Arquiteturas e tecnologias por trás da análise de vídeos online em larga escala.
Para suportar um grande volume de requisições, a solução foi desenvolvida sobre uma infraestrutura elástica, com provisionamento automático de recursos. A utilização de uma nuvem híbrida permitiu a aplicação obter alto desempenho e disponibilidade.
12. !
• Problema: Custo Elevado
• Apresentava bom desempenho
• Problema: Instabilidade, interações entre aplicações
• Aplicações com perfis muito diferentes convivendo num
mesmo cluster.
• Crescimento expressivo no volume de dados e requisições
• Problema: crescimento acelerado da base, administração
do banco.
No Início - Então decidimos coletar mais dados - Java, Python e Mysql
T1
23. +Perguntasacadadia
Ecrescendo….
Qual minha retenção média?
Qual é o perfil da minha audiência?
De onde é minha audiência?
Qual o melhor horário para publicar um vídeo?
Qual parte do meu vídeo recebeu mais seeks?
Qual é a conversão?
Quais dispositivos estão sendo usados?
Vídeo mais assistido?
44. Comunicação
Amazon SQS
• Assincronia e Controle de fluxo
• Sem perdas de mensagens
• Log de mensagens não processadas.
• Escalável sob demanda
• Alto SLA
• Gerenciado
• Custo relativamente Baixo
• Não suporta AMQP
57. !
• Escalável
• Controle de Custos
• Managed
• Hadoop como serviço
• Map Reduce Engine
• Bom gerenciamento de capacidade
• Integração com S3 e Dynamo
EMR
Data Processing
Porque EMR
84. • Soluções gerenciadas ajudam a manter o foco
no problema, mas podem trazer limitações
inesperadas.
• Arquitetura flexíveis ajudam a responder
rapidamente a limitações.
!
!
!
COn
clu
são