针对高质量流媒体的脸书视频流行度预测

流视频算法动态地在视频的不同版本之间进行选择，以提供最高质量的视频版本，无需通过客户端的连接进行缓冲即可观看。为了提高观众的质量，支持视频服务可以生成更多和/或更好的版本，但需要大量的计算开销。以最密集的方式处理上传到Facebook的所有视频需要一个超大的集群。然而，脸书的视频受欢迎度分布高度扭曲，对抽样视频的分析显示，其中1%的视频占用户总观看时间的83%。因此，如果我们能够预测视频的未来流行程度，我们就可以将重点放在那些能够提高大多数观看时间质量的视频上。

为了应对这一挑战，我们设计了CHESS，这是第一个可扩展且准确的流行预测算法。CHESS是可扩展的，因为与最先进的方法不同，它只需要每个视频的恒定空间，从而能够处理Facebook的视频工作量。CHESS之所以准确，是因为它在一个统一的在线学习框架中结合了历史访问模式和社交信号，从而提供了卓越的预测。我们已经建立了一个视频预测服务CHESSVPS，使用我们的新算法，该算法只需四台机器就可以处理脸书的工作量。我们发现，对CHESSVPS预测的流行视频进行重新编码，可以使更高比例的总用户观看时间从密集编码中受益，并且比最近的试探性生产方法的开销更少，例如，80%的观看时间需要三分之一的开销。