论文部分内容阅读
在疫情的影响下，消费者适应新的生活节奏的同时，高端视频生态系统也借此机会进行调整，转向数字和广告支持的服务，向消费者提供娱乐。
随着消费者适应新的现实，视频收视量增加，并转向流媒体，内容提供商和营销人员需要采取策略，扩大覆盖范围，优化目标并提供最佳的内容库以满足观众需求。
而观众订阅量的增加，免费广告支持的流媒体电视服务（FAST）吸引了更多想省钱的消费者。与此同时，营销人员试图通过广告程序化购买和可寻址产品更有效地接触消费者。
FreeWheel 是一家专门提供电视及互联网视频广告投放、预测和增值服务等关键解决方案的技术公司，服务于全美90%的顶流媒体，每年支持近500亿美元的优质广告展示。
作为比较早用互联网技术服务电视广告的公司，FreeWheel的业务技术是以互联网技术进行广告投放，目标行业是以电视为主。当前电视主要有两种模式：数字化的播放方式，即通过手机或其他终端设备APP进行电视播放；Cable（有线电视），正在从传统的广播电视服务转向以互联网的定向投放的方式来广播广告。
“从目前行业的趋势来看，传统的电视领域仍然是以电视广播服务为主，主要是因为实现对每个用户播放不同的广告，技术挑战具有一定的难度。” FreeWheel CTO 马玉羚在接受笔者的采访时表示，FreeWheel平台上每年电视广告的展示有3000亿以上，这意味着请求可能是100倍的量，当产生100个请求的时候，很可能才能产生1到2个真正的广告的展示，说明FreeWheel的系统需要处理的数据量是非常大的。
另一方面，因为用户的需求本身是持续不断在变化的，这就要求FreeWheel的服务平台同样要持续不断的创新和迭代。同时，当面对用户需求激增的应用场景，FreeWheel對于弹性伸缩的要求也随之增加。
“在两三年前，FreeWheel开始筹备上云，将应用拆分为微服务并容器化，以降低迁移难度。”马玉羚表示，FreeWheel上云的过程中，最重要的是保证核心引擎的平滑迁移，因为这是系统的核心，每一秒都会接受所有的需求，是互联网广告投放的核心部分。
在完成迁移上云后，FreeWheel尝试了利用亚马逊云科技提供的服务来重构我们的应用，比如使用Amazon Lambda实现一些非实时在线的业务。
“如果要给我们的应用架构做出更准确的定义，那我们现在的核心业务系统其实是微服务加上Serveless的混合架构体系。”在马玉羚看来，微服务化对FreeWheel的影响非常大——将应用拆分成几十个服务从而实现去中心化治理的目的，这样每个服务的开发节奏就可以提高，相互的依赖就不像以前，它可以有自己的小生命周期，会整体提高开发的效率。
需要注意的是，上云只是FreeWheel技术转型的开始，后续基于云的重构和优化，才是FreeWheel持续创新和迭代的重要保障。
比如，在数据库应用方面，FreeWheel选择了Amazon的Aurora和DynamoDB，根据不同的数据特性选用了这两个产品做存储，解决了边跑边重构的难题。同时，FreeWhee也会将数据落盘到S3以作灾备之用。
此外，借助于Amazon RDS和Amazon EBS的安全特性，FreeWheel可以轻松满足数据存储、加密等审计方面的需求；在广告预测业务方面，依托于Amazon SageMaker的分布式训练集群，模型的迭代周期大幅缩短，效果提升近1倍，同时，Spot Instance的使用也让团队节省了超过50%的资源使用成本，并提升了团队的运维效率。
“基于云我们也开发了一系列的工具，比如运维平台、监控平台，自动化开发部署平台，所有的这一切我们都是在亚马逊云上来做的。”马玉羚说到。
从数据安全的角度来看，美国、欧洲都有GDPR和CCPA等客户数据安全方面的需求， 而作为服务于顶级媒体的公司，FreeWheel同样需要在整个系统当中要满足所有标准，才可以在业界做生意、营业。
“之前我们其实有一些技术挑战，比如说用MySQL。业界里面MySQL开源做得很好，但是要加密很难，因为会损失访问的效率。” 马玉羚表示，相比之下，亚马逊云科技的Amazon Aurora，做了存储层的真正的技术创新和优化，对我们来说非常简单——打开配置，下面的底层数据加密就会生成，且基本不损失性能，使得数据安全得到相应的保障。
“如果我们的系统宕机一秒钟，就代表这一秒钟全球很多地区没有电视广告的播放，这意味着不可估算的损失。所以对于FreeWheel来说，系统的稳定性永远是第一要素。”在马玉羚看来，自动伸缩、跨区域的灾备都是必须要考虑的问题。
其次是数据驱动。越来越多的需求是要做数据驱动，由数据来决定系统如何运营。为了更好地挖掘数据价值，FreeWheel正在利用AI和机器学习的方式，做更好的预测和动态定价。在提高效率的同时，还可以快速地扩展规模。
随着消费者适应新的现实，视频收视量增加，并转向流媒体，内容提供商和营销人员需要采取策略，扩大覆盖范围，优化目标并提供最佳的内容库以满足观众需求。
而观众订阅量的增加，免费广告支持的流媒体电视服务（FAST）吸引了更多想省钱的消费者。与此同时，营销人员试图通过广告程序化购买和可寻址产品更有效地接触消费者。
FreeWheel 是一家专门提供电视及互联网视频广告投放、预测和增值服务等关键解决方案的技术公司，服务于全美90%的顶流媒体，每年支持近500亿美元的优质广告展示。
作为比较早用互联网技术服务电视广告的公司，FreeWheel的业务技术是以互联网技术进行广告投放，目标行业是以电视为主。当前电视主要有两种模式：数字化的播放方式，即通过手机或其他终端设备APP进行电视播放；Cable（有线电视），正在从传统的广播电视服务转向以互联网的定向投放的方式来广播广告。
“从目前行业的趋势来看，传统的电视领域仍然是以电视广播服务为主，主要是因为实现对每个用户播放不同的广告，技术挑战具有一定的难度。” FreeWheel CTO 马玉羚在接受笔者的采访时表示，FreeWheel平台上每年电视广告的展示有3000亿以上，这意味着请求可能是100倍的量，当产生100个请求的时候，很可能才能产生1到2个真正的广告的展示，说明FreeWheel的系统需要处理的数据量是非常大的。
另一方面，因为用户的需求本身是持续不断在变化的，这就要求FreeWheel的服务平台同样要持续不断的创新和迭代。同时，当面对用户需求激增的应用场景，FreeWheel對于弹性伸缩的要求也随之增加。
“在两三年前，FreeWheel开始筹备上云，将应用拆分为微服务并容器化，以降低迁移难度。”马玉羚表示，FreeWheel上云的过程中，最重要的是保证核心引擎的平滑迁移，因为这是系统的核心，每一秒都会接受所有的需求，是互联网广告投放的核心部分。
在完成迁移上云后，FreeWheel尝试了利用亚马逊云科技提供的服务来重构我们的应用，比如使用Amazon Lambda实现一些非实时在线的业务。
“如果要给我们的应用架构做出更准确的定义，那我们现在的核心业务系统其实是微服务加上Serveless的混合架构体系。”在马玉羚看来，微服务化对FreeWheel的影响非常大——将应用拆分成几十个服务从而实现去中心化治理的目的，这样每个服务的开发节奏就可以提高，相互的依赖就不像以前，它可以有自己的小生命周期，会整体提高开发的效率。
需要注意的是，上云只是FreeWheel技术转型的开始，后续基于云的重构和优化，才是FreeWheel持续创新和迭代的重要保障。
比如，在数据库应用方面，FreeWheel选择了Amazon的Aurora和DynamoDB，根据不同的数据特性选用了这两个产品做存储，解决了边跑边重构的难题。同时，FreeWhee也会将数据落盘到S3以作灾备之用。
此外，借助于Amazon RDS和Amazon EBS的安全特性，FreeWheel可以轻松满足数据存储、加密等审计方面的需求；在广告预测业务方面，依托于Amazon SageMaker的分布式训练集群，模型的迭代周期大幅缩短，效果提升近1倍，同时，Spot Instance的使用也让团队节省了超过50%的资源使用成本，并提升了团队的运维效率。
“基于云我们也开发了一系列的工具，比如运维平台、监控平台，自动化开发部署平台，所有的这一切我们都是在亚马逊云上来做的。”马玉羚说到。
从数据安全的角度来看，美国、欧洲都有GDPR和CCPA等客户数据安全方面的需求， 而作为服务于顶级媒体的公司，FreeWheel同样需要在整个系统当中要满足所有标准，才可以在业界做生意、营业。
“之前我们其实有一些技术挑战，比如说用MySQL。业界里面MySQL开源做得很好，但是要加密很难，因为会损失访问的效率。” 马玉羚表示，相比之下，亚马逊云科技的Amazon Aurora，做了存储层的真正的技术创新和优化，对我们来说非常简单——打开配置，下面的底层数据加密就会生成，且基本不损失性能，使得数据安全得到相应的保障。
写在最后
“如果我们的系统宕机一秒钟，就代表这一秒钟全球很多地区没有电视广告的播放，这意味着不可估算的损失。所以对于FreeWheel来说，系统的稳定性永远是第一要素。”在马玉羚看来，自动伸缩、跨区域的灾备都是必须要考虑的问题。
其次是数据驱动。越来越多的需求是要做数据驱动，由数据来决定系统如何运营。为了更好地挖掘数据价值，FreeWheel正在利用AI和机器学习的方式，做更好的预测和动态定价。在提高效率的同时，还可以快速地扩展规模。