短視頻、移動AI……你關注的熱點移動開發技術都在這

「2016 年對於移動開發領域來說是頗受衝擊的一年，又是頗為精彩的一年」。在這一年裡，蘋果發布了 iOS 10、watchOS 3、macOS Sierra、tvOS 四大操作系統，Android 的發展逐漸步入平緩階段，跨平台技術討論熱度持續升溫，直播、VR/AR 等「移動 +」領域更是熱火朝天。

在這樣的基礎之上，2017 年的移動開發環境註定充滿了更多的新奇和挑戰。如何應對移動應用架構優化、移動端 AI 開發，智能化又如何提升用戶體驗，App 精細化運營又如何理解和實施……成了移動開發者們從 1 邁向 10、完成技術生涯進階的重點考題。

移動電商中圖像演算法的實踐

在移動電商中，圖像內容的創造和運用，對於用戶體驗越來越重要。美麗聯合集團旗下的各個服務、平台上，存在著海量的圖像數據，包括商品圖像數據、店鋪紅人圖像數據，用戶上傳的社交圖像數據、視頻圖像數據等。同時這些圖像數據具有結構化的商品信息，比如類目、屬性、購買等文本信息。

根據演算法部署類型，美麗聯合集團對移動電商中圖像演算法的實踐分為兩種模式：一種是在雲端執行演算法，構建圖像搜索和圖像識別系統，應用於商品搜索和推薦中提升用戶體驗；另一種是在移動手機端執行演算法，例如：人臉特徵點跟蹤演算法、文字識別演算法；面臨的難點是在移動端如何提升演算法的運行速度。

以大規模商品圖像檢索的實踐為例，其面臨的主要難點包括：1、圖像數據量大；2、特徵維度高；3、響應速度要快。

為了解決這些問題，美麗聯合集團採用了近似最近鄰演算法中的局部優化的乘積量化演算法，訓練得到粗量化質心和細量化質心，粗量化的結果用來建立倒排索引，細量化的結果用來近似距離的計算，最終既保證圖像索引結果需要的內存足夠，又滿足檢索質量和速度比較好。其團隊設計和構建的圖像檢索系統架構如下圖所示。

美麗聯合集團圖像檢索系統架構圖

目前該套圖像檢索系統應用在「美麗說」和「蘑菇街」的多個實際的業務場景中，如選品業務，導購運營在外站瀏覽到一些流行服飾等商品圖片，此外也應用到如在線的同款識別等應用中，可以處理商家實時的同款圖片查詢功能。

一站式短視頻背後的技術架構升級

短視頻在全鏈路包括了一系列的複雜環節，從拍攝、編輯處理、合成、上傳、存儲、轉碼、鑒黃到分發、播放、監控。所以，隨著用戶量訪問量的快速增長，性能、可用性、突發熱點、業務頻繁迭代的挑戰。短視頻平台想要做大做強做精的技術門檻非常高，非專業視頻雲公司無法具備全鏈路的能力。

如何實現分布式計算服務集群？如何構建高速穩定的並行轉碼服務？如何解決終端用戶分布不均，網路質量差的地域問題？如何保證源文件的可用性及安全性並同時完成擴容……成為 UCloud 視頻雲技術實踐過程中邁過的主要難關。

例如，為了確保全球範圍內能順暢觀看視頻，UCloud 主要通過全球 CDN 刷新與預取加速提升訪問速度和用戶體驗。當一些數據面臨留存周期較長問題時，UCloud 冷存儲 (UArchive) 會提供海量、低頻文件存儲服務，將成本降低到普通存儲的 1/3 甚至更低，其中採用的 EC 技術，1.25 份容量即達到雙容災效果，能夠滿足大量冷視頻的場景。在技術演進過程中，UCloud 搭建了如下一套視頻雲架構。

UCloud 視頻雲架構

但當前視頻雲的特點是越大越複雜，除了視頻、音頻、圖片外，還存在多種格式和碼率，沒有一定雲計算積澱的廠商處理起來必定困難重重，而對於 UCloud 來講，越大規模、越複雜的情況，UCloud 視頻雲平台可藉助「雲 +CDN」融合這一方式提供更多的邊緣計算的能力。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！