自适应比特率流 (ABR) 视频流量管理
通过机器学习支持的细粒度策略控制和特征检测来管理 ABR 视频流量。
视频流量管理为何如此重要
到2025年，视频流量将占所有网络流量的76%。 智能地管理它以最小化网络资本支出和运营支出，识别新服务，提高每用户平均收入（ARPU）。 通过 ABR 视频流，客户端设备可以根据当前网络状况和设备功能选择适当的比特率。
节省高达 71% 的带宽
图 1： 不受控制的 4K（2160p）视频流平均为 40 Mbps。 下载大小 = 174 MB
图 2： 相同的流，速率限制为 1080p HD，平均为 7 Mbps。 下载大小 = 50 MB，节省 71%
F5 具有管理 ABR 视频的工具，例如，可以轻松地将不受控制的 4K 点播视频（40 Mbps 流）的速率限制为 1080p HD（7 Mbps 流）。
F5 如何提供帮助
-
特征检测和分类
-
提供差异化服务，创造新收入来源
-
减少视频带宽，同时保持 QoE
-
控制 TCP 和 UDP 流量以改善服务
-
简化订阅者分析
-
简化交通数据分析
使用可识别超过 4,000 个应用签名的流量分类引擎检测和分类各种应用。 使用专门构建的机器学习算法准确识别视频流分辨率和来源以及许多其他标准。
根据用户资料定制服务，以根据时间、分辨率、峰值使用量或其他选项将服务货币化。 例如，限制视频流的速率来管理峰值拥塞，或者在达到某些下载阈值之后限制重度视频用户的高清流。
手机用户不需要 1080p 高清分辨率（5 Mbps 流），因此请将手机流量限制为最高 720p 高清。根据您创建的策略，限制 OTT 高清视频流以减少带宽。
根据流量分类应用带宽控制策略，以限制 TCP 视频流量的速率，并限制快速增长的快速 UDP 互联网连接 (QUIC) 视频流量，例如 YouTube 和 Hulu。 BIG-IP 策略执行管理器 (PEM) 使这一切变得简单。
根据订阅者信息（例如 IP 地址和用户名）创建策略，将其与应用流关联起来，并根据订阅者、应用或其他标准应用细粒度的策略。
导出详细的统计数据并生成有关订阅者和应用流的详细报告。 例如，获取每个会话和每个应用程序级别的活动数据，以及事件驱动的基于流的记录。
