一. 背景與目標(biāo)

1.1 視頻審核背景

現(xiàn)有視頻審核系統(tǒng)由于歷史原因，針對不同的業(yè)務(wù)調(diào)用方和業(yè)務(wù)場景提供了多套視頻審核技術(shù)方案和服務(wù)，且在審核時效、支持的協(xié)議完整性等方面存在一定的不足；同時，多套系統(tǒng)并存一直存在較高的運(yùn)維成本的情況。

由此，需要設(shè)計一套統(tǒng)一的視頻審核系統(tǒng)架構(gòu)，將多套服務(wù)合并為一套服務(wù)，提供統(tǒng)一標(biāo)準(zhǔn)視頻審核服務(wù)，大幅降低運(yùn)維成本的同時，提供完整的接口協(xié)議支持和更高的審核時效。

?

1.2 設(shè)計目標(biāo)

?審核時效優(yōu)化：

?流式完成下載、拆幀、推理、通知四階段處理；使得整個審核過程為：邊下邊拆邊推邊響應(yīng)。

?每階段內(nèi)并行處理，提高審核時效。

最終目標(biāo)：審核時長 = MAX(并行下載、并行拆幀、并行推理)。

?

?完整的接口協(xié)議，應(yīng)對未來不同需求場景：

?短視頻同步：提供時長1~2分內(nèi)、100MB內(nèi)的視頻，達(dá)成3秒內(nèi)審核完成的目標(biāo)；且以同步阻塞接口提供服務(wù)，簡化業(yè)務(wù)方調(diào)用、交互過程。

?長視頻異步：支持10小時甚至更長視頻的異步審核能力，按調(diào)用方需求提供實(shí)時響應(yīng)開關(guān)。

?實(shí)時直播視頻流：針對實(shí)時直播流，提供邊拉流、邊審核、邊響應(yīng)的實(shí)時流式響應(yīng)能力。

?

二. 拆幀技術(shù)方案選型

2.1 ffmpeg簡要介紹

針對不同的編碼器、封裝協(xié)議、傳輸協(xié)議，提供統(tǒng)一的音視頻處理接口。

跨平臺，兼容200多種編碼、180多種封裝格式、20多種傳輸協(xié)議。世界上90%以上的音視頻開發(fā)基于FFmpeg。

?

2.2 API vs 命令行

?基于API

FFmpeg提供了一整套的音視頻處理庫，以統(tǒng)一的API分別完成音視頻處理過程中的主要階段，包括：

采集、解封裝、解碼、處理&轉(zhuǎn)換、編碼、封裝、傳輸?shù)取?/p>

其中，各個庫提供的API粒度較細(xì)，非常適合對音頻、圖片幀做業(yè)務(wù)細(xì)粒度的自定義加工的場景。

?

?基于命令行

基于上述庫，F(xiàn)Fmpeg提供了可執(zhí)行命令行工具：FFmpeg。

FFmpeg命令行以組合大量選項(xiàng)、參數(shù)的方式完成常規(guī)的音視頻處理工作，且其本身以c語音實(shí)現(xiàn)，為常規(guī)音視頻處理需求，提供了簡單、穩(wěn)定、高效的支撐；通過高級命令行參數(shù)可達(dá)成設(shè)計目標(biāo) ：

流式下載：支持Http/flv流等傳輸協(xié)議作為輸入，實(shí)現(xiàn)邊下載邊解碼。

分段并行：利用ss、to等選項(xiàng)，其內(nèi)部基于http range seek特性，完成并行多段處理。

自定義音視頻參數(shù)：利用codec/afilter/vfilter等編解碼、濾鏡參數(shù)可完成輸出圖片自定義幀率、音頻采樣、聲道等目標(biāo)。

?

綜合考慮視頻審核業(yè)務(wù)特點(diǎn)，對音視頻處理過程本身并不復(fù)雜，單純、核心的目標(biāo)就是將音頻、圖片幀從視頻中拆分出來，并不存在過多的針對音視頻幀的加工處理過程，因此，視頻審核架構(gòu)采用FFmpeg命令行工具完成基礎(chǔ)的視頻拆幀工作。

?

三．框架描述

3.1 流式處理框架

任務(wù)處理器是視頻審核服務(wù)的核心組件，一個任務(wù)處理器實(shí)例包括三個子組件：拆幀引擎、任務(wù)驅(qū)動器、審核業(yè)務(wù)對象。通過任務(wù)驅(qū)動器的調(diào)度過程，協(xié)調(diào)拆幀引擎和審核業(yè)務(wù)對象兩個對象實(shí)例完成一個視頻任務(wù)的下載、拆幀、推理、響應(yīng)四階段流式、并行處理過程。

一個視頻審核服務(wù)內(nèi)根據(jù)容器cpu資源、配置情況，允許多個處理器實(shí)例并行完成多個視頻處理任務(wù)。

?

3.1.1 拆幀引擎

拆幀引擎：圖片拆幀邏輯圖、音頻拆幀邏輯圖，目標(biāo)均是流式生產(chǎn)數(shù)據(jù)。

?

圖片拆幀

單一視頻任務(wù)中，為了完成流式、并行處理目標(biāo)，圖片拆幀模塊由兩個主任務(wù)并行完成：

一是根據(jù)視頻時間、業(yè)務(wù)策略，啟動多個ffmpeg進(jìn)程，利用ffmepg的seek機(jī)制將視頻拆分為多段完成并行下載、拆幀。

二是收集任務(wù)，根據(jù)拆分出的圖片幀時間戳信息生成圖片幀信息，供后續(xù)推理讀取。

?

音頻拆幀

針對音頻拆幀存在兩種目標(biāo)：

針對視頻文件：采用單一命令完成整個音頻文件的拆分，供后續(xù)asr、音頻審核使用。

針對視頻流：相對于視頻文件，視頻流具有連續(xù)性，時間比為1：1，為了達(dá)成邊拆邊推理邊響應(yīng)目標(biāo)，需要在直播過程中動態(tài)切分音頻段，完成實(shí)時處理和實(shí)時響應(yīng)。

視頻流中的音頻處理部分涉及幾個主要步驟：

拆段：利用segments機(jī)制，完成固定時間段的音頻切分。

VAD：基于webrtc VAD模塊，遍歷PCM文件采樣數(shù)據(jù)，完成有聲段音頻的拼接&切割。

編碼：將原始PCM音頻編碼為mp3，大幅降低文件尺寸便于傳輸。

收集：負(fù)責(zé)收集編碼后的mp3文件，生產(chǎn)音頻段信息，用于后續(xù)推理讀取。

?

3.1.2 審核業(yè)務(wù)模塊

審核業(yè)務(wù)對象與任務(wù)處理器、調(diào)用算法服務(wù)進(jìn)行交互，完成流式、并行的幀（圖片、音頻）審核業(yè)務(wù)過程。

審核業(yè)務(wù)對象內(nèi)部由單線程驅(qū)動，循環(huán)檢測幀隊(duì)列、異步推理響應(yīng)、異步上傳響應(yīng)三個狀態(tài)，并根據(jù)推理、上傳結(jié)果，在業(yè)務(wù)策略開啟實(shí)時響應(yīng)開關(guān)時，動態(tài)發(fā)送部分響應(yīng)數(shù)據(jù)至實(shí)時結(jié)果隊(duì)列完成實(shí)時響應(yīng)。

?

3.1.3 任務(wù)調(diào)度器

拆幀引擎和業(yè)務(wù)對象對外部提供了標(biāo)準(zhǔn)的非阻塞狀態(tài)查詢及命令處理接口，圍繞這些接口，任務(wù)調(diào)度器內(nèi)部由單線程驅(qū)動，與拆幀引擎和業(yè)務(wù)對象進(jìn)行流式調(diào)用交互，這個過程中，拆幀引擎作為幀生產(chǎn)者、業(yè)務(wù)對象作為幀消費(fèi)者，任務(wù)驅(qū)動器將兩者進(jìn)行銜接，從任務(wù)處理的角度驅(qū)動兩者共同完成視頻審核過程。

?

?

至此，三者整體完成了核心目標(biāo)：

下載、拆幀、推理三階段，每階段內(nèi)并行加速。

下載、拆幀、推理、實(shí)時通知四階段流式處理。

?

3.1.4 多業(yè)務(wù)場景

得益于核心組件間的標(biāo)準(zhǔn)接口交互，整個系統(tǒng)可以針對不同的業(yè)務(wù)場景、需求，將業(yè)務(wù)對象從主服務(wù)中剝離出去，由內(nèi)部函數(shù)調(diào)用改為遠(yuǎn)程RPC調(diào)用，并進(jìn)行分布式部署；使得所有業(yè)務(wù)在統(tǒng)一的流式、并行框架下，高效完成各種場景需求。

?

3.1.5 同步&異步處理流程

視頻拆幀過程屬cpu密集型業(yè)務(wù)，其任務(wù)處理的服務(wù)節(jié)點(diǎn)優(yōu)先從cpu負(fù)載角度出發(fā)，而不是接收請求的節(jié)點(diǎn)進(jìn)行處理；因此，在接收請求后，會將其派發(fā)到MQ任務(wù)隊(duì)列中，由cpu閑置的節(jié)點(diǎn)通過手動pull方法完成任務(wù)獲取并處理。

同步與異步不同的點(diǎn)在于，異步任務(wù)處理完成后，直接將響應(yīng)發(fā)送到結(jié)果隊(duì)列中，由調(diào)用發(fā)接收；而同步模式下，需要將結(jié)果通過回調(diào)的方式，將響應(yīng)返回到請求接收節(jié)點(diǎn)，再由請求接收節(jié)點(diǎn)進(jìn)行同步響應(yīng)給調(diào)用方，內(nèi)部通過同步對象、超時等機(jī)制完成同步調(diào)用協(xié)議。

?

3.2 結(jié)果服務(wù)

結(jié)果服務(wù)與主服務(wù)配套，從MQ接收主服務(wù)處理過程中發(fā)送的各種事件并保存，主要完成幾個功能：

?請求處理審計：保留一個月的細(xì)節(jié)結(jié)果，供后臺查詢、分析視頻拆幀、審核過程的有效性、及時、快速、方便的審計問題。

?提供主動查詢接口：調(diào)用發(fā)發(fā)起異步請求后，對比mq接收結(jié)果，另一種常見的方式是通過主動調(diào)用查詢接口進(jìn)行定時檢查的方式獲取響應(yīng)，結(jié)果服務(wù)提供get接口供調(diào)用方主動進(jìn)行結(jié)果查詢。

?全局重試：主服務(wù)所在宿主機(jī)、容器宕機(jī)時，結(jié)果服務(wù)內(nèi)部實(shí)現(xiàn)了定時檢查機(jī)制，當(dāng)發(fā)現(xiàn)視頻任務(wù)開始處理后，且在一定時間內(nèi)未響應(yīng)的情況下，會調(diào)用主服務(wù)完成任務(wù)的重試處理過程，確保視頻任務(wù)不丟失。

?

四. 策略配置

系統(tǒng)針對單一視頻的整個處理過程中，涉及不同的策略可以進(jìn)行配置&設(shè)置，包括兩個方面：

一是框架處理過程，二是審核業(yè)務(wù)策略，根據(jù)不同業(yè)務(wù)需求，可以進(jìn)行完成的處理過程配置；

業(yè)務(wù)方通過輸入業(yè)務(wù)token+策略ID進(jìn)行服務(wù)調(diào)用，以完成業(yè)務(wù)方特定需求，具體可配置策略包含如下：

?

?不同模式部署

16c機(jī)器情況下，針對不同協(xié)議場景，完成集群配置：

?

五. 測試驗(yàn)證

經(jīng)測試驗(yàn)證，在16C容器下達(dá)成設(shè)計目標(biāo)：

?1分鐘、100MB內(nèi)視頻，2秒內(nèi)可完成審核。

?長視頻異步模式下，對比舊版服務(wù)審核時效平均提升5倍。

?優(yōu)雅退出+全局重試保障任務(wù)不丟失。

?標(biāo)準(zhǔn)模塊接口為未來擴(kuò)展為多場景通用分布式系統(tǒng)打下基礎(chǔ)。

?審核編輯 黃宇