作步骤。然后将上述示例app.pyDockerfile推送至实例镜像仓库,文件信息,请参见通过ServerlessDevs部署GPU应用时/code目录中的app.pyDockerfile
      db-acr-docker
  2. 创建GPU函数。具体操作步骤,请参见创建Custom Container函数

  3. 修改函数的执行超时时间。

    1. 在目标函数的配置页签,在左侧导航栏,选择运行时,然后单击运行时右侧的编辑

    2. 运行时面板,修改执行超时时间,然后单击确定

    说明

    CPU转码耗时会超过默认的60s,因此建议您修改执行超时时间为较大的值。

  4. 配置GPU预留实例。关于配置预留实例的具体操作,请参见配置预留实例

    配置完成后,您可以在规则列表查看预留的GPU实例是否就绪。即当前预留实例数是否为设置的预留实例数。

  5. 使用cURL测试函数。

    1. 在函数详情页面,单击触发器管理页签,查看触发器的配置信息,获取触发器的访问地址。

    2. 在命令行执行如下命令,调用GPU函数。

      • 查看线上函数版本

        curl -v "https://tgpu-ff-console-tgpu-ff-console-ajezot****.cn-shenzhen.fcapp.run"
        {"function": "trans_gpu"}
      • 使用CPU进行转码

        curl "https://tgpu-ff-console-tgpu-ff-console-ajezot****.cn-shenzhen.fcapp.run" -H 'TRANS-MODE: cpu'
        {"result": "ok", "upload_time": 8.75510573387146, "download_time": 4.910430669784546, "trans_time": 105.37688875198364}
      • 使用GPU进行转码

        curl "https://tgpu-ff-console-tgpu-ff-console-ajezotchpx.cn-shenzhen.fcapp.run" -H 'TRANS-MODE: gpu'
        {"result": "ok", "upload_time": 8.313958644866943, "download_time": 5.096682548522949, "trans_time": 8.72346019744873}

执行结果

您可通过在浏览器中访问以下域名,查看转码后的视频:

https://cri-zbtsehbrr8******-registry.oss-cn-shenzhen.aliyuncs.com/output.flv

本域名仅为示例,需以实际情况为准。

  • 本页导读 (1)