自适应码率 (ABR) 视频流量管理
通过机器学习掌控的细粒度策略控制和特征检测管理 ABR 视频流量。
为何视频流量管理至关重要
到 2025 年，视频流量将占所有网络流量的 76%。对其进行智能化管理可最大程度降低网络资本支出（CapEx）和运营支出（OpEx）、确定新服务、以及增加每用户平均收入 (ARPU)。通过 ABR 视频流，客户端设备可根据当前网络条件和设备能力选择合适的比特率。
节省高达 71% 的带宽
图 1：不受控制的 4K (2160p) 视频流平均速度为 40 Mbps。下载大小 = 174 MB
图 2：同样的视频流，速率限制在 1080p 高清，平均为 7 Mbps。下载大小 = 50MB，节省 71%
F5 拥有管理 ABR 视频的工具，例如，可轻松将不受控制的 4K 点播视频（40 Mbps 数据流）的速率限制为 1080p HD（7 Mbps 数据流）。
F5 能够提供哪些帮助
-
特征检测和分类
-
差异化服务以创造新的收入流
-
在维持 QoE 的同时减少视频带宽
-
控制 TCP 和 UDP 流量以改善服务
-
简化用户分析
-
简化流量数据分析
使用可识别超过 4000 个应用特征的流量分类引擎对各种应用进行检测和分类。使用特制的机器学习算法，准确识别视频流的分辨率和来源，以及许多其他标准。
根据用户资料定制服务，以基于时间、分辨率、高峰使用情况或其他选项对服务进行货币化。例如，限制视频流的速率以管理峰值拥塞，或在达到一定下载阈值后限制大视频用户的高清流。
手机用户无需 1080p 的高清分辨率（5 Mbps 的数据流），因此可对手机流量进行速率调整，例如，最大可调整为 720p 的高清分辨率。根据您创建的策略，对 OTT 高清视频流进行速率调整，以减少带宽。
根据流量分类应用带宽控制策略，既能限制 TCP 视频流量的速率，又能加快 YouTube 和 Hulu 等快速增长的 Quick UDP Internet Connections (QUIC) 视频流量的速率。BIG-IP 策略执行管理器 (PEM) 让这一切变得简单。
基于用户信息（如 IP 地址和用户名）创建策略，将其与应用流关联，并根据用户、应用或其他标准来应用细粒度策略。
导出详细的统计数据，并生成有关用户和应用流的细粒度报告。例如，获取每个会话和每个应用级别的活动数据，以及事件驱动且基于流的记录。
资源
专题
下一步
