自适性流 (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，以最大程度降低网络 CapEx 和 OpEx、确定新服务、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。
F5 能够提供哪些帮助
ABR 视频检测和控制可节省高达 71% 的带宽。
F5 拥有管理 ABR 视频的工具，从而易于将不受控制的 4K 点播视频（40 Mbps 流）的速率限制为 1080p 高清（7 Mbps 流）。
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%
详细了解 F5 解决方案
特征检测和分类
通过流量分类引擎对各种应用进行检测和分类，该引擎可识别超过 4000 个应用签名。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。
在维持 QoE 的同时减少视频带宽
手机用户无需 1080p 的高清分辨率（5 Mbps 流），因此可将手机流量的速率控制在最高 720p 高清。根据您创建的策略，对 OTT 高清视频流进行速率控制，以减少带宽。
简化用户分析
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。
差异化服务以创造新的收入流
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，限制视频流速率，以管理高峰拥堵情况，或在某些下载阈值后限制大量视频用户的高清流。
控制 TCP 和 UDP 流量以改善服务
根据流量分类应用带宽控制策略，以限制 TCP 视频流量和控制快速增长的快速 UDP 互联网连接 (QUIC) 视频流量（如 YouTube 和 Hulu）的速率。BIG-IP Policy Enforcement Manager (PEM) 让这一切变得简单。
简化流量数据分析
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。
