ACPM高效C++组件管理让音视频终端SDK性能更好、稳定性更高
本专栏将分享阿里云视频云MediaBox系列技术文章,深度剖析音视频开发利器的技术架构、技术性能、开发能效和最佳实践,一起开启音视频的开发之旅。本文为MediaBox技术架构篇,重点从 ACPM介绍、技术架构以及高效管理等方面,介绍如何通过MediaBox ACPM的高效组件管理,来提升音视频终端SDK的稳定性和性能。
阿弗|作者
01 ACPM介绍
背景
针对行业音视频数字化,阿里云视频云提出了MediaBox终端一体化套件,融合了播放、直播、超低延迟直播、实时音视频通信、短视频创作等多种音视频能力,但这并非简单地把SDK叠加起来,而是通过合理的架构设计、抽离复用各种基础组件等手段,最终构建出一个高性能、高可用、高灵活性、可插拔、易扩展性的一体化SDK。
其中得益于组件的高度复用,终端一体化总能以更小的包体提供同样的能力组合。但随着组件化的深入,组件的版本管理、组件间的依赖关系、组件开发进度不同带来的团队协作问题、组件本身的稳定性和性能等问题都需要更好地解决,因此我们设计了ACPM来统一解决组件化过程中出现的问题。
概念
ACPM全称是Aliyun C++ Package Manager,主要解决C++包管理的问题,同时也负责组件的资源、aar、源码调试等。ACPM的核心目标是简化项目中的依赖库管理,减少繁琐的配置工作,提高开发人员的生产效率,并确保项目的稳定性。
使用流程
包管理工具本身主要解决包的版本管理和依赖关系管理,但其本质是解决团队协作问题,使用工具目的也是为了团队提效,同时在高效中提升音视频终端SDK的性能和稳定性。因此,以下以组件的使用方和提供方两种角色的不同视角来描述工具流程:
• 依赖组件(使用方):负责根据描述分析依赖关系、下载对应组件、生成cmake工程需要的编译文件;
• 发布组件(提供方):负责托管组件静态库(在MTL上)并记录发布时的具体信息以供依赖时分析。
02 技术思路
ACPM始于包管理问题,但我们现在谈论ACPM已经不仅限于包管理,而是整个组件化过程中的一系列工具。组件化的核心思想就是分而治之,我们把庞大复杂的工程拆解为一个个小组件,再组合起来,每个小组件其实都是一个独立的个体。跟SDK开发、应用开发一样,组件开发也有着严格的研发流程,只有把一个个小组件治理好了才能治理好庞大复杂的工程。
要让组件化过程变得高效,我们不仅要解决包管理的问题,还需要关注组件化的整个研发流程,对整体进行优化的同时,也为每个节点提供相应的工具来提高效率。
03 高效管理
以下针对组件研发流程的每个节点,展开介绍我们是怎样去做的。
组件开发
想要高效地完成组件化,最直接的想法是并行地去做,并行开发每个组件,当然这要求组件本身是独立的、物理隔离的。然而,独立的组件需要独立的工程,要实现组件的多平台复用,这就要求每个组件都要建立平台工程来进行开发调试,其中的工作量无疑是非常重复且繁琐的。
虽然各组件的功能职责各不一样,但每个组件的工程结构实际上是相似的,所以我们在这个环节上提供工具脚本,实现一键搭建标准化的组件工程,让组件开发者只需关注逻辑开发本身即可。
* 有意思的是,我们的组件开发工程本身也是通过ACPM包管理组织起来的,充分说明了一切皆组件。
组件测试
虽然组件是可以物理隔离的,但终归还是要组合在一起,想要实现高效融合,这就要求组件融合前已经是稳定的,如果组件本身的问题直到融合后才被发现,那么无论是对于问题的调试还是协作效率来说都是低效的,所以组件发布前都需要经过测试。由于我们的组件都是多平台复用的,如果要求组件的每个版本都对所有平台逐一测试会十分消耗人力,因此,我们需要自动化地去完成这项任务。
基于此,我们提供完整的测试平台进行实现,组件只需在平台上配置好一次任务,后续的所有版本都可以重复使用。我们也提供了各个平台所需的设备,组件开发者只需要编写好测试用例,其他的所有事情都可以自动化完成,这不但提高了组件的开发效率,同时也保障了组件的稳定性。
组件构建&发布
写代码、编译、调试,是技术同学的日常。在提升开发效率上,减少编译时间是一件收益颇丰的事情,为此,我们绝大部分的组件都会提供各平台的预编译库。但对于多平台复用的组件而言,其中的过程又非常繁琐,况且与源码不一样,预编译库还可能产生难以发现的ABI兼容问题,更何况预编译库的问题追溯也比源码更加困难,因此我们需要记录每一次预编译发布的源码来源、构建过程等以更好地排查问题。
虽然要解决的问题很多,但这在效率上的收益值得我们去逐一攻克。为解决上述问题,我们基于集团的MTL,编写了插件、提供了各平台统一的编译链工具、发布前自动化安全检测、提供机器人提高发布效率等,以此实现组件构建和发布环节的高效管理。
组件使用
ACPM提供简单而强大的方式集成依赖库,只需编写一个json文件去描述需要的依赖库名字和版本,无需手动下载和编译,工具就会自动地去处理这些步骤,让开发者可以专注于项目的核心开发。
为了让开发更加地高效,工具还会根据开发者当前构建的平台,按需下载对应的资源并做好相应的缓存。
同时,为了方便研发人员使用,工具可以开箱即用,甚至不需要提前安装,只需把工具的仓库作为子模块,研发团队中的其他成员就可以直接使用,大大提高了组件使用效率。
{ ... "dependencies": { "包名": "版本号", "包名": { "version": "版本号", "forcedSpecifyVersion": "强制指定的版本号", "fromRepository": "正式 或者 开发版本", "sourceCodeFirst": "是否优先选用源码依赖", "customSourcePath": "自定义源码路径" } } ... }
* 我们支持简易地通过名字和版本描述依赖,也支持自定义描述以满足更多的定制需求。
简单的工程(如上述所示)通常不会有问题,但复杂的工程难免会遇到依赖库冲突的问题。ACPM能够自动检测和解决依赖库之间的冲突问题,从而减少由不同库版本引起的问题,确保项目的稳定性和可靠性。
通常,冲突的解决是指找到一个版本使得各个依赖库都能兼容,而兼容的判断依据往往是API的兼容,由于我们提供的库很多都是预编译的库,我们不仅考虑到了API兼容也考虑到了ABI的兼容,从而使项目更加稳定可靠。
此外,在ABI兼容的前提下,我们通过强制指定冲突组件版本,实现自动解决冲突而无需重新编译子组件,以此满足组件高稳定基础上的高效管理需求。
组件稳定性分析
虽然我们有一系列的手段保障稳定性,但现实是我们总会遇到意想不到的崩溃情况,因此我们需要监控SDK的稳定性情况。为了给客户最小的包体最优的SDK,我们最终会把组件组合成同一个动态库进行提供,并去掉相应的调试符号,但这样我们就很难知道崩溃发生在哪里。这就会占用研发人员更多的时间精力,以及难以对组件本身的稳定性情况有一个量化的认知。
在人工处理流程上,我们发现这个过程是可以通过工具自动化来提高整体效率,所以我们设计了如下流程:
由于我们的组件有独立的用例进行测试,上述意想不到的问题只有在具体SDK上才会发现,为了提高组件问题的解决效率,我们支持在SDK上把组件的预编译库接入简易切换为源码接入,而这只需要在依赖描述中修改一个配置开关即可,从而提升组件稳定性分析的效率。
04 结语
ACPM是一个强大而灵活的C++依赖库管理工具,它旨在为开发人员提供一种简化依赖库管理的方式。基于ACPM的高效管理,我们发布了数十个组件的正式版本,规范了组件的开发发布流程,并围绕着组件化开发了各种提效工具,确立了多项规范流程,未来我们也将不断细化流程和工具,以保证我们持续稳定高效的输出。
了解更多音视频终端SDK技术,欢迎通过钉钉扫码加入MediaBox体验群,与我们交流分享。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
MCube动态化与原生工程结合最佳实践 | 京东云技术团队
跨端动态化开发方案重要性日益凸显,本文对我们团队MCube动态化实践做了总结,为大家提供经验和借鉴。 接入背景 随着我们工程的需求迭代,暴露出了业务需求量大,分端开发和发版更新成本高等痛点,使用H5页面来代替,在用户体验和性能相较原生有差异,所以我们团队开始了对动态化改造的研究。 在做过一些列动态化开发的尝试,并对多种方案进行调研后,我们选择了MCube的动态化方案。之所以选用MCube,是因为它有以下的优点: 1.方案成熟,对同为京东体系下的APP来说接入成本非常低,对照文档文档,整个接入的过程并不复杂。2.MCube有丰富原子组件,组件的灵活性非常高。 3.完善的组件市场可以很好的满足我们的需求。 4.一套XML模板适用多个平台,并且可以复用。 我们在接入的过程当中遇到兼容性问题,在沟通过程中,MCube的负责同学和开发人员积极性非常高,定制化开发的效率也很高,认真负责,有问必答,整个沟通过程非常愉快。 我们团队目前已经完成了从初步尝试,到一整个业务页面动态化改造的完整历程。期间遇到了许多问题,总结出了最佳化实践的经验,本篇文章做出总结,为其他已经接入和准备接入的同学提供经验。 单...
- 下一篇
语言模型:GPT与HuggingFace的应用
本文分享自华为云社区《大语言模型底层原理你都知道吗?大语言模型底层架构之二GPT实现》,作者:码上开花_Lancer 。 受到计算机视觉领域采用ImageNet对模型进行一次预训练,使得模型可以通过海量图像充分学习如何提取特征,然后再根据任务目标进行模型微调的范式影响,自然语言处理领域基于预训练语言模型的方法也逐渐成为主流。以ELMo为代表的动态词向量模型开启了语言模型预训练的大门,此后以GPT 和BERT为代表的基于Transformer 的大规模预训练语言模型的出现,使得自然语言处理全面进入了预训练微调范式新时代。 利用丰富的训练语料、自监督的预训练任务以及Transformer 等深度神经网络结构,预训练语言模型具备了通用且强大的自然语言表示能力,能够有效地学习到词汇、语法和语义信息。将预训练模型应用于下游任务时,不需要了解太多的任务细节,不需要设计特定的神经网络结构,只需要“微调”预训练模型,即使用具体任务的标注数据在预训练语言模型上进行监督训练,就可以取得显著的性能提升。 OpenAI 公司在2018 年提出的生成式预训练语言模型(Generative Pre-Trainin...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- Red5直播服务器,属于Java语言的直播服务器
- CentOS7,8上快速安装Gitea,搭建Git服务器
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- SpringBoot2全家桶,快速入门学习开发网站教程
- CentOS8安装MyCat,轻松搞定数据库的读写分离、垂直分库、水平分库
- CentOS8编译安装MySQL8.0.19