CN113055745A - 视频播放的处理方法、装置、设备及存储介质 - Google Patents
视频播放的处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113055745A CN113055745A CN202110338188.0A CN202110338188A CN113055745A CN 113055745 A CN113055745 A CN 113055745A CN 202110338188 A CN202110338188 A CN 202110338188A CN 113055745 A CN113055745 A CN 113055745A
- Authority
- CN
- China
- Prior art keywords
- video
- played
- log
- historical
- playing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
- H04N21/26208—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists the scheduling operation being performed under constraints
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Indexing, Searching, Synchronizing, And The Amount Of Synchronization Travel Of Record Carriers (AREA)
Abstract
本公开实施例提供一种视频播放的处理方法、装置、设备及存储介质,该方法包括:获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,其中,所述相匹配的历史播放日志包括具有与所述待播放视频的关键特征至少部分相同的关键特征的历史播放日志;根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测;其中,所述关键特征为基于多条历史播放日志,从表征视频播放属性的多个备选特征中选出的影响视频卡顿的特征。本公开实施例可以快速、准确地对待播放视频进行卡顿预测,提高卡顿预测的效率和准确率。
Description
技术领域
本公开实施例涉及计算机技术领域,尤其涉及一种视频播放的处理方法、装置、设备及存储介质。
背景技术
随着视频处理技术的不断发展和智能电子设备的普及,视频播放的应用也越来越广泛。在视频播放的各项QoS(Quality of Service,服务质量)指标中,卡顿是对用户体验影响较大的一项。
目前,如何快速准确地对待播放的视频进行卡顿预测,成为亟待解决的问题。
发明内容
本公开实施例提供一种视频播放的处理方法、装置、设备及存储介质,以提高对待播放视频进行卡顿预测的效率和准确率。
第一方面,本公开实施例提供一种视频播放的处理方法,包括:
获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,其中,所述相匹配的历史播放日志包括具有与所述待播放视频的关键特征至少部分相同的关键特征的历史播放日志;
根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测;
其中,所述关键特征为基于多条历史播放日志,从表征视频播放属性的多个备选特征中选出的影响视频卡顿的特征。
第二方面,本公开实施例提供一种视频播放的处理装置,包括:
获取模块,用于获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,其中,所述相匹配的历史播放日志包括具有与所述待播放视频的关键特征至少部分相同的关键特征的历史播放日志;
预测模块,用于根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测;
其中,所述关键特征为基于多条历史播放日志,从表征视频播放属性的多个备选特征中选出的影响视频卡顿的特征。
第三方面,本公开实施例提供一种电子设备,包括:
存储器和至少一个处理器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面所述的视频播放的处理方法。
第四方面,本公开实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面所述的视频播放的处理方法。
第五方面,本公开实施例提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上第一方面所述的视频播放的处理方法。
本公开实施例提供的视频播放的处理方法、装置、设备及存储介质,通过获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,所述相匹配的历史播放日志包括具有与所述待播放视频的关键特征至少部分相同的关键特征的历史播放日志,并根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测,其中,所述关键特征为基于多条历史播放日志,从表征视频播放属性的多个备选特征中选出的影响视频卡顿的特征,从而能够在进行卡顿预测时聚焦影响视频卡顿的关键特征,快速、准确地对待播放视频进行卡顿预测,提高卡顿预测的效率和准确率。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种应用场景示意图;
图2为本公开实施例提供的一种视频播放的处理方法的流程示意图;
图3为本公开实施例提供的一种应用场景示意图;
图4为本公开实施例提供的一种选择关键特征的流程示意图;
图5为本公开实施例提供的一种确定代表性子集的流程示意图;
图6为本公开实施例提供的一种卡顿指标分布信息的示意图;
图7为本公开实施例提供的一种视频播放的处理装置的结构框图;
图8为本公开实施例提供的一种电子设备的结构框图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本公开保护的范围。
本公开实施例提供的技术方案,可以应用于任意视频播放场景。视频播放的各项指标中,卡顿是非常重要的一项。要减少卡顿,一方面可以通过会话之内(intra-session)的方法,例如自适应码率(ABR)技术,在一个视频的播放过程中在多档码率之间调整以适应当前可用带宽。另一方面可以通过会话之外(inter-session)的方法。所谓会话之外,是指在某次播放开始之前去进行一些决策,利用跨会话的信息去确定即将到来的播放行为,例如选择哪个CDN(Content Delivery Network,内容分发网络)地址、从哪个码率档位起播,等等。
现有技术中,无论是会话之内的方法还是会话之外的方法,往往不会对视频的卡顿情况进行预测,或者,虽然会对视频进行卡顿预测,但是仅通过客户端所处的网络等信息对卡顿情况进行简单预判,效果较差。
有鉴于此,本公开实施例提供一种视频播放的处理方法,可以根据待播放视频的关键特征,查找与所述待播放视频相匹配的历史播放日志,根据所述相匹配的历史播放日志对应的卡顿情况,对所述待播放视频进行卡顿预测。其中,所述关键特征可以为基于多条历史播放日志,从表征视频播放属性的多个备选特征中选出的影响视频卡顿的特征。
图1为本公开实施例提供的一种应用场景示意图。如图1所示,客户端有视频播放需求时,可以向业务服务器发送播放请求,业务服务器根据播放请求,确定待播放视频,并获取待播放视频对应的关键特征,如起始分辨率、播放该视频的客户端的当前位置等。在日志存储设备中可以存储有历史播放日志。业务服务器可以从日志存储设备中获取与待播放视频相匹配的历史播放日志,例如,起始分辨率、当前位置等特征均与所述待播放视频一致的历史播放日志,根据获取到的历史播放日志的卡顿情况,来预测待播放视频的卡顿情况,并将卡顿预测结果反馈给客户端,或者,根据卡顿预测结果进行其它处理。
由于获取到的历史播放日志的特征与待播放视频的特征相匹配,因此,基于历史播放日志对待播放视频进行卡顿预测,能够有效提高预测的效果。
此外,在进行特征选取时,可以使用多条历史播放日志从多个备选特征中选择影响视频卡顿的特征,能够有效从表征视频播放属性的多个备选特征中筛选出关键特征,并基于关键特征进行卡顿预测,减少不相关的特征的影响,进一步提升卡顿预测的准确性和效率。
需要说明的是,图1所示应用场景仅为示例。在实际应用中,卡顿预测的使用场景并不仅限于此,例如,历史播放日志可以存储在日志存储设备中,也可以存储在业务服务器或其它设备中。
可选的,业务服务器可以根据自身需求选择合适的时机进行卡顿预测,例如,在客户端没有播放请求时,业务服务器也可以对未来一段时间内可能出现的播放事件进行卡顿预测,以提高后续播放的处理效率。
下面结合附图,对本公开的一些实施方式作详细说明。在各实施例之间不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
图2为本公开实施例提供的一种视频播放的处理方法的流程示意图。本实施例的方法可以应用于任意有卡顿预测需求的设备,例如图1中的业务服务器。如图2所示,所述方法可以包括:
步骤201、获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,其中,所述相匹配的历史播放日志包括具有与所述待播放视频的关键特征至少部分相同的关键特征的历史播放日志。
本实施例中,所述关键特征可以为基于多条历史播放日志,从表征视频播放属性的多个备选特征中选出的影响视频卡顿的特征。
可选的,所述历史播放日志可以记载播放视频时的各项数据,每播放一次视频可以对应生成一条历史播放日志。每一条历史播放日志可以包括播放视频时的备选特征以及卡顿指标。
其中,所述备选特征可以包括但不限于:网络服务提供商(Internet ServiceProvider,ISP)信息、网络类型信息、地理位置信息、操作系统信息、冷启动信息、视频分辨率、CDN地址等。
具体地,网络类型信息可以为4G、Wi-Fi等;地理位置信息可以包括所在省份及城市等;操作系统信息可以为iPhone、Android等;冷启动(Cold start)信息可以是指本次视频播放是否为打开APP后的第一次播放操作;视频分辨率可以为起播时的分辨率(Initialresolution),例如720p高清,1080p超清等;CDN地址可以为下发视频数据的CDN服务器的地址。
除了上述所列备选特征以外,还设置其它的、可能影响视频播放的备选特征,本公开实施例对此不作限制。
本公开实施例中,卡顿指标可以为任意能够体现视频播放时的卡顿情况的信息。可选的,可以通过定性的方式表示卡顿情况,例如,卡或不卡;或者,可以通过定量的方式表示卡顿情况,例如,所述卡顿指标可以包括:单位时间内的卡顿次数,和/或,卡顿时长与视频时长的比值。所述单位时间内的卡顿次数可以为百秒卡顿次数,即播放过程中的卡顿次数/播放秒数*100,表示播放过程中每百秒平均卡顿多少次。
表1本公开实施例提供的一种历史播放日志的示例
历史播放日志1 | 历史播放日志2 | …… | |
网络服务提供商信息 | 提供商A | 提供商B | …… |
网络类型信息 | WiFi | 4G | …… |
地理位置信息 | 城市C | 城市D | …… |
操作系统信息 | Android | Android | …… |
冷启动信息 | 否 | 是 | …… |
视频分辨率 | 720 | 1080 | …… |
CDN地址信息 | 地址E | 地址F | …… |
卡顿指标 | 百秒卡顿1次 | 百秒卡顿4次 | …… |
如表1所示,每一历史播放日志都包含各个备选特征的具体信息,以及对应的卡顿指标。可以基于多条历史播放日志,确定对视频卡顿影响较大的若干个备选特征作为关键特征,而对视频卡顿没有影响、或者影响不大的备选特征,则可以忽略,从而可以更加精准地进行视频卡顿预测。
举例来说,备选特征包括网络服务提供商信息、网络类型信息、地理位置信息、操作系统信息、冷启动信息、视频分辨率、CDN地址。通过对多条历史播放日志进行分析,确定其中的网络服务提供商信息、冷启动信息、网络类型信息、CDN地址这几项对卡顿影响较大,则可以将这几项作为关键特征,对后续的待播放视频进行卡顿预测。
具体的,在确定关键特征后,当需要对待播放视频进行卡顿预测时,可以先获取待播放视频对应的关键特征,并查找与所述待播放视频相匹配的历史播放日志。
其中,所述相匹配的历史播放日志包括具有与所述待播放视频的关键特征至少部分相同的关键特征的历史播放日志,即,相匹配的历史播放日志为至少部分关键特征相同的历史播放日志。如果多个历史播放日志的全部或部分关键特征是相同的,则认为这些历史播放日志属于相匹配的历史播放日志。
在一种可选的实现方式中,相匹配的历史播放日志可以为全部关键特征均相同的历史播放日志。
具体的,假设根据前述方法,从所有的备选特征中选出影响视频卡顿的关键特征为:冷启动信息、网络类型信息。当客户端有播放视频的需求时,可以先向业务服务器发送请求,所述请求中包含了待播放的视频的关键特征,即当前的播放环境,例如网络类型信息为4G还是WiFi、是否冷启动等,业务服务器可以查找与所述待播放的视频的网络类型信息、冷启动信息等关键特征均相同的历史播放日志。
在全部关键特征均相同的情况下才认定属于相匹配的历史播放日志,能够有效找出与待播放视频的关键特征均相同的历史播放日志,提升预测的准确性。
在另一种可选的实现方式中,若任意两个历史播放日志有部分关键特征相同,即可认为所述两个历史播放日志属于相匹配的历史播放日志。例如,关键特征共有5项,若历史播放日志A的关键特征与历史播放日志B的关键特征中有4项相同,则可以认为两者属于相匹配的历史播放日志。可以为相同关键特征的数量设置一阈值,例如,关键特征中有至少80%或至少4项相同才能被认为属于相匹配的历史播放日志,避免关键特征相似度太低导致预测效果较差。
在多个历史播放日志的部分关键特征相同的情况下即认定属于相匹配的历史播放日志,能够快速找出与待播放视频的关键特征类似的历史播放日志,兼顾卡顿预测的效率与准确率。
可选的,可以从历史播放日志中,选择关键特征相同、且时间上最近的多个历史播放日志。所选择的历史播放日志的数量可以根据实际需要来设置,例如,可以选择最近的200个历史播放日志,提高实时性及预测准确性。
步骤202、根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测。
在查找到相匹配的历史播放日志后,可以根据相匹配的历史播放日志的卡顿情况对待播放视频进行卡顿预测。例如,若相匹配的多个历史播放日志均比较卡,那么可以认为与所述多个历史播放日志的关键特征相同或类似、且时间接近的本次播放也有可能会出现卡顿;若相匹配的多个历史播放日志均不卡,那么本次播放也可以预测为不卡。
在对待播放视频进行卡顿预测后,可以将卡顿预测结果发送给客户端,由客户端显示给用户,以对用户进行卡顿提醒,提高用户体验度。或者,还可以根据卡顿预测结果进行其它处理,例如,根据卡顿预测结果为待播放视频选择合适的CDN服务器,以提升播放效果。
本实施例提供的视频播放的处理方法,通过获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,所述相匹配的历史播放日志包括具有与所述待播放视频的关键特征至少部分相同的关键特征的历史播放日志,并根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测,其中,所述关键特征为基于多条历史播放日志,从表征视频播放属性的多个备选特征中选出的影响视频卡顿的特征,从而能够在进行卡顿预测时聚焦影响视频卡顿的关键特征,快速、准确地对待播放视频进行卡顿预测,提高卡顿预测的效率和准确率。
在上述实施例提供的技术方案的基础上,可选的是,根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测,包括:根据所述相匹配的历史播放日志,计算其中存在卡顿的历史播放日志的比例、以及存在卡顿的历史播放日志对应的平均卡顿指标;根据所述比例与所述平均卡顿指标,确定所述待播放视频的卡顿程度预测值,所述卡顿程度预测值用于表征对所述待播放视频的卡顿程度的预测。
具体地,可以根据相匹配的历史播放日志,计算其中存在卡顿的历史播放日志的比例例,记为rebufRatio,例如,共有200条相匹配的历史播放日志,其中有150条存在卡顿,则rebufRatio=150/200。
还可以计算存在卡顿的历史播放日志对应的平均卡顿指标,如平均百秒卡顿次数,记为rebufValue。例如,共有150条存在卡顿的历史播放日志,确定这150条历史播放日志中每一条历史播放日志对应的百秒卡顿次数,并对150条历史播放日志对应的百秒卡顿次数取平均值,得到rebufValue。
进而,根据所述比例rebufRatio与所述平均卡顿指标rebufValue,可以确定所述待播放视频的卡顿程度预测值rebufPred。可选的,rebufPred=rebufRatio*rebufValue。
通过融合存在卡顿的比例以及平均卡顿指标,可以更好地反映历史播放日志的实际卡顿情况,提高卡顿程度预测值的准确性。
在其它可选的实现方式中,也可以仅使用存在卡顿的比例,或者,仅使用平均卡顿指标来确定卡顿程度预测值,能够有效减少计算量,提升计算效率。
进一步的,还可以通过预设阈值来判断待播放视频的卡顿情况是否满足预设条件。若所述卡顿程度预测值小于预设阈值,则确定所述待播放视频的卡顿情况满足预设条件,即,预测待播放视频不卡;若所述卡顿程度预测值大于预设阈值,则确定所述待播放视频的卡顿情况不满足预设条件,即,预测待播放视频会卡。
其中,所述预设阈值可以根据实际需要设置。所述预设阈值可以是固定的,也可以是动态调节的。在预测得到卡顿情况是否满足要求之后,可以将预测结果发送给客户端,由客户端对用户进行相应的提示,使得用户了解本次播放可能存在的卡顿情况,提升用户体验度。
在上述实施例提供的技术方案的基础上,可选的是,还可以在为待播放视频分配CDN地址后,基于被分配到的CDN地址进行卡顿预测。
图3为本公开实施例提供的一种应用场景示意图。如图3所示,为了提升视频播放质量,可以设置多个CDN服务器进行视频数据下发,例如图中的CDN服务器1、CDN服务器2、……、CDN服务器n。多个CDN服务器由业务服务器管理,不同的CDN服务器可以对应不同的CDN地址。
当客户端有播放视频的需求时,可以向业务服务器请求分配CDN地址,业务服务器可以根据实际情况从多个CDN地址中选择一个发送给客户端,由客户端根据所选择的CDN地址向对应的CDN服务器请求视频数据,CDN服务器将视频数据传输给客户端,客户端根据接收到的视频数据播放视频给用户。
可选的,获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,包括:确定所述待播放视频对应的关键特征;从备选的多个CND地址中选择分配给所述待播放视频的CDN地址,查找与所述待播放视频相匹配的历史播放日志;其中,所述相匹配的历史播放日志具体为与所述待播放视频的关键特征相同且CDN地址相同的历史播放日志。
其中,所述关键特征可以包括CDN地址,也可以不包括CDN地址。在所述关键特征不包括CDN地址的情况下,相匹配的历史播放日志为关键特征相同、且CDN地址相同的历史播放日志。在所述关键特征包括CDN地址的情况下,相匹配的历史播放日志的关键特征相同,自然CDN地址也相同。
在实际应用中,可以接收客户端发送的用于为待播放视频请求CDN地址的请求信息,根据所述请求信息,确定待播放视频的关键特征并为其分配CDN地址,进而确定相匹配的历史播放日志。在确定相匹配的历史播放日志后,可以根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测。
其中,除了CDN地址以外,关键特征还可以包括其它特征例如冷启动信息、分辨率等。客户端发送的请求信息中,可以携带有除CDN地址以外的其它特征,例如是否冷启动、分辨率是多少等。在得到这些关键特征后,可以从备选的CDN地址中选择一个,进行卡顿预测。
其中,备选的CDN地址可以是能够提供待播放视频的CDN地址中的全部或部分CDN地址。通过在从备选的多个CND地址中选择分配给所述待播放视频的CDN地址后,根据所述CDN地址查找与所述待播放视频相匹配的历史播放日志并进行卡顿预测,能够使对待播放视频的预测更加符合当前的播放场景,进一步提高预测效果。
除了进行卡顿预测之外,还可以根据历史播放日志为本次播放选择CDN地址。例如,若查找到的多个相匹配的历史播放日志中,使用地址A的历史播放日志对应的卡顿较少,使用地址B的历史播放日志对应的卡顿较多,则可以优先使用地址A作为本次播放的CDN地址,提高本次播放的效果。
可选的,若预测所述待播放视频的卡顿情况满足预设条件,则将所选择的CDN地址发送给客户端,以使所述客户端根据所选择的CDN地址获取所述待播放视频;和/或,若预测所述待播放视频的卡顿情况不满足预设条件,则遍历其它CDN地址,从所述其它CDN地址中重新选择分配给所述待播放视频的CDN地址。
其中,卡顿情况是否满足预设条件可以根据卡顿程度预测值来判断。例如,卡顿程度预测值小于预设阈值则满足预设条件,计算卡顿程度预测值的具体实现方案可以参见前述实施例,此处不再赘述。
在实际应用中,可以首先随机选择一个CDN地址,并进行卡顿预测,若预测卡顿情况满足预设条件,则可以确定当前所选的CDN地址为最终分配给所述待播放视频的CDN地址,将所述CDN地址发送给客户端,使得客户端可以向对应的CDN地址请求视频数据。若不满足预设条件,则进一步遍历其余的CDN地址,所述其它CDN地址中重新选择分配给所述待播放视频的CDN地址,能够有效节约计算量,提升处理效率。
可选的,从所述其它CDN地址中重新选择分配给所述待播放视频的CDN地址,包括:对于遍历到的每一CDN地址,查找将所述CDN地址分配给所述待播放视频时,与所述待播放视频相匹配的历史播放日志,并根据相匹配的历史播放日志,确定所述CDN地址的卡顿程度预测值;根据遍历到的各个CDN地址对应的卡顿程度预测值,为所述待播放视频选择CDN地址。
可选的,可以利用前述实施例所述的方法确定每一CDN地址对应的相匹配的历史播放日志,并基于相匹配的历史播放日志计算卡顿程度预测值,从而选择合适的CDN地址,能够基于各个CDN地址的卡顿预测情况确定下发给客户端的CDN地址,加快了用户获得视频的速度,节约时间,提高了效率,并且用户在观看视频时更加流畅,提升了用户观看视频体验。
通过实际试验分析,相比于随机分配CDN即下发给客户端的方案来说,将预测为卡顿的CDN地址替换为最终选定的CDN地址,能够将平均百秒卡顿次数从0.0306降到0.0249,降低18.6%,有效提高了视频播放性能。
在其他可选的实现方案中,也可以不预先分配CDN地址,而是直接对所有的CDN地址进行预测,并从中选择最终分配给待播放视频的地址。具体的,获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,可以包括:确定所述待播放视频对应的关键特征;遍历备选的多个CDN地址,对于每一CDN地址,查找将所述CDN地址分配给所述待播放视频时,与所述待播放视频相匹配的历史播放日志。
相应的,根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测,包括:对于遍历到的每一CDN地址,根据相匹配的历史播放日志,确定所述CDN地址对应的卡顿程度预测值;根据遍历到的各个CDN地址对应的卡顿程度预测值,为所述待播放视频选择CDN地址。
可选的,在得到各个CDN地址对应的卡顿程度预测值后,可以根据各个CDN地址对应的卡顿程度预测值,为所述视频选择CDN地址,从而通过遍历各备选CDN地址的方式,更加准确、全面地衡量各个CDN地址在客户端当前播放环境下的卡顿情况,并从中选择合适的CDN地址下发给客户端,有效减少了客户端视频播放的卡顿,提升用户体验度。
在上述各实施例提供的技术方案的基础上,可选的是,根据遍历到的各个CDN地址对应的卡顿程度预测值,为所述待播放视频选择CDN地址,可以包括:从遍历到的CDN地址中选择部分CDN地址,其中,所述部分CDN地址的数量为至少两个,且所选择的CDN地址对应的卡顿程度预测值均小于未被选择的CDN地址对应的卡顿程度预测值;从所述部分CDN地址中随机选择一个CDN地址分配给所述待播放视频。
其中,所述部分CDN地址的数量可以根据实际需要选择,例如,可以为所有备选的CDN地址的数量的一半。首先,可以将所有CDN地址按照卡顿程度预测值进行排序,然后,取其中卡顿程度预测值较低的一半CDN地址,再从中随机选一个作为最终结果下发。
需要说明的是,按照最优原则,可以选取卡顿程度预测值最低的一个CDN地址作为最终结果。但这样的话,容易造成很多请求都会集中到某个CDN地址,使对应的CDN服务器负载增大,可能会带来不利影响。因此,可以在算法中增加随机因素,从较优的几个里面随机选一个,来保证结果均衡,避免了特定CDN服务器负载剧增导致的不利影响,有效均衡了各CDN服务器的负载,减少CDN服务器超负荷运行的情况,提升系统稳定性。
图4为本公开实施例提供的一种选择关键特征的流程示意图。如图4所示,从多个备选特征中选择关键特征,可以包括以下步骤:
步骤401、确定用于表征视频播放属性的多个备选特征。
如前所述,所述备选特征可以包括:网络服务提供商信息、网络类型信息、地理位置信息、操作系统信息、冷启动信息、视频分辨率、CDN地址等。
步骤402、获取多条历史播放日志,所述历史播放日志包括播放视频时的卡顿指标以及对应的所述多个备选特征。
其中,所述历史播放日志可以是最近一段时间的所有历史播放日志。
步骤403、根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征。
由于历史播放日志中记载了多个备选特征与具体的卡顿情况,所以基于多条历史播放日志可以更加准确地梳理出各个备选特征与卡顿的关系,并从中选择比较关键的特征用于后续使用,提高卡顿预测的效率及准确率。
在本公开实施例中,从多个备选特征中选择关键特征的流程与进行卡顿预测的流程,可以由同一服务器执行,也可以由不同服务器执行。
在实际应用中,在从多个备选特征中选定关键特征后,服务器可以长期使用所述关键特征进行卡顿预测,也可以对关键特征进行定期更新,比如每天更新一次关键特征。更新时,取过去2天的历史播放日志,按照上述方法重新确定关键特征并保存。当客户端有播放视频的请求时,可以根据当天更新的关键特征,取最近的200个满足要求的历史播放日志进行卡顿预测。
本实施例提供的方法,可以确定用于表征视频播放属性的多个备选特征,获取多条历史播放日志,所述历史播放日志包括播放视频时的卡顿指标以及对应的所述多个备选特征,根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征,以基于所述关键特征针对待播放的视频进行卡顿预测,从而更加精准地定位到影响视频卡顿的关键特征,并基于关键特征处理视频播放事件,有效提升卡顿预测的准确性及效率,提升用户体验度。
在本公开实施例中,根据多条历史播放日志从多个备选特征中选出关键特征,可以有多种实现方案。
在一种可选的实现方案中,可以根据所述多条历史播放日志,基于所述多个备选特征与其子集的卡顿指标相似程度,从所述多个备选特征中选择影响视频卡顿的关键特征。
具体的,根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征,可以包括:对于每一历史播放日志,确定该历史播放日志对应的代表性子集,其中,所述代表性子集为待分析的子集中对应的卡顿指标分布信息与全集对应的卡顿指标分布信息最接近的子集,所述待分析的子集为所述多个备选特征的子集中满足预设条件的子集,所述全集对应的卡顿指标分布信息为全部备选特征与该历史播放日志相同的所有历史播放日志的卡顿指标分布信息;任一子集对应的卡顿指标分布信息为所述子集中的备选特征与该历史播放日志相同的所有历史播放日志的卡顿指标分布信息;根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征。
其中,所述多个备选特征可以作为全集,根据全集及它的每一个子集的卡顿指标相似程度,可以找出全集中的关键特征。
为了实现关键特征的选取,对于每一历史播放日志,可以确定该历史播放日志对应的代表性子集,根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征。
举例来说,假设所述多个备选特征有A、B、C三个子集,对于某一历史播放日志x,在A、B、C三个子集中,子集A对应的卡顿指标分布信息与全集对应的卡顿指标分布信息最接近,则子集A为该历史播放日志x对应的代表性子集。其中,对于任一集合(无论是全集还是子集),假设该集合包含N个备选特征,从所述多个历史播放日志中找出与当前历史播放日志x的N个备选特征均相同的历史播放日志,找到的这些历史播放日志的卡顿指标分布信息即为该集合对应的卡顿指标分布信息。
基于备选特征的全集和子集的卡顿指标分布信息的相似度,可以找出各个历史播放日志对应的代表性子集,并基于代表性子集确定关键特征,能够充分利用历史播放日志,准确、有效地完成关键特征的选取。
图5为本公开实施例提供的一种确定代表性子集的流程示意图。如图5所示,在确定每一历史播放日志对应的代表性子集时,可以遍历所述多条历史播放日志,对于遍历到的每一历史播放日志,执行如下操作:
步骤501、确定第一日志组合,其中,所述第一日志组合包括所述多条历史播放日志中与当前遍历到的历史播放日志的全部备选特征均相同的历史播放日志。
本步骤中,需要找出全集对应的历史播放日志,即第一日志组合。假设共有10个备选特征,10000条历史播放日志,最终目的是根据这10000条历史播放日志,从10个备选特征中选择出关键特征,则首先可以找出与当前遍历到的历史播放日志的10个备选特征均相同的历史播放日志。
步骤502、针对所述全部备选特征的每一子集,确定所述子集对应的第二日志组合,其中,所述子集包括至少一个备选特征,所述子集对应的第二日志组合包括所述多条历史播放日志中与当前遍历到的历史播放日志的所述至少一个备选特征均相同的历史播放日志。
在本步骤中,需要找出子集对应的历史播放日志。假设某一子集包括3个备选特征,则本步骤中需要找出与当前遍历到的历史播放日志的这3个备选特征均相同的历史播放日志。
例如,当前遍历到第1条历史播放日志,某一子集包括网络服务提供商信息、分辨率、操作系统信息这三个备选特征,则需要从10000条历史播放日志中找出与第1条历史播放日志的网络服务提供商信息、分辨率、操作系统信息均相同的历史播放日志,组成第二日志组合。
步骤503、对于所述全部备选特征的每一子集,若所述子集对应的第二日志组合中历史播放日志的数量大于数量阈值,则计算所述子集对应的第二日志组合的卡顿指标分布信息与所述第一日志组合的卡顿指标分布信息的相似程度。
具体来说,在找到全集和子集对应的日志组合后,可以对全集和子集对应的日志进行相似程度分析。此外,在本公开实施例中,可以为子集设定一预设条件,满足该预设条件的子集才去做进一步分析。
如本步骤所述,所述预设条件可以为:子集对应的第二日志组合中的历史播放日志的数量大于数量阈值。所述数量阈值可以是固定的预设数量阈值,也可以由全集对应的历史播放日志的数量确定,例如可以是全集对应的历史播放日志数量的数倍。
如果某一子集对应的历史播放日志的数量过少,那么可以忽略该子集,而只对数量满足要求的子集进行分析比对,从而有效提高结果的可信度。
在其他可选的实现方式中,所述预设条件还可以为其它条件,例如,子集中备选特征的数量少于预设数量。如果子集中备选特征数量过多,甚至接近全集,那么该子集虽然与全集的卡顿指标分布信息更加接近,但是这样无法筛选出合适数量的关键特征,因此,可以直接利用备选特征的数量作为预设条件,有效减少计算量,提升处理效率。
在得到满足预设条件的子集后,可以计算每一子集对应的第二日志组合的卡顿指标分布信息与所述第一日志组合的卡顿指标分布信息的相似程度。
可选的,计算所述子集对应的第二日志组合的卡顿指标分布信息与所述第一日志组合的卡顿指标分布信息的相似程度,可以包括:对于所述第一日志组合和第二日志组合中的每一日志组合,计算所述日志组合中各卡顿指标的出现次数,并根据各卡顿指标的出现次数,确定所述日志组合对应的卡顿指标直方图;其中,所述卡顿指标分布信息为所述卡顿指标直方图对应的包络线;根据所述第一日志组合对应的包络线与所述第二日志组合对应的包络线,计算所述第二日志组合的卡顿指标分布信息与所述第一日志组合的卡顿指标分布信息的相似程度。
具体地,假设全集对应的第一日志组合中包含300条历史播放日志,某一子集对应的第二日志组合中包含1000条历史播放日志,那么可以对这300条历史播放日志和1000条历史播放日志分别确定对应的卡顿指标直方图。
图6为本公开实施例提供的一种卡顿指标分布信息的示意图。如图6所示,卡顿指标的分布情况以直方图的形式展现,对于每一日志组合,可以统计各卡顿指标的出现次数,例如,若所述日志组合中共有12个历史播放日志的卡顿指标为1,则卡顿指标1的出现次数为12。基于各个卡顿指标出现次数可以生成直方图。其中,直方图的横轴可以为卡顿指标,纵轴为出现次数,或者出现次数占比,即,对于卡顿指标的每一取值,都可以统计对应的出现次数或出现次数占比从而生成直方图。
卡顿指标分布信息可以为直方图的包络线,在得到全集和子集对应的直方图后,可以比较全集与子集的包络线的相似程度。比较两条曲线的相似程度的具体实现方案可以参见现有技术,此处不再赘述。
通过比较不同集合对应的直方图的包络线的相似性,可以快速、准确地确定不同集合对应的卡顿指标分布信息的相似程度,提升处理效率。
步骤504、根据计算得到的各子集对应的相似程度,确定当前遍历到的历史播放日志对应的代表性子集。
在确定各个子集与全集的卡顿指标分布信息的相似程度后,可以从中选取相似程度最高的子集,作为当前遍历到的历史播放日志对应的代表性子集。
通过上述方案,在遍历所有历史播放日志后,可以确定每一历史播放日志对应的代表性子集,有效提高了确定代表性子集的准确性。
在确定各个历史播放日志对应的代表性子集后,可以根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征。可选的,可以在各历史播放日志对应的代表性子集中,统计每一代表性子集出现的次数;根据各个代表性子集出现的次数,确定选择影响视频卡顿的关键特征。例如,可以选择出现次数最多的代表性子集,该子集包含的备选特征可以作为影响视频卡顿的关键特征。
通过代表性子集的方式来确定关键特征,能够从子集的角度分析确定其与全集的卡顿指标相似程度,从而将对视频卡顿有影响的备选特征筛选出来,并过滤掉视频卡顿没有影响的备选特征,这样得到的关键特征更具有代表性,提升最终选取的关键特征的准确性。
在本实施例中,在确定每一历史播放日志对应的代表性子集时,可以按照前述方法遍历每一历史播放日志,对每一历史播放日志均进行计算,去求该历史播放日志对应的代表性子集,也可以将历史播放日志按照全部备选特征进行分组,同一组的历史播放日志的全部备选特征均相同,这样,同一组的每一历史播放日志对应的代表性子集也相同,每一组只需计算一次即可,可以有效减少计算代表性子集花费的时间,节约计算量,提升计算效率,减少系统负担。
在另一种可选的实现方式中,也可以根据备选特征与卡顿指标的相关关系来确定关键特征。可选的,根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征,可以包括:对于每一备选特征,根据所述多条历史播放日志,计算所述备选特征与卡顿指标的相关系数;将各个备选特征按照相关系数排序,并基于排序结果选择关键特征。
例如,可以根据多条历史播放日志,计算每个备选特征和卡顿指标的Kendall相关性系数,并按相关性系数从高到低排序,选择相关性较高的一部分备选特征作为关键特征。除了Kendall相关性系数以外,也可以通过其它方式计算相关系数,此处不再赘述。
可选的,可以从排序结果中,选择位于前预设位的备选特征作为关键特征。或者,可以设置一系数阈值,若任一备选特征对应的相关系数的绝对值大于所述系数阈值,则确定其为关键特征,反之则非关键特征。
通过计算备选特征与卡顿指标的相关系数来从中选择关键特征,流程简单,易于实现,能够有效提升选择关键特征的效率。
在又一种可选的实现方式中,也可以将上述基于子集的方案和基于相关关系的方案结合起来确定关键特征。可选的,根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征,包括:基于各历史播放日志对应的代表性子集选择关键特征;根据所述多条历史播放日志,基于各个备选特征与卡顿指标的相关关系选择关键特征;根据基于代表性子集选择的关键特征以及基于相关关系选择的关键特征的重叠部分,确定影响视频卡顿的关键特征。
具体地,可以按照前述两种方案,分别确定对应的关键特征,然后选出重叠部分作为最终选择的影响视频卡顿的关键特征。
可选的,可以基于子集分析的方式,将备选特征分为高、中、低三档,基于相关关系的方式,将备选特征分为高、中、低三档,只有在两种方式中均处于高、中两档的备选特征,才能被认定为关键特征。
除了分为高中低三档以外,也可以通过其它方式选择关键特征,例如,可以通过两种方式分别计算每一备选特征的评分,将两个评分加权求和得到总分,并比较各备选特征的总分以从中选择关键特征。
通过基于子集统计分析和基于相关关系的方式得到的结果,综合确定影响视频卡顿的关键特征,能够更加准确地确定关键特征,提升结果的可靠性。
在实际应用中,利用前述实施例提供的方案,对某视频播放APP的数据进行离线分析,得出的影响卡顿的关键特征为:网络服务提供商信息、网络类型信息、冷启动信息、分辨率、CDN地址。使用这5个关键特征,基于样本来进行卡和不卡的预测,预测的效果通过命中率(hit rate)来衡量。实际不卡的会话中正确预测为不卡的比例,即,正确预测为不卡的播放数量/实际不卡的播放数量,称之为good session hit rate;实际卡顿的会话中正确预测为卡顿的比例,即,正确预测为卡顿的播放数量/实际卡顿的播放数量,称之为badsession hit rate。通过实验分析,这两个命中率分别为75%和49%,说明本公开实施例具有较高的实用价值。
其中,如何界定实际卡或不卡,可以根据需求来定义。例如,卡顿程度预测值超过预设阈值,则认为是视频是卡的,反之则认为不卡。命中率也可以反映预设阈值是否合适。进一步地,还可以通过命中率优化预设阈值,例如,可以每隔一个周期计算筛选一次关键特征,每次筛选完关键特征,可以根据更新后的关键特征按照命中率计算预设阈值,通过权衡卡的命中率和不卡的命中率来确定预设阈值,可以让两个命中率更加均衡,提升实际处理的效果。
对应于以上实施例提供的视频播放的处理方法,本公开实施例还提供一种视频播放的处理装置。图7为本公开实施例提供的一种视频播放的处理装置的结构框图。为了便于说明,仅示出了与本公开实施例相关的部分。参照图7,所述装置包括:
获取模块701,用于获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,其中,所述相匹配的历史播放日志包括具有与所述待播放视频的关键特征至少部分相同的关键特征的历史播放日志;
预测模块702,用于根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测;
其中,所述关键特征为基于多条历史播放日志,从表征视频播放属性的多个备选特征中选出的影响视频卡顿的特征。
在本公开的一个实施例中,所述预测模块702具体用于:
根据所述相匹配的历史播放日志,计算其中存在卡顿的历史播放日志的比例、以及存在卡顿的历史播放日志对应的平均卡顿指标;
根据所述比例与所述平均卡顿指标,确定所述待播放视频的卡顿程度预测值,所述卡顿程度预测值用于表征对所述待播放视频的卡顿程度的预测。
在本公开的一个实施例中,所述获取模块701具体用于:
确定所述待播放视频对应的关键特征;
从备选的多个CND地址中选择分配给所述待播放视频的CDN地址,查找与所述待播放视频相匹配的历史播放日志;
其中,所述相匹配的历史播放日志具体为与所述待播放视频的关键特征相同且CDN地址相同的历史播放日志。
在本公开的一个实施例中,所述预测模块702还用于:
若预测所述待播放视频的卡顿情况满足预设条件,则将所选择的CDN地址发送给客户端,以使所述客户端根据所选择的CDN地址获取所述待播放视频;和/或,
若预测所述待播放视频的卡顿情况不满足预设条件,则遍历其它CDN地址,从所述其它CDN地址中重新选择分配给所述待播放视频的CDN地址。
在本公开的一个实施例中,所述预测模块702在从所述其它CDN地址中重新选择分配给所述待播放视频的CDN地址时,具体用于:
对于遍历到的每一CDN地址,查找将所述CDN地址分配给所述待播放视频时,与所述待播放视频相匹配的历史播放日志,并根据相匹配的历史播放日志,确定所述CDN地址的卡顿程度预测值;
根据遍历到的各个CDN地址对应的卡顿程度预测值,为所述待播放视频选择CDN地址。
在本公开的一个实施例中,所述获取模块701具体用于:
确定所述待播放视频对应的关键特征;
遍历备选的多个CDN地址,对于每一CDN地址,查找将所述CDN地址分配给所述待播放视频时,与所述待播放视频相匹配的历史播放日志;
相应的,所述预测模块702具体用于:
对于遍历到的每一CDN地址,根据相匹配的历史播放日志,确定所述CDN地址对应的卡顿程度预测值;
根据遍历到的各个CDN地址对应的卡顿程度预测值,为所述待播放视频选择CDN地址。
在本公开的一个实施例中,所述预测模块702在根据遍历到的各个CDN地址对应的卡顿程度预测值,为所述待播放视频选择CDN地址时,具体用于:
从遍历到的CDN地址中选择部分CDN地址,其中,所述部分CDN地址的数量为至少两个,且所选择的CDN地址对应的卡顿程度预测值均小于未被选择的CDN地址对应的卡顿程度预测值;
从所述部分CDN地址中随机选择一个CDN地址分配给所述待播放视频。
在本公开的一个实施例中,所述获取模块701还用于:
确定用于表征视频播放属性的多个备选特征;
获取多条历史播放日志,所述历史播放日志包括播放视频时的卡顿指标以及对应的所述多个备选特征;
根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征。
在本公开的一个实施例中,所述获取模块701在根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征时,具体用于:
对于每一历史播放日志,确定该历史播放日志对应的代表性子集,其中,所述代表性子集为待分析的子集中对应的卡顿指标分布信息与全集对应的卡顿指标分布信息最接近的子集,所述待分析的子集为所述多个备选特征的子集中满足预设条件的子集,所述全集对应的卡顿指标分布信息为全部备选特征与该历史播放日志相同的所有历史播放日志的卡顿指标分布信息;任一子集对应的卡顿指标分布信息为所述子集中的备选特征与该历史播放日志相同的所有历史播放日志的卡顿指标分布信息;
根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征。
在本公开的一个实施例中,所述获取模块701在对于每一历史播放日志,确定该历史播放日志对应的代表性子集时,具体用于:
遍历所述多条历史播放日志,对于遍历到的每一历史播放日志,执行如下操作:
确定第一日志组合,其中,所述第一日志组合包括所述多条历史播放日志中与当前遍历到的历史播放日志的全部备选特征均相同的历史播放日志;
针对所述全部备选特征的每一子集,确定所述子集对应的第二日志组合,其中,所述子集包括至少一个备选特征,所述子集对应的第二日志组合包括所述多条历史播放日志中与当前遍历到的历史播放日志的所述至少一个备选特征均相同的历史播放日志;
对于所述全部备选特征的每一子集,若所述子集对应的第二日志组合中历史播放日志的数量大于数量阈值,则计算所述子集对应的第二日志组合的卡顿指标分布信息与所述第一日志组合的卡顿指标分布信息的相似程度;
根据计算得到的各子集对应的相似程度,确定当前遍历到的历史播放日志对应的代表性子集。
在本公开的一个实施例中,所述获取模块701在根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征时,具体用于:
在各历史播放日志对应的代表性子集中,统计每一代表性子集出现的次数;
根据各个代表性子集出现的次数,确定选择影响视频卡顿的关键特征。
在本公开的一个实施例中,所述获取模块701在根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征时,具体用于:
对于每一备选特征,根据所述多条历史播放日志,计算所述备选特征与卡顿指标的相关系数;
将各个备选特征按照相关系数排序,并基于排序结果选择关键特征。
在本公开的一个实施例中,所述获取模块701在根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征时,具体用于:
基于各历史播放日志对应的代表性子集选择关键特征;
根据所述多条历史播放日志,基于各个备选特征与卡顿指标的相关关系选择关键特征;
根据基于代表性子集选择的关键特征以及基于相关关系选择的关键特征的重叠部分,确定影响视频卡顿的关键特征。
本实施例提供的装置,可用于执行上述图1至图6所示方法实施例的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
图8为本公开实施例提供的一种电子设备的结构框图。参考图8,电子设备800可以为终端设备或服务进程器。其中,终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(Personal Digital Assistant,简称PDA)、平板电脑(Portable AndroID Device,简称PAD)、便携式多媒体播放器(Portable Media Player,简称PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图8示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801,其可以根据存储在只读存储器(ReadOnly Memory,简称ROM)802中的程序或者从存储装置808加载到随机访问存储器(Random Access Memory,简称RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常,以下装置可以连接至I/O接口805:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806;包括例如液晶显示器(LiquID CrystalDisplay,简称LCD)、扬声器、振动器等的输出装置807;包括例如磁带、硬盘等的存储装置808;以及通信装置809。通信装置809可以允许电子设备800与其它设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置809从网络上被下载和安装,或者从存储装置808被安装,或者从ROM 802被安装。在该计算机程序被处理装置801执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行上述实施例所示的方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务进程器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(Local Area Network,简称LAN)或广域网(WIDe Area Network,简称WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务进程提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
第一方面,根据本公开的一个或多个实施例,提供了一种视频播放的处理方法,包括:
获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,其中,所述相匹配的历史播放日志包括具有与所述待播放视频的关键特征至少部分相同的关键特征的历史播放日志;
根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测;
其中,所述关键特征为基于多条历史播放日志,从表征视频播放属性的多个备选特征中选出的影响视频卡顿的特征。
根据本公开的一个或多个实施例,根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测,包括:
根据所述相匹配的历史播放日志,计算其中存在卡顿的历史播放日志的比例、以及存在卡顿的历史播放日志对应的平均卡顿指标;
根据所述比例与所述平均卡顿指标,确定所述待播放视频的卡顿程度预测值,所述卡顿程度预测值用于表征对所述待播放视频的卡顿程度的预测。
根据本公开的一个或多个实施例,获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,包括:
确定所述待播放视频对应的关键特征;
从备选的多个CND地址中选择分配给所述待播放视频的CDN地址,查找与所述待播放视频相匹配的历史播放日志;
其中,所述相匹配的历史播放日志具体为与所述待播放视频的关键特征相同且CDN地址相同的历史播放日志。
根据本公开的一个或多个实施例,所述方法还包括:
若预测所述待播放视频的卡顿情况满足预设条件,则将所选择的CDN地址发送给客户端,以使所述客户端根据所选择的CDN地址获取所述待播放视频;和/或,
若预测所述待播放视频的卡顿情况不满足预设条件,则遍历其它CDN地址,从所述其它CDN地址中重新选择分配给所述待播放视频的CDN地址。
根据本公开的一个或多个实施例,从所述其它CDN地址中重新选择分配给所述待播放视频的CDN地址,包括:
对于遍历到的每一CDN地址,查找将所述CDN地址分配给所述待播放视频时,与所述待播放视频相匹配的历史播放日志,并根据相匹配的历史播放日志,确定所述CDN地址的卡顿程度预测值;
根据遍历到的各个CDN地址对应的卡顿程度预测值,为所述待播放视频选择CDN地址。
根据本公开的一个或多个实施例,获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,包括:
确定所述待播放视频对应的关键特征;
遍历备选的多个CDN地址,对于每一CDN地址,查找将所述CDN地址分配给所述待播放视频时,与所述待播放视频相匹配的历史播放日志;
相应的,根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测,包括:
对于遍历到的每一CDN地址,根据相匹配的历史播放日志,确定所述CDN地址对应的卡顿程度预测值;
根据遍历到的各个CDN地址对应的卡顿程度预测值,为所述待播放视频选择CDN地址。
根据本公开的一个或多个实施例,根据遍历到的各个CDN地址对应的卡顿程度预测值,为所述待播放视频选择CDN地址,包括:
从遍历到的CDN地址中选择部分CDN地址,其中,所述部分CDN地址的数量为至少两个,且所选择的CDN地址对应的卡顿程度预测值均小于未被选择的CDN地址对应的卡顿程度预测值;
从所述部分CDN地址中随机选择一个CDN地址分配给所述待播放视频。
根据本公开的一个或多个实施例,所述方法还包括:
确定用于表征视频播放属性的多个备选特征;
获取多条历史播放日志,所述历史播放日志包括播放视频时的卡顿指标以及对应的所述多个备选特征;
根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征。
根据本公开的一个或多个实施例,根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征,包括:
对于每一历史播放日志,确定该历史播放日志对应的代表性子集,其中,所述代表性子集为待分析的子集中对应的卡顿指标分布信息与全集对应的卡顿指标分布信息最接近的子集,所述待分析的子集为所述多个备选特征的子集中满足预设条件的子集,所述全集对应的卡顿指标分布信息为全部备选特征与该历史播放日志相同的所有历史播放日志的卡顿指标分布信息;任一子集对应的卡顿指标分布信息为所述子集中的备选特征与该历史播放日志相同的所有历史播放日志的卡顿指标分布信息;
根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征。
根据本公开的一个或多个实施例,对于每一历史播放日志,确定该历史播放日志对应的代表性子集,包括:
遍历所述多条历史播放日志,对于遍历到的每一历史播放日志,执行如下操作:
确定第一日志组合,其中,所述第一日志组合包括所述多条历史播放日志中与当前遍历到的历史播放日志的全部备选特征均相同的历史播放日志;
针对所述全部备选特征的每一子集,确定所述子集对应的第二日志组合,其中,所述子集包括至少一个备选特征,所述子集对应的第二日志组合包括所述多条历史播放日志中与当前遍历到的历史播放日志的所述至少一个备选特征均相同的历史播放日志;
对于所述全部备选特征的每一子集,若所述子集对应的第二日志组合中历史播放日志的数量大于数量阈值,则计算所述子集对应的第二日志组合的卡顿指标分布信息与所述第一日志组合的卡顿指标分布信息的相似程度;
根据计算得到的各子集对应的相似程度,确定当前遍历到的历史播放日志对应的代表性子集。
根据本公开的一个或多个实施例,根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征,包括:
在各历史播放日志对应的代表性子集中,统计每一代表性子集出现的次数;
根据各个代表性子集出现的次数,确定选择影响视频卡顿的关键特征。
根据本公开的一个或多个实施例,根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征,包括:
对于每一备选特征,根据所述多条历史播放日志,计算所述备选特征与卡顿指标的相关系数;
将各个备选特征按照相关系数排序,并基于排序结果选择关键特征。
根据本公开的一个或多个实施例,根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征,包括:
基于各历史播放日志对应的代表性子集选择关键特征;
根据所述多条历史播放日志,基于各个备选特征与卡顿指标的相关关系选择关键特征;
根据基于代表性子集选择的关键特征以及基于相关关系选择的关键特征的重叠部分,确定影响视频卡顿的关键特征。
第二方面,根据本公开的一个或多个实施例,提供了一种视频播放的处理装置,包括:
获取模块,用于获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,其中,所述相匹配的历史播放日志包括具有与所述待播放视频的关键特征至少部分相同的关键特征的历史播放日志;
预测模块,用于根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测;
其中,所述关键特征为基于多条历史播放日志,从表征视频播放属性的多个备选特征中选出的影响视频卡顿的特征。
根据本公开的一个或多个实施例,所述预测模块具体用于:
根据所述相匹配的历史播放日志,计算其中存在卡顿的历史播放日志的比例、以及存在卡顿的历史播放日志对应的平均卡顿指标;
根据所述比例与所述平均卡顿指标,确定所述待播放视频的卡顿程度预测值,所述卡顿程度预测值用于表征对所述待播放视频的卡顿程度的预测。
根据本公开的一个或多个实施例,所述获取模块具体用于:
确定所述待播放视频对应的关键特征;
从备选的多个CND地址中选择分配给所述待播放视频的CDN地址,查找与所述待播放视频相匹配的历史播放日志;
其中,所述相匹配的历史播放日志具体为与所述待播放视频的关键特征相同且CDN地址相同的历史播放日志。
根据本公开的一个或多个实施例,所述预测模块还用于:
若预测所述待播放视频的卡顿情况满足预设条件,则将所选择的CDN地址发送给客户端,以使所述客户端根据所选择的CDN地址获取所述待播放视频;和/或,
若预测所述待播放视频的卡顿情况不满足预设条件,则遍历其它CDN地址,从所述其它CDN地址中重新选择分配给所述待播放视频的CDN地址。
根据本公开的一个或多个实施例,所述预测模块在从所述其它CDN地址中重新选择分配给所述待播放视频的CDN地址时,具体用于:
对于遍历到的每一CDN地址,查找将所述CDN地址分配给所述待播放视频时,与所述待播放视频相匹配的历史播放日志,并根据相匹配的历史播放日志,确定所述CDN地址的卡顿程度预测值;
根据遍历到的各个CDN地址对应的卡顿程度预测值,为所述待播放视频选择CDN地址。
根据本公开的一个或多个实施例,所述获取模块具体用于:
确定所述待播放视频对应的关键特征;
遍历备选的多个CDN地址,对于每一CDN地址,查找将所述CDN地址分配给所述待播放视频时,与所述待播放视频相匹配的历史播放日志;
相应的,所述预测模块具体用于:
对于遍历到的每一CDN地址,根据相匹配的历史播放日志,确定所述CDN地址对应的卡顿程度预测值;
根据遍历到的各个CDN地址对应的卡顿程度预测值,为所述待播放视频选择CDN地址。
根据本公开的一个或多个实施例,所述预测模块在根据遍历到的各个CDN地址对应的卡顿程度预测值,为所述待播放视频选择CDN地址时,具体用于:
从遍历到的CDN地址中选择部分CDN地址,其中,所述部分CDN地址的数量为至少两个,且所选择的CDN地址对应的卡顿程度预测值均小于未被选择的CDN地址对应的卡顿程度预测值;
从所述部分CDN地址中随机选择一个CDN地址分配给所述待播放视频。
根据本公开的一个或多个实施例,所述获取模块还用于:
确定用于表征视频播放属性的多个备选特征;
获取多条历史播放日志,所述历史播放日志包括播放视频时的卡顿指标以及对应的所述多个备选特征;
根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征。
根据本公开的一个或多个实施例,所述获取模块在根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征时,具体用于:
对于每一历史播放日志,确定该历史播放日志对应的代表性子集,其中,所述代表性子集为待分析的子集中对应的卡顿指标分布信息与全集对应的卡顿指标分布信息最接近的子集,所述待分析的子集为所述多个备选特征的子集中满足预设条件的子集,所述全集对应的卡顿指标分布信息为全部备选特征与该历史播放日志相同的所有历史播放日志的卡顿指标分布信息;任一子集对应的卡顿指标分布信息为所述子集中的备选特征与该历史播放日志相同的所有历史播放日志的卡顿指标分布信息;
根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征。
根据本公开的一个或多个实施例,所述获取模块在对于每一历史播放日志,确定该历史播放日志对应的代表性子集时,具体用于:
遍历所述多条历史播放日志,对于遍历到的每一历史播放日志,执行如下操作:
确定第一日志组合,其中,所述第一日志组合包括所述多条历史播放日志中与当前遍历到的历史播放日志的全部备选特征均相同的历史播放日志;
针对所述全部备选特征的每一子集,确定所述子集对应的第二日志组合,其中,所述子集包括至少一个备选特征,所述子集对应的第二日志组合包括所述多条历史播放日志中与当前遍历到的历史播放日志的所述至少一个备选特征均相同的历史播放日志;
对于所述全部备选特征的每一子集,若所述子集对应的第二日志组合中历史播放日志的数量大于数量阈值,则计算所述子集对应的第二日志组合的卡顿指标分布信息与所述第一日志组合的卡顿指标分布信息的相似程度;
根据计算得到的各子集对应的相似程度,确定当前遍历到的历史播放日志对应的代表性子集。
根据本公开的一个或多个实施例,所述获取模块在根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征时,具体用于:
在各历史播放日志对应的代表性子集中,统计每一代表性子集出现的次数;
根据各个代表性子集出现的次数,确定选择影响视频卡顿的关键特征。
根据本公开的一个或多个实施例,所述获取模块在根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征时,具体用于:
对于每一备选特征,根据所述多条历史播放日志,计算所述备选特征与卡顿指标的相关系数;
将各个备选特征按照相关系数排序,并基于排序结果选择关键特征。
根据本公开的一个或多个实施例,所述获取模块在根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征时,具体用于:
基于各历史播放日志对应的代表性子集选择关键特征;
根据所述多条历史播放日志,基于各个备选特征与卡顿指标的相关关系选择关键特征;
根据基于代表性子集选择的关键特征以及基于相关关系选择的关键特征的重叠部分,确定影响视频卡顿的关键特征。
第三方面,根据本公开的一个或多个实施例,提供了一种电子设备,包括:
存储器和至少一个处理器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面所述的视频播放的处理方法。
第四方面,根据本公开的一个或多个实施例,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面所述的视频播放的处理方法。
第五方面,根据本公开的一个或多个实施例,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上第一方面所述的视频播放的处理方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (17)
1.一种视频播放的处理方法,其特征在于,包括:
获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,其中,所述相匹配的历史播放日志包括具有与所述待播放视频的关键特征至少部分相同的关键特征的历史播放日志;
根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测;
其中,所述关键特征为基于多条历史播放日志,从表征视频播放属性的多个备选特征中选出的影响视频卡顿的特征。
2.根据权利要求1所述的方法,其特征在于,根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测,包括:
根据所述相匹配的历史播放日志,计算其中存在卡顿的历史播放日志的比例、以及存在卡顿的历史播放日志对应的平均卡顿指标;
根据所述比例与所述平均卡顿指标,确定所述待播放视频的卡顿程度预测值,所述卡顿程度预测值用于表征对所述待播放视频的卡顿程度的预测。
3.根据权利要求1或2所述的方法,其特征在于,获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,包括:
确定所述待播放视频对应的关键特征;
从备选的多个CND地址中选择分配给所述待播放视频的CDN地址,查找与所述待播放视频相匹配的历史播放日志;
其中,所述相匹配的历史播放日志具体为与所述待播放视频的关键特征相同且CDN地址相同的历史播放日志。
4.根据权利要求3所述的方法,其特征在于,还包括:
若预测所述待播放视频的卡顿情况满足预设条件,则将所选择的CDN地址发送给客户端,以使所述客户端根据所选择的CDN地址获取所述待播放视频;和/或,
若预测所述待播放视频的卡顿情况不满足预设条件,则遍历其它CDN地址,从所述其它CDN地址中重新选择分配给所述待播放视频的CDN地址。
5.根据权利要求4所述的方法,其特征在于,从所述其它CDN地址中重新选择分配给所述待播放视频的CDN地址,包括:
对于遍历到的每一CDN地址,查找将所述CDN地址分配给所述待播放视频时,与所述待播放视频相匹配的历史播放日志,并根据相匹配的历史播放日志,确定所述CDN地址的卡顿程度预测值;
根据遍历到的各个CDN地址对应的卡顿程度预测值,为所述待播放视频选择CDN地址。
6.根据权利要求1或2所述的方法,其特征在于,获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,包括:
确定所述待播放视频对应的关键特征;
遍历备选的多个CDN地址,对于每一CDN地址,查找将所述CDN地址分配给所述待播放视频时,与所述待播放视频相匹配的历史播放日志;
相应的,根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测,包括:
对于遍历到的每一CDN地址,根据相匹配的历史播放日志,确定所述CDN地址对应的卡顿程度预测值;
根据遍历到的各个CDN地址对应的卡顿程度预测值,为所述待播放视频选择CDN地址。
7.根据权利要求5或6所述的方法,其特征在于,根据遍历到的各个CDN地址对应的卡顿程度预测值,为所述待播放视频选择CDN地址,包括:
从遍历到的CDN地址中选择部分CDN地址,其中,所述部分CDN地址的数量为至少两个,且所选择的CDN地址对应的卡顿程度预测值均小于未被选择的CDN地址对应的卡顿程度预测值;
从所述部分CDN地址中随机选择一个CDN地址分配给所述待播放视频。
8.根据权利要求1-6任一项所述的方法,其特征在于,还包括:
确定用于表征视频播放属性的多个备选特征;
获取多条历史播放日志,所述历史播放日志包括播放视频时的卡顿指标以及对应的所述多个备选特征;
根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征。
9.根据权利要求8所述的方法,其特征在于,根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征,包括:
对于每一历史播放日志,确定该历史播放日志对应的代表性子集,其中,所述代表性子集为待分析的子集中对应的卡顿指标分布信息与全集对应的卡顿指标分布信息最接近的子集,所述待分析的子集为所述多个备选特征的子集中满足预设条件的子集,所述全集对应的卡顿指标分布信息为全部备选特征与该历史播放日志相同的所有历史播放日志的卡顿指标分布信息;任一子集对应的卡顿指标分布信息为所述子集中的备选特征与该历史播放日志相同的所有历史播放日志的卡顿指标分布信息;
根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征。
10.根据权利要求9所述的方法,其特征在于,对于每一历史播放日志,确定该历史播放日志对应的代表性子集,包括:
遍历所述多条历史播放日志,对于遍历到的每一历史播放日志,执行如下操作:
确定第一日志组合,其中,所述第一日志组合包括所述多条历史播放日志中与当前遍历到的历史播放日志的全部备选特征均相同的历史播放日志;
针对所述全部备选特征的每一子集,确定所述子集对应的第二日志组合,其中,所述子集包括至少一个备选特征,所述子集对应的第二日志组合包括所述多条历史播放日志中与当前遍历到的历史播放日志的所述至少一个备选特征均相同的历史播放日志;
对于所述全部备选特征的每一子集,若所述子集对应的第二日志组合中历史播放日志的数量大于数量阈值,则计算所述子集对应的第二日志组合的卡顿指标分布信息与所述第一日志组合的卡顿指标分布信息的相似程度;
根据计算得到的各子集对应的相似程度,确定当前遍历到的历史播放日志对应的代表性子集。
11.根据权利要求9或10所述的方法,其特征在于,根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征,包括:
在各历史播放日志对应的代表性子集中,统计每一代表性子集出现的次数;
根据各个代表性子集出现的次数,确定选择影响视频卡顿的关键特征。
12.根据权利要求8所述的方法,其特征在于,根据所述多条历史播放日志,从所述多个备选特征中选择影响视频卡顿的关键特征,包括:
对于每一备选特征,根据所述多条历史播放日志,计算所述备选特征与卡顿指标的相关系数;
将各个备选特征按照相关系数排序,并基于排序结果选择关键特征。
13.根据权利要求9-11任一项所述的方法,其特征在于,根据各历史播放日志对应的代表性子集,从所述多个备选特征中选择影响视频卡顿的关键特征,包括:
基于各历史播放日志对应的代表性子集选择关键特征;
根据所述多条历史播放日志,基于各个备选特征与卡顿指标的相关关系选择关键特征;
根据基于代表性子集选择的关键特征以及基于相关关系选择的关键特征的重叠部分,确定影响视频卡顿的关键特征。
14.一种视频播放的处理装置,其特征在于,包括:
获取模块,用于获取待播放视频对应的关键特征,查找与所述待播放视频相匹配的历史播放日志,其中,所述相匹配的历史播放日志包括具有与所述待播放视频的关键特征至少部分相同的关键特征的历史播放日志;
预测模块,用于根据所述相匹配的历史播放日志对应的卡顿指标,对所述待播放视频进行卡顿预测;
其中,所述关键特征为基于多条历史播放日志,从表征视频播放属性的多个备选特征中选出的影响视频卡顿的特征。
15.一种电子设备,其特征在于,包括:存储器和至少一个处理器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1-13任一项所述的视频播放的处理方法。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1-13任一项所述的视频播放的处理方法。
17.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-13任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110338188.0A CN113055745B (zh) | 2021-03-30 | 2021-03-30 | 视频播放的处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110338188.0A CN113055745B (zh) | 2021-03-30 | 2021-03-30 | 视频播放的处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113055745A true CN113055745A (zh) | 2021-06-29 |
CN113055745B CN113055745B (zh) | 2023-05-16 |
Family
ID=76516257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110338188.0A Active CN113055745B (zh) | 2021-03-30 | 2021-03-30 | 视频播放的处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113055745B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113495843A (zh) * | 2021-07-07 | 2021-10-12 | 北京百度网讯科技有限公司 | 用于测试视频播放器的起播性能的方法和装置 |
WO2023116233A1 (zh) * | 2021-12-20 | 2023-06-29 | 北京字节跳动网络技术有限公司 | 视频卡顿预测方法、装置、设备和介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107277160A (zh) * | 2017-07-12 | 2017-10-20 | 北京潘达互娱科技有限公司 | 一种内容分发网络节点切换方法与装置 |
CN109960539A (zh) * | 2017-12-21 | 2019-07-02 | 广东欧珀移动通信有限公司 | 应用程序预加载方法、装置、存储介质及移动终端 |
CN110049373A (zh) * | 2019-04-29 | 2019-07-23 | 宜通世纪科技股份有限公司 | 机顶盒卡顿检测方法、系统及存储介质 |
CN110225417A (zh) * | 2019-05-09 | 2019-09-10 | 网宿科技股份有限公司 | 数据处理方法及服务器、检测卡顿的方法及服务器 |
US20200186430A1 (en) * | 2018-12-07 | 2020-06-11 | At&T Intellectual Property I, L.P. | Apparatus and method for selecting a bandwidth prediction source |
CN111488265A (zh) * | 2020-04-27 | 2020-08-04 | 北京奇艺世纪科技有限公司 | 故障预测方法、装置、设备及可读存储介质 |
CN113765993A (zh) * | 2021-05-12 | 2021-12-07 | 腾讯科技(北京)有限公司 | 一种下载速度预测方法、装置及存储介质 |
-
2021
- 2021-03-30 CN CN202110338188.0A patent/CN113055745B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107277160A (zh) * | 2017-07-12 | 2017-10-20 | 北京潘达互娱科技有限公司 | 一种内容分发网络节点切换方法与装置 |
CN109960539A (zh) * | 2017-12-21 | 2019-07-02 | 广东欧珀移动通信有限公司 | 应用程序预加载方法、装置、存储介质及移动终端 |
US20200186430A1 (en) * | 2018-12-07 | 2020-06-11 | At&T Intellectual Property I, L.P. | Apparatus and method for selecting a bandwidth prediction source |
CN110049373A (zh) * | 2019-04-29 | 2019-07-23 | 宜通世纪科技股份有限公司 | 机顶盒卡顿检测方法、系统及存储介质 |
CN110225417A (zh) * | 2019-05-09 | 2019-09-10 | 网宿科技股份有限公司 | 数据处理方法及服务器、检测卡顿的方法及服务器 |
CN111488265A (zh) * | 2020-04-27 | 2020-08-04 | 北京奇艺世纪科技有限公司 | 故障预测方法、装置、设备及可读存储介质 |
CN113765993A (zh) * | 2021-05-12 | 2021-12-07 | 腾讯科技(北京)有限公司 | 一种下载速度预测方法、装置及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113495843A (zh) * | 2021-07-07 | 2021-10-12 | 北京百度网讯科技有限公司 | 用于测试视频播放器的起播性能的方法和装置 |
CN113495843B (zh) * | 2021-07-07 | 2024-06-07 | 北京百度网讯科技有限公司 | 用于测试视频播放器的起播性能的方法和装置 |
WO2023116233A1 (zh) * | 2021-12-20 | 2023-06-29 | 北京字节跳动网络技术有限公司 | 视频卡顿预测方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113055745B (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107888981B (zh) | 音视频预加载方法、装置、设备及存储介质 | |
CN110475155B (zh) | 直播视频热度状态识别方法、装置、设备及可读介质 | |
CN111510760A (zh) | 视频信息展示方法和装置、存储介质和电子设备 | |
WO2020199662A1 (zh) | 用于推送信息的方法和装置 | |
CN111414543B (zh) | 用于生成评论信息序列的方法、装置、电子设备和介质 | |
CN113055745B (zh) | 视频播放的处理方法、装置、设备及存储介质 | |
CN112163614A (zh) | 一种主播分类方法、装置、电子设备及存储介质 | |
CN112887795A (zh) | 视频播放方法、装置、设备和介质 | |
CN113727169A (zh) | 视频播放方法、装置、设备及存储介质 | |
CN110674400B (zh) | 排序方法、装置、电子设备及计算机可读存储介质 | |
CN115134670A (zh) | 多媒体播放方法、设备、存储介质及程序产品 | |
CN115250295A (zh) | 一种媒体内容处理方法、装置、设备和存储介质 | |
CN115842937A (zh) | 视频播放方法、装置、设备及存储介质 | |
CN117171406A (zh) | 应用程序功能的推荐方法、装置、设备和存储介质 | |
CN110634024A (zh) | 一种用户属性标记方法、装置、电子设备及存储介质 | |
CN110708361A (zh) | 数字内容发布用户的等级确定系统、方法、装置及服务器 | |
CN110569447A (zh) | 一种网络资源的推荐方法、装置及存储介质 | |
CN115329179A (zh) | 数据采集资源量控制方法、装置、设备及存储介质 | |
CN105868207A (zh) | 一种网络资源推送方法及装置 | |
CN113569126A (zh) | 多媒体文件推荐方法、装置及服务器 | |
CN113177176A (zh) | 特征构建方法、内容显示方法及相关装置 | |
CN111723234A (zh) | 一种音频提供方法、装置、设备及存储介质 | |
CN117729358B (zh) | 数据处理方法、装置、设备、计算机可读存储介质及产品 | |
US20240236395A9 (en) | Video definition grade determining method and apparatus, server, storage medium and system | |
US20240137594A1 (en) | Video definition grade determining method and apparatus, server, storage medium and system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |