CN117979050A - 一种直播视频数据优化录制存储方法 - Google Patents

Abstract

本发明涉及直播流媒体技术领域，尤其涉及一种直播视频数据优化录制存储方法。该方法包括以下步骤：获取直播视频数据；对直播视频数据进行数据块分割，并对数据块进行纠删码编码，从而得到视频校验分片数据；对视频校验分片数据进行多异构存储节点分布，从而得到分布式校验块数据；根据直播视频热度进行资源需求预估，并根据预估的资源需求对分布式校验块数据进行调度编码以及资源存储，从而得到资源调度表；根据资源调度表对资源分配以及资源需求变化进行适应映射，从而得到资源分配映射数据。本发明综合考虑了异构节点的编解码能力，对视频数据进行智能编码质量选择，提升了直播视频质量和传输效率。

Description

一种直播视频数据优化录制存储方法

技术领域

本发明涉及直播流媒体技术领域，尤其涉及一种直播视频数据优化录制存储方法。

背景技术

在当今数字化时代，网络直播已成为人们日常生活中不可或缺的一部分。网络直播平台如YouTube、Twitch和Bilibili等日益受到欢迎，用户通过这些平台分享自己的生活、技能或观点，并与观众实时互动。然而，网络直播的成功与否往往取决于视频质量的高低，而视频质量的保证主要包括直播过程中的数据优化、录制和存储。当前，网络直播平台普遍采用基于流媒体技术的直播模式，通过将视频数据分割成小块并实时传输到观众端来实现直播。但传统的流媒体直播方法往往存在资源利用效率不够高效的问题。

发明内容

基于此，本发明有必要提供一种直播视频数据优化录制存储方法，以解决至少一个上述技术问题。

为实现上述目的，一种直播视频数据优化录制存储方法，包括以下步骤：

步骤S1：获取直播视频数据；对直播视频数据进行数据块分割，并对数据块进行纠删码编码，从而得到视频校验分片数据；对视频校验分片数据进行多异构存储节点分布，从而得到分布式校验块数据；

步骤S2：根据直播视频热度进行资源需求预估，并根据预估的资源需求对分布式校验块数据进行调度编码以及资源存储，从而得到资源调度表；根据资源调度表对资源分配以及资源需求变化进行适应映射，从而得到资源分配映射数据；通过SDN技术根据资源分配映射数据进行多路径传输优化，从而得到优化传输路径数据；

步骤S3：根据资源分配映射数据进行编码质量选择，从而得到编码质量决策数据；对分布式校验块数据进行帧间预测调整，从而得到预测调整帧数据；根据编码质量决策数据对预测调整帧数据进行视频编码，从而得到视频编码数据；

步骤S4：获取当前网络条件数据；根据当前网络条件数据对码率自适应算法进行动态调整，从而得到流控制参数数据；根据流控制参数数据对视频编码数据进行适应不同网络条件的多码率流生成，从而得到码率流配置数据；根据码率流配置数据对实时消息传输协议流进行增强封装，从而得到封装流单元数据；

步骤S5：根据优化传输路径数据对封装流单元数据进行客户端有服务器之间的传输优化以及路由选择，从而实现实时直播视频的传输和播放。

本发明数据块分割和纠删码编码可以提高数据的可靠性和容错性，即使某些数据块丢失或损坏，仍然可以通过校验分片数据进行恢复。多异构存储节点分布可以提高数据的可靠性和存储效率，通过将校验分片数据分布在多个节点上，即使某个节点发生故障，仍然可以从其他节点获取数据。资源需求预估可以根据直播视频的热度和观看人数，合理估计所需的编码和存储资源，避免资源浪费或不足。资源调度和适应映射可以根据实际资源需求情况，动态地分配和调整编码和存储资源，以提高资源利用率和性能。多路径传输优化通过SDN技术，利用多条路径传输数据，提高传输效率和容错能力，以确保流畅的直播体验。编码质量选择根据资源分配映射数据，选择适当的编码质量参数，以平衡视频质量和带宽消耗，提供最佳的观看体验。帧间预测调整通过优化帧间预测算法，减少视频编码的延迟，提高实时性和响应性。视频编码数据是经过优化的压缩数据，可以减少存储和传输成本，同时保持良好的视觉质量。自适应比特率调整根据当前的网络条件，动态地调整视频的比特率，以适应带宽的波动，提供平稳的观看体验。多码率流生成根据流控制参数数据，生成适应不同网络条件的多个码率的视频流，以供用户根据自身网络情况选择最佳的码率进行观看，提高观看质量和稳定性。增强封装流单元数据可以根据码率流配置数据对实时消息传输协议流进行增强封装，提高传输效率和稳定性，确保视频数据的快速和可靠传输。优化传输路径根据路径数据进行传输优化，可以选择最佳的传输路径，避免拥塞和延迟，提高传输效率和稳定性。路由选择根据优化传输路径数据选择最佳的路由，确保视频数据能够快速和可靠地传输，提供流畅的直播播放体验。

优选地，步骤S1包括以下步骤：

步骤S11：获取直播视频数据；

步骤S12：对直播视频数据进行数据块分割，从而得到直播视频数据块；

步骤S13：对直播视频数据块进行纠删码编码，并进行校验码生成，从而得到视频校验分片数据；

步骤S14：对可用的异构存储节点进行性能、带宽以及负载指标评估，从而得到节点资源特征数据；

步骤S15：根据节点资源特征数据对视频校验分片数据进行多异构存储节点分布，从而得到分布式校验块数据。

本发明获取直播视频数据是整个流程的起点，它为后续的处理提供了必要的原始数据。数据块分割将直播视频数据划分为更小的块，可以提高数据的处理效率和并行性。数据块分割也为后续的数据处理和存储提供了更细粒度的单位。纠删码编码可以提高数据的冗余度和容错性，即使部分数据块丢失或损坏，仍然可以通过校验码进行恢复。校验码生成可以用于验证数据块的完整性和准确性，确保数据的可靠性。对异构存储节点进行性能、带宽和负载指标评估可以了解各个节点的可用资源情况和性能状况。节点资源特征数据为后续的节点选择和分布式存储调度提供了依据。多异构存储节点分布可以提高数据的冗余度和可靠性，将校验分片数据分布在多个节点上，即使某个节点发生故障，仍然可以从其他节点获取数据。分布式校验块数据的生成为后续的资源调度和数据恢复提供了基础。

优选地，步骤S2包括以下步骤：

步骤S21：根据直播视频热度进行资源需求预估，并根据预估的资源需求对分布式校验块数据进行调度编码以及资源存储，从而得到资源调度表；

步骤S22：根据资源调度表对资源分配以及资源需求变化进行适应映射，从而得到资源分配映射数据；

步骤S23：通过SDN技术根据资源分配映射数据进行多路径传输优化，从而得到优化传输路径数据。

本发明资源需求预估可以根据直播视频的热度和观看人数，合理估计所需的编码和存储资源，避免资源浪费或不足。调度编码和资源存储根据资源需求预估，对分布式校验块数据进行合理的调度和编码，以及存储在可用的存储节点上，从而提高数据的可靠性和存储效率。资源调度表提供了资源需求和可用资源的信息，通过对资源调度表进行适应映射，可以动态地分配和调整编码和存储资源，以提高资源利用率和性能。资源分配映射数据反映了实际的资源分配情况，为后续的流控制和传输优化提供了基础。SDN技术可以实现对网络的灵活控制和管理，根据资源分配映射数据，可以选择最佳的传输路径和路由，以提高传输效率和容错能力。优化传输路径数据反映了经过SDN优化后的传输路径信息，可以确保直播视频数据的快速和可靠传输，提供流畅的直播体验。

优选地，步骤S21包括以下步骤：

步骤S211：获取直播视频热度数据，其中包括观众数量数据、视频内容类型数据、实时评论数据以及活跃互动数据；

步骤S212：根据直播视频热度数据进行资源需求预估，从而得到资源需求预估数据；

步骤S213：根据资源需求预估数据对分布式校验块数据进行调度编码，从而得到调度编码结果数据；

步骤S214：根据调度编码结果数据对分布式校验块数据进行资源存储，从而得到资源存储结果数据；

步骤S215：根据资源存储结果数据生成资源调度表。

本发明观众数量数据可以帮助评估直播视频的受欢迎程度和需求量，为后续的资源分配和调度提供依据。视频内容类型数据可以了解直播视频的特点和特征，从而更好地进行资源规划和调度。实时评论数据和活跃互动数据可以反映观众对直播视频的参与程度和兴趣度，有助于优化资源分配和提供更好的用户体验。资源需求预估根据直播视频热度数据，结合历史数据和统计模型，预测所需的资源量，包括编码资源和存储资源，从而避免资源不足或浪费。资源需求预估数据提供了对资源需求量的估计，为后续的资源调度和优化提供依据。调度编码根据资源需求预估数据，对分布式校验块数据进行合理的调度和编码，以提高数据的冗余度和容错性。调度编码结果数据反映了经过编码调度后的数据分布情况，为后续的资源存储和传输优化提供依据。资源存储根据调度编码结果数据，将分布式校验块数据存储在可用的存储节点上，提高数据的可靠性和存储效率。资源存储结果数据反映了实际的数据存储情况，为后续的资源调度和数据恢复提供依据。资源调度表综合了资源需求预估、调度编码和资源存储的结果，提供了对资源分配和调度的全局视图。资源调度表可以方便地查看各个存储节点的资源分配情况和数据分布情况，为后续的资源管理和优化提供依据。

优选地，步骤S22包括以下步骤：

步骤S221：获取可用资源数据；对可用资源数据进行实时监控，从而得到资源池当前配置快照数据；

步骤S222：根据资源需求预估数据以及资源池当前配置快照数据构建资源分配的约束模型，从而得到资源分配约束模型；

步骤S223：基于资源分配约束模型求解最优资源分配方案，从而得到资源分配优化解数据；

步骤S224：对资源分配优化解数据以及资源调度表进行动态重构，并生成映射关系，从而得到资源重构映射表；

步骤S225：根据资源重构映射表对资源进行需求适应编排，从而得到资源分配映射数据。

本发明获取可用资源数据可以了解资源池中可供分配的资源类型、数量和状态，为后续的资源分配和优化提供基础信息。实时监控可用资源数据可以及时检测资源池中资源的变化和状态，确保资源信息的准确性和实时性。资源池当前配置快照数据反映了资源池中当前可用资源的详细配置信息，为资源分配和优化提供依据。资源分配的约束模型基于资源需求预估数据和资源池当前配置快照数据，建立资源需求与可用资源之间的约束关系，确保资源分配的合理性和可行性。资源分配约束模型提供了对资源分配问题的形式化描述，为后续的资源优化和求解提供基础。最优资源分配方案是基于资源分配约束模型，通过优化算法求解得到的最优解，可以最大程度地满足资源需求和资源利用效率的平衡。资源分配优化解数据提供了最优资源分配方案的详细信息，为后续的资源调度和优化提供依据。资源重构映射表将资源分配优化解数据和资源调度表结合起来，对资源进行动态重构和映射，确保资源的合理分配和使用。资源重构映射表提供了资源重构的详细映射关系，为后续的资源管理和调度提供依据。资源分配映射数据根据资源重构映射表对资源进行需求适应编排，确保资源按照最优方案进行分配和调度。资源分配映射数据提供了资源的分配和映射信息，为后续的传输优化和网络控制提供依据。

优选地，步骤S23包括以下步骤：

步骤S231：获取网络拓扑结构数据；

步骤S232：根据资源分配映射数据和网络拓扑结构数据进行传输路径规划，并进行传输路径评估，从而得到传输路径性能数据；

步骤S233：利用SDN技术根据传输路径性能数据制定网络流量管理与路径选择的策略，从而得到SDN流量策略数据；

步骤S234：根据SDN流量策略数据进行支持多路径传输的网络配置，从而得到多路径配置数据；

步骤S235：根据多路径配置数据进行最优路径部署，从而得到优化传输路径数据。

本发明网络拓扑结构数据提供了网络中各个节点和链路的连接关系和拓扑信息，包括节点的位置、链路带宽、延迟等重要参数。获取网络拓扑结构数据可以帮助理解和分析网络的物理结构，为后续的传输路径规划和优化提供基础信息。传输路径规划根据资源分配映射数据和网络拓扑结构数据，确定数据传输的路径和中间节点，以最小化传输延迟、最大化带宽利用率等性能指标。传输路径评估对规划的传输路径进行性能评估，包括延迟、带宽、丢包率等指标，以评估路径的适用性和性能表现。SDN流量策略利用传输路径性能数据，通过软件定义网络（SDN）技术制定网络流量管理和路径选择的策略，以优化网络性能和资源利用。SDN流量策略数据提供了针对不同传输路径的流量管理策略，包括流量调度、负载均衡、路径选择等，为后续的网络配置和优化提供依据。多路径配置根据SDN流量策略数据，对网络进行配置，以支持多路径传输，提高带宽利用率、降低延迟和增强网络的容错性。多路径配置数据提供了多路径传输的配置信息，包括路径选择、链路带宽分配等，为后续的最优路径部署提供依据。最优路径部署根据多路径配置数据，选择最优的传输路径进行部署，以最大程度地满足传输性能要求和资源利用效率。优化传输路径数据提供了经过最优路径部署后的传输路径信息，为后续的数据传输和网络管理提供依据。

优选地，步骤S3包括以下步骤：

步骤S31：对资源分配映射数据进行异构存储节点编码能力以及传输能力的评估，从而得到节点性能评估数据；

步骤S32：根据节点性能评估数据以及预设的编码质量参数范围数据决定异构存储节点的编码质量参数，从而得到编码质量决策数据；

步骤S33：对分布式校验块数据进行帧间预测调整，从而得到预测调整帧数据；

步骤S34：根据编码质量决策数据对预测调整帧数据进行视频编码，从而得到视频编码数据。

本发明通过对异构存储节点的编码能力和传输能力进行评估，可以了解每个节点在数据编码和传输过程中的性能表现。节点性能评估数据提供了关于节点性能的详细信息，包括编码速度、传输带宽、延迟等指标，为后续的编码质量决策和视频编码提供依据。编码质量参数的决策基于节点性能评估数据和预设的编码质量参数范围，通过权衡编码质量和节点性能，确定每个节点的编码质量参数。编码质量决策数据提供了每个节点的编码质量参数，包括编码算法、压缩比、图像质量等，为后续的视频编码和数据传输提供依据。帧间预测调整是一种视频编码中的技术，通过对分布式校验块数据进行预测和调整，提高编码效率和视频质量。预测调整帧数据是经过帧间预测调整处理后的视频数据，具有更好的压缩效果和图像质量，为后续的视频编码提供优化基础。视频编码根据编码质量决策数据，采用相应的编码算法和参数对预测调整帧数据进行压缩和编码，以生成最终的视频编码数据。视频编码数据具有较小的文件大小和较高的压缩比，适合在网络传输和存储中使用，实现视频数据的有效传输和管理。

优选地，步骤S33包括以下步骤：

步骤S331：对分布式校验块数据进行视频帧提取，从而得到时序视频帧数据；

步骤S332：对时序视频帧数据进行参考帧选择，从而得到参考帧数据；

步骤S333：根据时序视频帧数据以及参考帧数据对帧内物体进行连续帧之间的运动估计，并生成预测帧，从而得到预测帧数据；

步骤S334：根据预测帧数据对预测帧和实际帧之间的差异进行编码优化，从而得到优化差异数据；

步骤S335：根据优化差异数据对分布式校验块数据进行帧间预测调整，从而得到预测调整帧数据。

本发明通过视频帧提取，将分布式校验块数据转化为时序视频帧数据，方便后续的视频处理和编码。时序视频帧数据提供了连续的视频帧序列，为参考帧选择和运动估计等步骤提供基础。参考帧选择是视频编码中的重要步骤，通过选择适当的参考帧作为编码的基准，可以提高编码效率和图像质量。参考帧数据包含了被选中的视频帧，作为其他帧的参考，为后续的运动估计和预测帧生成提供参考。运动估计是视频编码中的关键技术，通过分析连续帧之间的像素差异，估计物体在帧间的运动信息。预测帧数据是根据运动估计结果生成的，可以通过参考帧和运动向量来预测当前帧的像素值，以减小编码中的差异性，提高压缩效率。编码优化是在预测帧和实际帧之间进行的差异编码，通过压缩和编码差异信息来减小数据量，提高编码效率。优化差异数据包含了预测帧和实际帧之间的差异信息，为后续的帧间预测调整和视频编码提供了更紧凑的数据表示。帧间预测调整是视频编码中的技术，通过利用预测帧和优化差异数据，进行帧间预测和补偿，以进一步减小数据量，提高编码效率。预测调整帧数据是通过帧间预测调整处理后的数据，具有更好的压缩效果和图像质量，为后续的视频编码和数据传输提供优化基础。

优选地，步骤S4包括以下步骤：

步骤S41：获取当前网络条件数据；

步骤S42：根据当前网络条件数据对码率自适应算法进行动态调整，从而得到流控制参数数据；

步骤S43：根据流控制参数数据对视频编码数据进行适应不同网络条件的多码率流生成，从而得到码率流配置数据；

步骤S44：根据码率流配置数据对实时消息传输协议流进行增强封装，从而得到封装流单元数据。

本发明通过获取当前网络条件数据，可以了解网络的带宽、延迟、丢包率等指标，以便后续的流控制和视频编码进行适应性调整。码率自适应算法根据当前网络条件动态调整视频编码的比特率，以适应网络的带宽变化。流控制参数数据是根据码率自适应算法得出的，包括比特率、帧率、关键帧间隔等参数，用于控制视频编码的输出流的质量和大小。多码率流生成是根据流控制参数数据生成适应不同网络条件的多个不同比特率的视频编码流。码率流配置数据包含了不同比特率的视频编码流的信息，为后续的流传输和适应性播放提供了选择和配置的依据。实时消息传输协议流是用于传输视频数据的协议，通过增强封装流单元数据，可以提高视频数据的传输效率和稳定性。封装流单元数据是对视频编码数据进行增强封装处理后的数据单元，包含了视频数据的组织结构和相关元信息，为实时传输提供了更好的控制和管理能力。

优选地，步骤S52包括以下步骤：

步骤S421：基于当前网络条件数据中的带宽情况对可用的带宽进行测算，从而得到带宽估计数据；

步骤S422：根据当前网络条件数据中视频传输进行延迟控制，从而得到延迟控制数据；

步骤S423：根据当前网络条件数据中的丢包率进行前向纠错，从而得到丢包率适应数据；

步骤S424：根据带宽估计数据、延迟控制数据以及丢包率适应数据对码率自适应算法进行码率调整，从而得到流控制参数数据。

本发明基于当前网络条件数据中的带宽情况进行带宽测算可以估计可用的网络带宽，即当前网络环境下可以用于视频传输的带宽。带宽估计数据提供了对可用带宽的估计值，为后续的码率调整和流控制提供依据，以保证视频传输的质量和稳定性。延迟控制是根据当前网络条件中的延迟情况对视频传输进行控制，以减小传输延迟并提高实时性。延迟控制数据包含了针对视频传输的延迟控制参数，用于调整传输策略和优化视频传输的延迟性能。前向纠错是一种处理丢包率的技术，通过添加冗余数据或使用纠错码等方式，提高视频数据对丢包的容忍性和恢复能力。丢包率适应数据包含了前向纠错所需的冗余数据或纠错码信息，用于提高视频传输的抗丢包能力，保证数据的完整性和连贯性。码率自适应是根据带宽估计、延迟控制和丢包率适应等数据对视频编码的码率进行动态调整，以适应当前网络环境的变化。流控制参数数据是根据码率自适应算法得出的，包括比特率、帧率、关键帧间隔等参数，用于控制视频编码的输出流的质量和大小，以优化视频传输的性能和用户体验。

附图说明

通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明直播视频数据优化录制存储方法的步骤流程示意图；

图2为图1中步骤S1的详细步骤流程示意图；

图3为图1中步骤S2的详细步骤流程示意图。

具体实施方式

下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。

应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。

为实现上述目的，请参阅图1至图3，本发明提供了一种直播视频数据优化录制存储方法，包括以下步骤：

步骤S1：获取直播视频数据；对直播视频数据进行数据块分割，并对数据块进行纠删码编码，从而得到视频校验分片数据；对视频校验分片数据进行多异构存储节点分布，从而得到分布式校验块数据；

步骤S2：根据直播视频热度进行资源需求预估，并根据预估的资源需求对分布式校验块数据进行调度编码以及资源存储，从而得到资源调度表；根据资源调度表对资源分配以及资源需求变化进行适应映射，从而得到资源分配映射数据；通过SDN技术根据资源分配映射数据进行多路径传输优化，从而得到优化传输路径数据；

步骤S3：根据资源分配映射数据进行编码质量选择，从而得到编码质量决策数据；对分布式校验块数据进行帧间预测调整，从而得到预测调整帧数据；根据编码质量决策数据对预测调整帧数据进行视频编码，从而得到视频编码数据；

步骤S4：获取当前网络条件数据；根据当前网络条件数据对码率自适应算法进行动态调整，从而得到流控制参数数据；根据流控制参数数据对视频编码数据进行适应不同网络条件的多码率流生成，从而得到码率流配置数据；根据码率流配置数据对实时消息传输协议流进行增强封装，从而得到封装流单元数据；

步骤S5：根据优化传输路径数据对封装流单元数据进行客户端有服务器之间的传输优化以及路由选择，从而实现实时直播视频的传输和播放。

本发明实施例中，参考图1所述，为本发明一种直播视频数据优化录制存储方法的步骤流程示意图，在本实例中，所述的直播视频数据优化录制存储方法包括以下步骤：

步骤S1：获取直播视频数据；对直播视频数据进行数据块分割，并对数据块进行纠删码编码，从而得到视频校验分片数据；对视频校验分片数据进行多异构存储节点分布，从而得到分布式校验块数据；

本发明实施例从视频源获取实时的直播视频数据。将直播视频数据划分为多个数据块，通常是按时间或空间进行划分。对每个数据块进行纠删码编码，生成冗余校验数据，以提供数据的冗余和容错能力。将编码后的数据块划分为多个校验分片数据，每个分片包含冗余校验数据和原始数据的一部分。将视频校验分片数据分布到多个异构存储节点中，例如云服务器、边缘节点等。

步骤S2：根据直播视频热度进行资源需求预估，并根据预估的资源需求对分布式校验块数据进行调度编码以及资源存储，从而得到资源调度表；根据资源调度表对资源分配以及资源需求变化进行适应映射，从而得到资源分配映射数据；通过SDN技术根据资源分配映射数据进行多路径传输优化，从而得到优化传输路径数据；

本发明实施例根据观看人数、用户行为等信息，预估直播视频的热度和流量需求。根据资源需求预估，对分布式校验块数据进行调度编码和存储，确保数据的可靠性和可用性。根据资源需求预估和实际资源情况，生成资源调度表，记录各个存储节点的资源分配情况和任务调度信息。根据资源调度表，对资源分配和需求变化进行适应性映射，确定每个存储节点的任务分配和资源调整。利用软件定义网络（SDN）技术根据资源分配映射数据，对传输路径进行优化选择，以提高传输效率和质量。

步骤S3：根据资源分配映射数据进行编码质量选择，从而得到编码质量决策数据；对分布式校验块数据进行帧间预测调整，从而得到预测调整帧数据；根据编码质量决策数据对预测调整帧数据进行视频编码，从而得到视频编码数据；

本发明实施例根据资源分配映射数据，确定每个存储节点的编码质量要求，包括比特率、帧率等参数。对分布式校验块数据进行帧间预测调整，以减小编码过程中的冗余信息，提高编码效率。根据帧间预测调整，生成预测调整帧数据，用于后续的视频编码。根据编码质量决策数据，对预测调整帧数据进行视频编码，通过压缩算法将视频数据转换为编码后的数据，减小数据大小并保留视觉质量。

步骤S4：获取当前网络条件数据；根据当前网络条件数据对码率自适应算法进行动态调整，从而得到流控制参数数据；根据流控制参数数据对视频编码数据进行适应不同网络条件的多码率流生成，从而得到码率流配置数据；根据码率流配置数据对实时消息传输协议流进行增强封装，从而得到封装流单元数据；

本发明实施例通过网络监测或测速工具获取当前网络的带宽、延迟、丢包率等信息。根据当前网络条件数据，对码率自适应算法进行动态调整，调整视频编码的比特率和帧率等参数，以适应当前网络环境的变化。根据码率自适应算法调整的结果，生成流控制参数数据，包括比特率、帧率、关键帧间隔等参数。根据流控制参数数据，对视频编码数据生成适应不同网络条件的多个码率流，以提供不同质量和带宽需求的视频流选择。根据码率流配置数据，对实时消息传输协议流（如RTMP、HLS等）进行增强封装，将多个码率流进行封装，生成封装流单元数据，用于传输和播放。

步骤S5：根据优化传输路径数据对封装流单元数据进行客户端有服务器之间的传输优化以及路由选择，从而实现实时直播视频的传输和播放。

本发明实施例根据优化传输路径数据，对封装流单元数据进行客户端和服务器之间的传输优化，选择最佳传输路径和网络节点，以提高传输效率和降低延迟。根据优化传输路径数据，选择最佳的网络路由，通过路由选择算法将封装流单元数据从发送端传输到接收端，确保数据的快速传输和稳定性。通过优化后的传输路径，将封装流单元数据从服务器传输到客户端，客户端接收并解析封装流单元数据，进行解封装和解码操作，最终实现实时直播视频的传输和播放。

本发明数据块分割和纠删码编码可以提高数据的可靠性和容错性，即使某些数据块丢失或损坏，仍然可以通过校验分片数据进行恢复。多异构存储节点分布可以提高数据的可靠性和存储效率，通过将校验分片数据分布在多个节点上，即使某个节点发生故障，仍然可以从其他节点获取数据。资源需求预估可以根据直播视频的热度和观看人数，合理估计所需的编码和存储资源，避免资源浪费或不足。资源调度和适应映射可以根据实际资源需求情况，动态地分配和调整编码和存储资源，以提高资源利用率和性能。多路径传输优化通过SDN技术，利用多条路径传输数据，提高传输效率和容错能力，以确保流畅的直播体验。编码质量选择根据资源分配映射数据，选择适当的编码质量参数，以平衡视频质量和带宽消耗，提供最佳的观看体验。帧间预测调整通过优化帧间预测算法，减少视频编码的延迟，提高实时性和响应性。视频编码数据是经过优化的压缩数据，可以减少存储和传输成本，同时保持良好的视觉质量。自适应比特率调整根据当前的网络条件，动态地调整视频的比特率，以适应带宽的波动，提供平稳的观看体验。多码率流生成根据流控制参数数据，生成适应不同网络条件的多个码率的视频流，以供用户根据自身网络情况选择最佳的码率进行观看，提高观看质量和稳定性。增强封装流单元数据可以根据码率流配置数据对实时消息传输协议流进行增强封装，提高传输效率和稳定性，确保视频数据的快速和可靠传输。优化传输路径根据路径数据进行传输优化，可以选择最佳的传输路径，避免拥塞和延迟，提高传输效率和稳定性。路由选择根据优化传输路径数据选择最佳的路由，确保视频数据能够快速和可靠地传输，提供流畅的直播播放体验。

优选地，步骤S1包括以下步骤：

步骤S11：获取直播视频数据；

步骤S12：对直播视频数据进行数据块分割，从而得到直播视频数据块；

步骤S13：对直播视频数据块进行纠删码编码，并进行校验码生成，从而得到视频校验分片数据；

步骤S14：对可用的异构存储节点进行性能、带宽以及负载指标评估，从而得到节点资源特征数据；

步骤S15：根据节点资源特征数据对视频校验分片数据进行多异构存储节点分布，从而得到分布式校验块数据。

作为本发明的一个实施例，参考图2所示，为图1中步骤S1的详细步骤流程示意图，在本发明实施例中步骤S1包括以下步骤：

步骤S11：获取直播视频数据；

本发明实施例确定要获取直播视频数据的源头，可以是摄像头、视频采集卡、直播平台等。与直播源建立连接，确保能够接收到实时的直播视频数据。通过网络或设备接口，接收直播视频数据流。

步骤S12：对直播视频数据进行数据块分割，从而得到直播视频数据块；

本发明实施例根据需求和性能考虑，确定将直播视频数据切割为多大的数据块。将接收到的直播视频数据按照设定的数据块大小进行分割，形成多个数据块。

步骤S13：对直播视频数据块进行纠删码编码，并进行校验码生成，从而得到视频校验分片数据；

本发明实施例选择合适的纠删码算法，如Reed-Solomon码，用于对数据块进行编码和解码操作。将每个数据块进行纠删码编码，生成冗余校验数据。生成每个数据块的校验码，用于后续的校验和恢复操作。将编码后的数据块划分为多个校验分片数据，每个分片包含冗余校验数据和原始数据的一部分。

步骤S14：对可用的异构存储节点进行性能、带宽以及负载指标评估，从而得到节点资源特征数据；

本发明实施例确定可用的异构存储节点，可以是云服务器、本地存储设备或其他存储节点。评估每个存储节点的计算性能、存储容量等指标，以确定其可用性和适用性。评估每个存储节点的网络带宽情况，包括上传和下载速度，以确保数据传输的效率。评估每个存储节点的当前负载情况，避免过度负载或不均衡的情况。

步骤S15：根据节点资源特征数据对视频校验分片数据进行多异构存储节点分布，从而得到分布式校验块数据。

本发明实施例根据评估的节点资源特征数据，选择合适的存储节点来存储校验分片数据。将校验分片数据分布到选定的存储节点上，确保数据在多个节点上进行冗余存储。确定冗余存储的策略，如数据复制或分布式纠删码等，以提高数据的可靠性和恢复能力。

本发明获取直播视频数据是整个流程的起点，它为后续的处理提供了必要的原始数据。数据块分割将直播视频数据划分为更小的块，可以提高数据的处理效率和并行性。数据块分割也为后续的数据处理和存储提供了更细粒度的单位。纠删码编码可以提高数据的冗余度和容错性，即使部分数据块丢失或损坏，仍然可以通过校验码进行恢复。校验码生成可以用于验证数据块的完整性和准确性，确保数据的可靠性。对异构存储节点进行性能、带宽和负载指标评估可以了解各个节点的可用资源情况和性能状况。节点资源特征数据为后续的节点选择和分布式存储调度提供了依据。多异构存储节点分布可以提高数据的冗余度和可靠性，将校验分片数据分布在多个节点上，即使某个节点发生故障，仍然可以从其他节点获取数据。分布式校验块数据的生成为后续的资源调度和数据恢复提供了基础。

优选地，步骤S2包括以下步骤：

步骤S21：根据直播视频热度进行资源需求预估，并根据预估的资源需求对分布式校验块数据进行调度编码以及资源存储，从而得到资源调度表；

步骤S22：根据资源调度表对资源分配以及资源需求变化进行适应映射，从而得到资源分配映射数据；

步骤S23：通过SDN技术根据资源分配映射数据进行多路径传输优化，从而得到优化传输路径数据。

作为本发明的一个实施例，参考图3所示，为图1中步骤S2的详细步骤流程示意图，在本发明实施例中步骤S2包括以下步骤：

步骤S21：根据直播视频热度进行资源需求预估，并根据预估的资源需求对分布式校验块数据进行调度编码以及资源存储，从而得到资源调度表；

本发明实施例根据历史数据、用户访问量、实时监测等方式，预估直播视频的热度，即预测有多少用户会观看直播、观看的时间段、观看的地域分布等信息。根据直播视频热度预估结果，估算所需的带宽、存储容量、计算资源等。这些资源需求可以根据直播视频的分辨率、编码方式、用户观看数量等因素进行计算。根据资源需求预估和分布式校验块数据的特性，使用调度编码算法对校验分片数据进行调度和编码，以满足预估的资源需求。调度编码可以根据节点的带宽、存储容量和计算能力等因素进行优化，以最大程度地利用资源并提高系统性能。根据调度编码的结果，将校验分片数据存储到选定的存储节点上，保证数据的冗余和可靠性。

步骤S22：根据资源调度表对资源分配以及资源需求变化进行适应映射，从而得到资源分配映射数据；

本发明实施例根据资源需求预估和分布式存储的资源情况，生成资源调度表，记录每个存储节点的资源分配情况、存储容量、带宽占用等信息。根据资源调度表，对资源进行分配映射，即将校验分片数据映射到具体的存储节点上。这个映射过程可以根据节点的负载情况、可用资源和数据的访问频率等因素进行决策，以实现资源的均衡分配和优化存储。

步骤S23：通过SDN技术根据资源分配映射数据进行多路径传输优化，从而得到优化传输路径数据。

本发明实施例使用软件定义网络（SDN）技术，通过集中化的控制器对网络进行管理和控制，以实现网络资源的优化调度和传输路径的优化选择。将资源分配映射数据应用于SDN控制器，使其能够了解每个存储节点的位置、负载情况和网络连接情况。基于资源分配映射数据和网络拓扑信息，SDN控制器可以根据实时的网络状态和需求，选择最优的传输路径来传输直播视频数据。这可以包括选择带宽较大、延迟较低的路径，避免网络拥塞等。

本发明资源需求预估可以根据直播视频的热度和观看人数，合理估计所需的编码和存储资源，避免资源浪费或不足。调度编码和资源存储根据资源需求预估，对分布式校验块数据进行合理的调度和编码，以及存储在可用的存储节点上，从而提高数据的可靠性和存储效率。资源调度表提供了资源需求和可用资源的信息，通过对资源调度表进行适应映射，可以动态地分配和调整编码和存储资源，以提高资源利用率和性能。资源分配映射数据反映了实际的资源分配情况，为后续的流控制和传输优化提供了基础。SDN技术可以实现对网络的灵活控制和管理，根据资源分配映射数据，可以选择最佳的传输路径和路由，以提高传输效率和容错能力。优化传输路径数据反映了经过SDN优化后的传输路径信息，可以确保直播视频数据的快速和可靠传输，提供流畅的直播体验。

优选地，步骤S21包括以下步骤：

步骤S211：获取直播视频热度数据，其中包括观众数量数据、视频内容类型数据、实时评论数据以及活跃互动数据；

本发明实施例通过直播平台或相关统计工具，实时记录并获取观众数量数据，包括当前观看直播的用户数量。根据直播平台或视频标签等信息，获取直播视频的内容类型，例如体育、音乐、游戏等。收集并分析直播过程中观众的实时评论和弹幕数据，了解观众对直播内容的反馈和互动情况。获取直播过程中观众的互动行为数据，如点赞数、礼物赠送数量、分享次数等，以评估直播的活跃程度和用户参与度。

步骤S212：根据直播视频热度数据进行资源需求预估，从而得到资源需求预估数据；

本发明实施例结合观众数量的变化趋势和峰值，预估所需的带宽和网络传输能力。不同类型的直播视频对带宽和存储需求不同，根据视频内容类型数据预估所需的存储容量。分析观众的实时评论和互动行为，预估直播视频的资源需求，如更高的带宽需求、更大的存储容量等。

步骤S213：根据资源需求预估数据对分布式校验块数据进行调度编码，从而得到调度编码结果数据；

本发明实施例结合资源需求预估数据，选择合适的调度编码算法和参数，对分布式校验块数据进行调度编码操作。通过调度编码算法，将校验分片数据进行重组和重新编码，生成调度编码结果数据，确保数据的冗余性和可恢复性。

步骤S214：根据调度编码结果数据对分布式校验块数据进行资源存储，从而得到资源存储结果数据；

本发明实施例根据调度编码结果数据，将编码后的校验分片数据存储到选定的存储节点上。根据存储节点的可用资源和容量，将校验分片数据分布式存储到多个节点上，以确保数据的冗余性和可靠性。

步骤S215：根据资源存储结果数据生成资源调度表。

本发明实施例根据资源存储的结果数据，记录每个存储节点上的校验分片数据的存储情况、节点资源利用情况等信息。根据资源存储结果数据，生成资源调度表，包括存储节点的分配情况、带宽占用情况、存储容量等信息。资源调度表可作为后续资源分配和传输优化的依据。

本发明观众数量数据可以帮助评估直播视频的受欢迎程度和需求量，为后续的资源分配和调度提供依据。视频内容类型数据可以了解直播视频的特点和特征，从而更好地进行资源规划和调度。实时评论数据和活跃互动数据可以反映观众对直播视频的参与程度和兴趣度，有助于优化资源分配和提供更好的用户体验。资源需求预估根据直播视频热度数据，结合历史数据和统计模型，预测所需的资源量，包括编码资源和存储资源，从而避免资源不足或浪费。资源需求预估数据提供了对资源需求量的估计，为后续的资源调度和优化提供依据。调度编码根据资源需求预估数据，对分布式校验块数据进行合理的调度和编码，以提高数据的冗余度和容错性。调度编码结果数据反映了经过编码调度后的数据分布情况，为后续的资源存储和传输优化提供依据。资源存储根据调度编码结果数据，将分布式校验块数据存储在可用的存储节点上，提高数据的可靠性和存储效率。资源存储结果数据反映了实际的数据存储情况，为后续的资源调度和数据恢复提供依据。资源调度表综合了资源需求预估、调度编码和资源存储的结果，提供了对资源分配和调度的全局视图。资源调度表可以方便地查看各个存储节点的资源分配情况和数据分布情况，为后续的资源管理和优化提供依据。

优选地，步骤S22包括以下步骤：

步骤S221：获取可用资源数据；对可用资源数据进行实时监控，从而得到资源池当前配置快照数据；

本发明实施例收集系统中可用的资源数据，包括计算资源（CPU、内存等）、存储资源、网络带宽等。对资源池中的资源进行实时监控，获取当前资源的使用情况、剩余容量、负载状态等信息。通过对实时监控的资源数据进行记录和整理，生成资源池当前配置的快照数据，包括资源类型、数量、状态等信息。

步骤S222：根据资源需求预估数据以及资源池当前配置快照数据构建资源分配的约束模型，从而得到资源分配约束模型；

本发明实施例根据之前的资源需求预估，获取所需资源的数量、类型和特性等信息。利用步骤S221中得到的资源池当前配置快照数据，了解当前资源池的可用资源情况。根据资源需求预估数据和资源池当前配置快照数据，建立资源分配的约束模型，包括资源类型、数量、优先级、互斥关系等约束条件。

步骤S223：基于资源分配约束模型求解最优资源分配方案，从而得到资源分配优化解数据；

本发明实施例利用步骤S222中得到的资源分配约束模型，描述资源分配的限制条件。应用优化算法、线性规划等方法，基于资源分配约束模型求解最优的资源分配方案，以最大化资源利用效率或满足特定的优化目标。

步骤S224：对资源分配优化解数据以及资源调度表进行动态重构，并生成映射关系，从而得到资源重构映射表；

本发明实施例根据步骤S223得到的资源分配优化解数据，确定资源的最佳分配方案。根据之前步骤S215生成的资源调度表，记录了资源的分配情况、带宽占用、存储容量等信息。根据资源分配优化解数据和资源调度表，对资源的分配进行动态调整和重构，以实现最优的资源利用效率和性能。将资源的重构结果与资源调度表进行对应，建立资源重构映射关系，记录资源的新分配位置、调整后的带宽和存储情况等信息。

步骤S225：根据资源重构映射表对资源进行需求适应编排，从而得到资源分配映射数据。

本发明实施例利用步骤S224得到的资源重构映射表，了解资源的新分配位置和调整后的配置信息。根据资源重构映射表，对系统的资源需求进行适应编排，将不同的资源需求映射到相应的资源分配位置。根据需求适应编排的结果，生成资源分配映射数据，记录资源的新分配位置、配置信息，以及对应的资源需求和约束信息。

本发明获取可用资源数据可以了解资源池中可供分配的资源类型、数量和状态，为后续的资源分配和优化提供基础信息。实时监控可用资源数据可以及时检测资源池中资源的变化和状态，确保资源信息的准确性和实时性。资源池当前配置快照数据反映了资源池中当前可用资源的详细配置信息，为资源分配和优化提供依据。资源分配的约束模型基于资源需求预估数据和资源池当前配置快照数据，建立资源需求与可用资源之间的约束关系，确保资源分配的合理性和可行性。资源分配约束模型提供了对资源分配问题的形式化描述，为后续的资源优化和求解提供基础。最优资源分配方案是基于资源分配约束模型，通过优化算法求解得到的最优解，可以最大程度地满足资源需求和资源利用效率的平衡。资源分配优化解数据提供了最优资源分配方案的详细信息，为后续的资源调度和优化提供依据。资源重构映射表将资源分配优化解数据和资源调度表结合起来，对资源进行动态重构和映射，确保资源的合理分配和使用。资源重构映射表提供了资源重构的详细映射关系，为后续的资源管理和调度提供依据。资源分配映射数据根据资源重构映射表对资源进行需求适应编排，确保资源按照最优方案进行分配和调度。资源分配映射数据提供了资源的分配和映射信息，为后续的传输优化和网络控制提供依据。

优选地，步骤S23包括以下步骤：

步骤S231：获取网络拓扑结构数据；

本发明实施例收集网络中各个节点（交换机、路由器等）之间的连接关系和拓扑结构信息。这些数据可以通过网络管理系统、拓扑发现协议（如LLDP、SNMP）或手动配置等方式获取。

步骤S232：根据资源分配映射数据和网络拓扑结构数据进行传输路径规划，并进行传输路径评估，从而得到传输路径性能数据；

本发明实施例利用步骤S225中得到的资源分配映射数据，了解资源的分配情况和配置信息。根据资源分配映射数据和网络拓扑结构数据，确定资源之间的传输路径。这可以使用路由算法、最短路径算法（如Dijkstra算法）或其他路径规划算法来实现。对每个传输路径进行性能评估，包括带宽、延迟、丢包率等指标。这可以通过发送测试数据包、测量网络延迟或使用仿真工具进行评估。

步骤S233：利用SDN技术根据传输路径性能数据制定网络流量管理与路径选择的策略，从而得到SDN流量策略数据；

本发明实施例根据传输路径性能数据，了解每条路径的性能指标。软件定义网络（SDN）是一种网络架构，通过集中式控制器对网络流量进行管理和路径选择。利用传输路径性能数据，制定适合的网络流量管理策略，如负载均衡、拥塞控制、路径优化等。这可以通过SDN控制器进行配置和编程来实现。

步骤S234：根据SDN流量策略数据进行支持多路径传输的网络配置，从而得到多路径配置数据；

本发明实施例根据SDN流量策略数据，了解网络流量管理和路径选择的策略要求。根据SDN流量策略数据，配置网络设备以支持多路径传输。这可能涉及到调整交换机、路由器的转发表项、流表项或其他配置参数，使其能够根据流量策略选择多条路径进行数据传输。

步骤S235：根据多路径配置数据进行最优路径部署，从而得到优化传输路径数据。

本发明实施例根据多路径配置数据，了解多条路径的配置信息和参数设定。根据多路径配置数据，确定每个数据流的最优路径部署方案。这可以通过路径选择算法、负载均衡策略或其他优化方法来实现，以提高传输性能和资源利用效率。

本发明网络拓扑结构数据提供了网络中各个节点和链路的连接关系和拓扑信息，包括节点的位置、链路带宽、延迟等重要参数。获取网络拓扑结构数据可以帮助理解和分析网络的物理结构，为后续的传输路径规划和优化提供基础信息。传输路径规划根据资源分配映射数据和网络拓扑结构数据，确定数据传输的路径和中间节点，以最小化传输延迟、最大化带宽利用率等性能指标。传输路径评估对规划的传输路径进行性能评估，包括延迟、带宽、丢包率等指标，以评估路径的适用性和性能表现。SDN流量策略利用传输路径性能数据，通过软件定义网络（SDN）技术制定网络流量管理和路径选择的策略，以优化网络性能和资源利用。SDN流量策略数据提供了针对不同传输路径的流量管理策略，包括流量调度、负载均衡、路径选择等，为后续的网络配置和优化提供依据。多路径配置根据SDN流量策略数据，对网络进行配置，以支持多路径传输，提高带宽利用率、降低延迟和增强网络的容错性。多路径配置数据提供了多路径传输的配置信息，包括路径选择、链路带宽分配等，为后续的最优路径部署提供依据。最优路径部署根据多路径配置数据，选择最优的传输路径进行部署，以最大程度地满足传输性能要求和资源利用效率。优化传输路径数据提供了经过最优路径部署后的传输路径信息，为后续的数据传输和网络管理提供依据。

优选地，步骤S3包括以下步骤：

步骤S31：对资源分配映射数据进行异构存储节点编码能力以及传输能力的评估，从而得到节点性能评估数据；

本发明实施例根据系统中的资源分配情况，了解异构存储节点的配置和分布情况。评估每个存储节点的编码能力，包括计算能力、内存容量、存储容量等。这可以通过测量节点的硬件配置、性能测试或基准测试来确定。评估每个存储节点的传输能力，包括网络带宽、延迟、丢包率等。这可以通过网络性能测试、网络拓扑分析或仿真工具来进行评估。

步骤S32：根据节点性能评估数据以及预设的编码质量参数范围数据决定异构存储节点的编码质量参数，从而得到编码质量决策数据；

本发明实施例根据节点性能评估数据，了解每个存储节点的性能指标。根据系统需求和编码标准，设定编码质量参数的范围，如码率、分辨率、压缩比等。根据节点性能评估数据和预设的编码质量参数范围，确定每个异构存储节点的编码质量参数。这可以通过优化算法、自适应调整或规则制定来实现，以使编码质量适应节点性能。

步骤S33：对分布式校验块数据进行帧间预测调整，从而得到预测调整帧数据；

本发明实施例分布式存储系统中的数据通常会进行分块和编码，其中包含校验块数据用于容错纠错。对校验块数据进行帧间预测调整，以提高编码效率和冗余消除。这可以使用视频编码技术中的帧间预测方法，如运动估计和补偿来实现。

步骤S34：根据编码质量决策数据对预测调整帧数据进行视频编码，从而得到视频编码数据。

本发明实施例根据编码质量决策数据，了解每个存储节点的编码质量参数设置。根据预测调整帧数据，作为输入数据进行视频编码。使用视频编码标准（如H.264、H.265）对预测调整帧数据进行压缩编码，以生成视频编码数据。这可以使用现有的视频编码器和相应的参数设置来实现。

本发明通过对异构存储节点的编码能力和传输能力进行评估，可以了解每个节点在数据编码和传输过程中的性能表现。节点性能评估数据提供了关于节点性能的详细信息，包括编码速度、传输带宽、延迟等指标，为后续的编码质量决策和视频编码提供依据。编码质量参数的决策基于节点性能评估数据和预设的编码质量参数范围，通过权衡编码质量和节点性能，确定每个节点的编码质量参数。编码质量决策数据提供了每个节点的编码质量参数，包括编码算法、压缩比、图像质量等，为后续的视频编码和数据传输提供依据。帧间预测调整是一种视频编码中的技术，通过对分布式校验块数据进行预测和调整，提高编码效率和视频质量。预测调整帧数据是经过帧间预测调整处理后的视频数据，具有更好的压缩效果和图像质量，为后续的视频编码提供优化基础。视频编码根据编码质量决策数据，采用相应的编码算法和参数对预测调整帧数据进行压缩和编码，以生成最终的视频编码数据。视频编码数据具有较小的文件大小和较高的压缩比，适合在网络传输和存储中使用，实现视频数据的有效传输和管理。

优选地，步骤S33包括以下步骤：

步骤S331：对分布式校验块数据进行视频帧提取，从而得到时序视频帧数据；

本发明实施例需要从分布式校验块数据中提取出视频帧的信息。视频帧通常由一系列连续的图像组成，可以根据视频编码标准（如H.264、H.265）的要求进行提取。分布式校验块数据通常由多个数据块组成，每个数据块包含一部分视频帧的信息。根据校验块数据的结构和编码标准的要求，从每个数据块中提取出视频帧的数据。将提取得到的视频帧数据按照它们在视频序列中的时序顺序进行组织，以得到完整的时序视频帧数据。

步骤S332：对时序视频帧数据进行参考帧选择，从而得到参考帧数据；

本发明实施例在视频编码中，参考帧用于进行帧间预测，以减小编码数据的大小。在这一步骤中，需要选择一些关键的视频帧作为参考帧。对时序视频帧数据进行分析，了解每个视频帧的内容和关系。根据编码标准的要求和视频内容的特点，选择一些关键的视频帧作为参考帧。通常选择关键帧（I帧）以及一些前后的非关键帧（P帧）作为参考帧。从时序视频帧数据中提取出选定的参考帧的数据。

步骤S333：根据时序视频帧数据以及参考帧数据对帧内物体进行连续帧之间的运动估计，并生成预测帧，从而得到预测帧数据；

本发明实施例在视频编码中，帧间预测利用参考帧和当前帧之间的相关性来减小编码数据的大小。在这一步骤中，需要对连续帧之间的运动进行估计，并生成预测帧。利用参考帧和当前帧之间的差异来估计帧内物体的运动。常用的方法包括块匹配算法（如全搜索算法、三步搜索算法）等。根据运动估计的结果，利用参考帧和预测的运动矢量来生成预测帧。通过将参考帧中对应的块进行位移，以适应当前帧中的块。

步骤S334：根据预测帧数据对预测帧和实际帧之间的差异进行编码优化，从而得到优化差异数据；

本发明实施例在视频编码中，差异数据用于表示预测帧与实际帧之间的差异。为了进一步减小编码数据的大小，需要对差异数据进行编码优化。通过对预测帧和实际帧进行像素级别的比较，计算出它们之间的差异数据。对计算得到的差异数据进行压缩编码，以减小其存储空间。常用的方法包括变换编码（如离散余弦变换）和熵编码（如哈夫曼编码）等。

步骤S335：根据优化差异数据对分布式校验块数据进行帧间预测调整，从而得到预测调整帧数据。

本发明实施例在视频编码中，预测调整帧数据用于表示预测帧与实际帧之间的差异，并结合参考帧的信息进行更精确的表示。对优化差异数据进行解码，还原出预测帧与实际帧之间的差异信息。根据解码得到的差异信息，对分布式校验块数据进行帧间预测调整。通过对参考帧和预测帧进行适当的调整，以更准确地表示实际帧的内容。将经过帧间预测调整的分布式校验块数据组织成预测调整帧数据。

本发明通过视频帧提取，将分布式校验块数据转化为时序视频帧数据，方便后续的视频处理和编码。时序视频帧数据提供了连续的视频帧序列，为参考帧选择和运动估计等步骤提供基础。参考帧选择是视频编码中的重要步骤，通过选择适当的参考帧作为编码的基准，可以提高编码效率和图像质量。参考帧数据包含了被选中的视频帧，作为其他帧的参考，为后续的运动估计和预测帧生成提供参考。运动估计是视频编码中的关键技术，通过分析连续帧之间的像素差异，估计物体在帧间的运动信息。预测帧数据是根据运动估计结果生成的，可以通过参考帧和运动向量来预测当前帧的像素值，以减小编码中的差异性，提高压缩效率。编码优化是在预测帧和实际帧之间进行的差异编码，通过压缩和编码差异信息来减小数据量，提高编码效率。优化差异数据包含了预测帧和实际帧之间的差异信息，为后续的帧间预测调整和视频编码提供了更紧凑的数据表示。帧间预测调整是视频编码中的技术，通过利用预测帧和优化差异数据，进行帧间预测和补偿，以进一步减小数据量，提高编码效率。预测调整帧数据是通过帧间预测调整处理后的数据，具有更好的压缩效果和图像质量，为后续的视频编码和数据传输提供优化基础。

优选地，步骤S4包括以下步骤：

步骤S41：获取当前网络条件数据；

本发明实施例需要获取当前网络的相关条件数据，以便进行后续的码率自适应和流控制。当前网络条件数据可能包括带宽、延迟、丢包率等信息。通过网络测速或其他带宽测量方法，获取当前网络的带宽信息。通过发送和接收网络包的时间戳，计算出网络的延迟信息。通过发送和接收的网络包数量以及丢失的网络包数量，计算出网络的丢包率信息。

步骤S42：根据当前网络条件数据对码率自适应算法进行动态调整，从而得到流控制参数数据；

本发明实施例码率自适应算法用于根据网络条件动态调整视频的码率，以确保视频的传输质量。在这一步骤中，需要根据当前网络条件数据对码率自适应算法进行调整，以得到适合当前网络的流控制参数数据。对获取到的当前网络条件数据进行分析，了解网络的带宽、延迟等情况。根据网络条件数据，调整码率自适应算法的参数，例如目标码率、码率变化速度等。根据调整后的码率自适应算法参数，生成适合当前网络条件的流控制参数数据，用于后续的视频编码和传输。

步骤S43：根据流控制参数数据对视频编码数据进行适应不同网络条件的多码率流生成，从而得到码率流配置数据；

本发明实施例为了适应不同网络条件，通常会生成多个不同码率的视频流，以供选择和切换。在这一步骤中，根据流控制参数数据，对视频编码数据进行处理，生成适应不同网络条件的多码率流，并得到码率流配置数据。根据流控制参数数据，对视频编码的码率进行调整，生成多个不同码率的视频流。对每个不同码率的视频流进行编码，生成对应的视频编码数据。将每个不同码率的视频编码数据与其对应的码率信息进行关联，生成码率流配置数据，记录每个码率流的相关信息。

步骤S44：根据码率流配置数据对实时消息传输协议流进行增强封装，从而得到封装流单元数据。

本发明实施例在视频传输中，为了保证数据的实时性和可靠性，通常会使用实时消息传输协议（如RTP/RTCP）进行传输。在这一步骤中，根据码率流配置数据，对实时消息传输协议流进行增强封装，以满足视频传输的要求，并得到封装流单元数据。根据实时消息传输协议的要求，对每个码率流的视频编码数据进行封装，生成实时消息传输协议流。将每个实时消息传输协议流与其对应的码率流配置数据进行关联，生成封装流单元数据，记录每个封装流单元的相关信息，如序列号、时间戳等。

本发明通过获取当前网络条件数据，可以了解网络的带宽、延迟、丢包率等指标，以便后续的流控制和视频编码进行适应性调整。码率自适应算法根据当前网络条件动态调整视频编码的比特率，以适应网络的带宽变化。流控制参数数据是根据码率自适应算法得出的，包括比特率、帧率、关键帧间隔等参数，用于控制视频编码的输出流的质量和大小。多码率流生成是根据流控制参数数据生成适应不同网络条件的多个不同比特率的视频编码流。码率流配置数据包含了不同比特率的视频编码流的信息，为后续的流传输和适应性播放提供了选择和配置的依据。实时消息传输协议流是用于传输视频数据的协议，通过增强封装流单元数据，可以提高视频数据的传输效率和稳定性。封装流单元数据是对视频编码数据进行增强封装处理后的数据单元，包含了视频数据的组织结构和相关元信息，为实时传输提供了更好的控制和管理能力。

优选地，步骤S52包括以下步骤：

步骤S421：基于当前网络条件数据中的带宽情况对可用的带宽进行测算，从而得到带宽估计数据；

本发明实施例根据当前网络条件数据中的带宽情况，对可用的带宽进行测算，以得到带宽估计数据。通过发送特定的网络流量或使用网络测速工具，向网络发送数据并测量其传输速率，以获取当前可用的带宽。根据测得的传输速率以及网络拓扑和拥塞情况等因素，对当前网络的可用带宽进行估计，得到带宽估计数据。

步骤S422：根据当前网络条件数据中视频传输进行延迟控制，从而得到延迟控制数据；

本发明实施例根据当前网络条件数据中的视频传输情况，进行延迟控制，以得到延迟控制数据。延迟控制旨在根据网络延迟情况调整视频传输的策略，以提供更好的用户体验。通过测量视频传输中的端到端延迟，包括发送端到接收端的传输延迟、处理延迟等，获取当前网络的延迟情况。根据延迟监测结果，采取相应的延迟控制策略，如调整编码参数、动态选择码率等，以减少传输延迟并提高传输质量。根据延迟控制策略的调整结果，生成延迟控制数据，记录延迟控制的相关信息，如延迟调整量、延迟目标等。

步骤S423：根据当前网络条件数据中的丢包率进行前向纠错，从而得到丢包率适应数据；

本发明实施例根据当前网络条件数据中的丢包率信息，进行前向纠错处理，以得到丢包率适应数据。前向纠错旨在通过冗余数据或错误校验码等方法，提高数据的可靠性，从而减少丢包对视频传输的影响。通过监测视频传输过程中丢失的数据包数量和总发送数据包数量，计算出当前网络的丢包率。根据丢包率监测结果，采用前向纠错编码技术，生成冗余数据或错误校验码，以提供数据的冗余和纠错能力。将前向纠错编码后的数据与原始数据进行关联，生成丢包率适应数据，记录每个数据包的相关信息，如纠错码、冗余数据等。

步骤S424：根据带宽估计数据、延迟控制数据以及丢包率适应数据对码率自适应算法进行码率调整，从而得到流控制参数数据。

本发明实施例根据带宽估计数据、延迟控制数据和丢包率适应数据，对码率自适应算法进行码率调整，以得到流控制参数数据。根据带宽估计数据和延迟控制数据，权衡视频传输的带宽利用率和延迟要求。如果带宽较低，可能需要降低视频的码率以适应带宽限制；如果延迟要求较高，可能需要调整码率自适应算法的策略，以减少延迟。根据丢包率适应数据，对视频编码数据进行前向纠错。例如，可以使用冗余数据或错误校验码对数据进行编码，以提高数据的可靠性和纠错能力。这样可以减少丢包对视频质量的影响。根据带宽估计数据、延迟控制数据和丢包率适应数据，对码率自适应算法进行调整。可以根据带宽情况提高或降低视频的目标码率，以充分利用可用带宽或避免网络延迟。同时，可以根据延迟控制数据和丢包率适应数据调整视频的编码参数和前向纠错策略，以提高视频传输的质量和可靠性。

本发明基于当前网络条件数据中的带宽情况进行带宽测算可以估计可用的网络带宽，即当前网络环境下可以用于视频传输的带宽。带宽估计数据提供了对可用带宽的估计值，为后续的码率调整和流控制提供依据，以保证视频传输的质量和稳定性。延迟控制是根据当前网络条件中的延迟情况对视频传输进行控制，以减小传输延迟并提高实时性。延迟控制数据包含了针对视频传输的延迟控制参数，用于调整传输策略和优化视频传输的延迟性能。前向纠错是一种处理丢包率的技术，通过添加冗余数据或使用纠错码等方式，提高视频数据对丢包的容忍性和恢复能力。丢包率适应数据包含了前向纠错所需的冗余数据或纠错码信息，用于提高视频传输的抗丢包能力，保证数据的完整性和连贯性。码率自适应是根据带宽估计、延迟控制和丢包率适应等数据对视频编码的码率进行动态调整，以适应当前网络环境的变化。流控制参数数据是根据码率自适应算法得出的，包括比特率、帧率、关键帧间隔等参数，用于控制视频编码的输出流的质量和大小，以优化视频传输的性能和用户体验。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种直播视频数据优化录制存储方法，其特征在于，包括以下步骤：

步骤S1：获取直播视频数据；对直播视频数据进行数据块分割，并对数据块进行纠删码编码，从而得到视频校验分片数据；对视频校验分片数据进行多异构存储节点分布，从而得到分布式校验块数据；

步骤S2：根据直播视频热度进行资源需求预估，并根据预估的资源需求对分布式校验块数据进行调度编码以及资源存储，从而得到资源调度表；根据资源调度表对资源分配以及资源需求变化进行适应映射，从而得到资源分配映射数据；通过SDN技术根据资源分配映射数据进行多路径传输优化，从而得到优化传输路径数据；

步骤S3：根据资源分配映射数据进行编码质量选择，从而得到编码质量决策数据；对分布式校验块数据进行帧间预测调整，从而得到预测调整帧数据；根据编码质量决策数据对预测调整帧数据进行视频编码，从而得到视频编码数据；

步骤S4：获取当前网络条件数据；根据当前网络条件数据对码率自适应算法进行动态调整，从而得到流控制参数数据；根据流控制参数数据对视频编码数据进行适应不同网络条件的多码率流生成，从而得到码率流配置数据；根据码率流配置数据对实时消息传输协议流进行增强封装，从而得到封装流单元数据；

步骤S5：根据优化传输路径数据对封装流单元数据进行客户端有服务器之间的传输优化以及路由选择，从而实现实时直播视频的传输和播放。

2.根据权利要求1所述的直播视频数据优化录制存储方法，其特征在于，步骤S1包括以下步骤：

步骤S11：获取直播视频数据；

步骤S12：对直播视频数据进行数据块分割，从而得到直播视频数据块；

步骤S13：对直播视频数据块进行纠删码编码，并进行校验码生成，从而得到视频校验分片数据；

步骤S14：对可用的异构存储节点进行性能、带宽以及负载指标评估，从而得到节点资源特征数据；

步骤S15：根据节点资源特征数据对视频校验分片数据进行多异构存储节点分布，从而得到分布式校验块数据。

3.根据权利要求2所述的直播视频数据优化录制存储方法，其特征在于，步骤S2包括以下步骤：

步骤S21：根据直播视频热度进行资源需求预估，并根据预估的资源需求对分布式校验块数据进行调度编码以及资源存储，从而得到资源调度表；

步骤S22：根据资源调度表对资源分配以及资源需求变化进行适应映射，从而得到资源分配映射数据；

步骤S23：通过SDN技术根据资源分配映射数据进行多路径传输优化，从而得到优化传输路径数据。

4.根据权利要求3所述的直播视频数据优化录制存储方法，其特征在于，步骤S21包括以下步骤：

步骤S211：获取直播视频热度数据，其中包括观众数量数据、视频内容类型数据、实时评论数据以及活跃互动数据；

步骤S212：根据直播视频热度数据进行资源需求预估，从而得到资源需求预估数据；

步骤S213：根据资源需求预估数据对分布式校验块数据进行调度编码，从而得到调度编码结果数据；

步骤S214：根据调度编码结果数据对分布式校验块数据进行资源存储，从而得到资源存储结果数据；

步骤S215：根据资源存储结果数据生成资源调度表。

5.根据权利要求4所述的直播视频数据优化录制存储方法，其特征在于，步骤S22包括以下步骤：

步骤S221：获取可用资源数据；对可用资源数据进行实时监控，从而得到资源池当前配置快照数据；

步骤S222：根据资源需求预估数据以及资源池当前配置快照数据构建资源分配的约束模型，从而得到资源分配约束模型；

步骤S223：基于资源分配约束模型求解最优资源分配方案，从而得到资源分配优化解数据；

步骤S224：对资源分配优化解数据以及资源调度表进行动态重构，并生成映射关系，从而得到资源重构映射表；

步骤S225：根据资源重构映射表对资源进行需求适应编排，从而得到资源分配映射数据。

6.根据权利要求5所述的直播视频数据优化录制存储方法，其特征在于，步骤S23包括以下步骤：

步骤S231：获取网络拓扑结构数据；

步骤S232：根据资源分配映射数据和网络拓扑结构数据进行传输路径规划，并进行传输路径评估，从而得到传输路径性能数据；

步骤S233：利用SDN技术根据传输路径性能数据制定网络流量管理与路径选择的策略，从而得到SDN流量策略数据；

步骤S234：根据SDN流量策略数据进行支持多路径传输的网络配置，从而得到多路径配置数据；

步骤S235：根据多路径配置数据进行最优路径部署，从而得到优化传输路径数据。

7.根据权利要求6所述的直播视频数据优化录制存储方法，其特征在于，步骤S3包括以下步骤：

步骤S31：对资源分配映射数据进行异构存储节点编码能力以及传输能力的评估，从而得到节点性能评估数据；

步骤S32：根据节点性能评估数据以及预设的编码质量参数范围数据决定异构存储节点的编码质量参数，从而得到编码质量决策数据；

步骤S33：对分布式校验块数据进行帧间预测调整，从而得到预测调整帧数据；

步骤S34：根据编码质量决策数据对预测调整帧数据进行视频编码，从而得到视频编码数据。

8.根据权利要求7所述的直播视频数据优化录制存储方法，其特征在于，步骤S33包括以下步骤：

步骤S331：对分布式校验块数据进行视频帧提取，从而得到时序视频帧数据；

步骤S332：对时序视频帧数据进行参考帧选择，从而得到参考帧数据；

步骤S333：根据时序视频帧数据以及参考帧数据对帧内物体进行连续帧之间的运动估计，并生成预测帧，从而得到预测帧数据；

步骤S334：根据预测帧数据对预测帧和实际帧之间的差异进行编码优化，从而得到优化差异数据；

步骤S335：根据优化差异数据对分布式校验块数据进行帧间预测调整，从而得到预测调整帧数据。

9.根据权利要求8所述的直播视频数据优化录制存储方法，其特征在于，步骤S4包括以下步骤：

步骤S41：获取当前网络条件数据；

步骤S42：根据当前网络条件数据对码率自适应算法进行动态调整，从而得到流控制参数数据；

步骤S43：根据流控制参数数据对视频编码数据进行适应不同网络条件的多码率流生成，从而得到码率流配置数据；

步骤S44：根据码率流配置数据对实时消息传输协议流进行增强封装，从而得到封装流单元数据。

10.根据权利要求9所述的直播视频数据优化录制存储方法，其特征在于，步骤S52包括以下步骤：

步骤S421：基于当前网络条件数据中的带宽情况对可用的带宽进行测算，从而得到带宽估计数据；

步骤S422：根据当前网络条件数据中视频传输进行延迟控制，从而得到延迟控制数据；

步骤S423：根据当前网络条件数据中的丢包率进行前向纠错，从而得到丢包率适应数据；

步骤S424：根据带宽估计数据、延迟控制数据以及丢包率适应数据对码率自适应算法进行码率调整，从而得到流控制参数数据。