国际摄影网站,注册装修公司要多少钱才能注册,网站模板怎么进,网站建设方案哪家好 推荐现在#xff0c;短视频内容已成为新趋势#xff0c;每个人都在从TikTok、Instagram、YouTube等平台上消费这些内容。让我们看看如何为TikTok创建一个系统。 这样的应用程序看起来很小#xff0c;但在后台有很多事情正在进行。以下是相关的挑战#xff1a; •由于该应用程序… 现在短视频内容已成为新趋势每个人都在从TikTok、Instagram、YouTube等平台上消费这些内容。让我们看看如何为TikTok创建一个系统。 这样的应用程序看起来很小但在后台有很多事情正在进行。以下是相关的挑战 •由于该应用程序在全球范围内使用将会有大量的请求发送到服务器。这最终会增加服务器的负载。•将视频上传到后台将是一个巨大的任务这将增加服务器的负载并阻塞。•流畅地播放视频无缓冲。•一个基于用户兴趣推荐视频的推荐系统。 让我们逐一了解每个部分。我将其分为三个部分 •与用户相关的服务•与视频发布相关的服务•与点赞和评论相关的服务•推荐服务 与用户相关的服务 这是一个包含与用户相关服务的服务如下所示 •注册 用户将在应用程序中注册。•登录 它将对凭证进行身份验证并向应用程序发送响应。•登出 用户将从应用程序中注销。•关注 如果用户想要关注或取消关注其他用户则可以通过此服务完成。 为了存储与用户相关的数据我们将使用基于SQL的数据库如MYSQL或PostgreSQL因为与用户相关的数据例如追踪关注者将会是关联数据所以这是一个适当的选择。 为了优化数据库性能我们将使用主从架构。主数据库用于执行写操作从数据库用于执行读操作。要了解有关此内容的更多信息可以阅读文章如何优化数据库性能并扩展它[3] 现在让我们讨论用户服务的流程。应用程序将发出API调用API Gateway将管理这些API。它将为用户服务路由请求。 请求将通过负载均衡器进行负载均衡器下将有多个用户服务实例。根据负载它将决定哪个实例将处理请求。一旦请求被处理负载均衡器将将响应发送回API网关然后再发送回应用程序。 与视频发布相关的服务 这是一个包含与视频发布相关服务的服务如下所示 •上传视频 将视频上传到后台服务器。•发布 如果用户想要创建、编辑或删除帖子则可以通过此服务完成。 为了存储与帖子相关的数据我们将使用基于NoSQL的数据库如MongoDB。对于每个用户可能会有成千上万的帖子这将导致大量数据。 为了实现最佳性能扩展数据库可能会很困难。NoSQL数据库支持水平分片这有助于我们在不影响性能的情况下扩展数据库。要了解有关数据库分片的更多信息可以阅读文章关于数据库分片的一切 | 扩展数据库[4]。 现在让我们讨论视频服务的流程。应用程序将发出API调用API Gateway将管理这些API。它将为视频服务路由请求。 请求将通过负载均衡器进行负载均衡器下将有多个视频服务实例。根据负载它将决定哪个实例将处理请求。一旦请求被处理负载均衡器将将响应发送回API网关然后再发送回应用程序。 如何使文件在全球范围内可访问而不增加下载时间 视频文件将上传到单独的云存储服务如Amazon S3 Bucket。现在如果我们想在世界范围内任何地方访问文件而没有任何延迟那么该文件将发送到内容分发网络(CDN)它将将媒体文件更新到世界各地的不同数据云存储中。 我们能进一步优化以减少下载时间吗 还有一个挑战需要解决即原始视频的大小可能较大因此如果将大文件发送回客户端则下载时间会更长这会影响用户体验。 文件一旦上传到云存储您可以在数据库中存储文件路径。然后将帖子/视频详细信息发送到消息队列系统如Kafka或RabbitMQ。 为了使用户体验流畅我们需要压缩视频并为不同设备创建不同分辨率的视频。视频处理工作者将从消息队列系统接收视频详细信息然后从 云存储中提取文件并进行处理。处理完成后这些新的视频文件将发送到CDN。 如何访问压缩的视频文件 现在您可能会想应用程序如何知道上述讨论中压缩的视频的文件路径由于压缩文件将存储在分类文件夹中因此可以根据分辨率和文件名轻松查找文件。 视频发布API只会返回文件名而要访问文件应用程序将在URL本身中添加分辨率细节例如/media//。 当访问此URL时它将经过API网关并从URL中提取分辨率和文件名详细信息。然后它将在缓存系统Redis中检查如果文件不可用则将访问CDN并通过它获取文件。然后将其添加到缓存中以便如果再次请求相同文件则不必从CDN获取。 点赞和评论相关的服务 这是一个包含与视频点赞和评论相关服务的服务。正如名称所示通过此服务我们可以为特定帖子更新点赞和评论。与上面讨论的其他流程相同。 推荐服务 通过此服务基于用户偏好推荐一系列帖子。幕后有很多其他事情正在进行。让我们看看幕后运行的流程。 然后创建一个帖子后它将被发送到消息队列系统然后消费者将提取数据并将数据更新到大数据Hadoop中。 将为机器学习服务如PyTorch和Tensorflow设置单独的服务器在这里它将从大数据中提取数据并训练模型。推荐服务将使用此AI模型为给定用户推荐帖子。 结论 这是类似于TikTok的应用程序的基本级别的系统设计根据需求可以添加许多其他内容如跟踪用户行为用户参与的帖子用户关注的帖子。基于此可以改进AI模型为用户推荐帖子。
