共计 5224 个字符，预计需要花费 14 分钟才能阅读完成。
吃灰的腾讯云服务器可以再利用
简述
因为我的一个课程网站的视频需要对 MP4、MKV、AVI 等格式的视频转码切片成 TS 格式，HLS 格式天然适合流媒体传输，相较于 MP4 文件，视频经过转码切片成为 m3u8、ts 文件之后，用户在拖拽进度条以及观看时只会下载之后的几个小文件，最常见的切片方式是 5 秒一个 ts 文件。当一个用户打开 MP4 链接进行播放时会短时间下载大量后续内容（可能达到几分钟的时长甚至更高），而如果是 m3u8 链接则顶多会下载后续四五个 ts 文件，对于中长视频平台来说，hls 协议是有效利用服务器带宽的方式。
正好最近 618，腾讯云很多服务都有优惠活动。不考虑云厂商提供的转码服务，服务器转码对于我来说主要有两种方案：
第一种：CVM 的 CPU 转码，这个需要消耗大量 CPU 算力，而众所周知各大云厂商的 CPU 核心价格是多么离谱，正价买根本买不起。不考虑。
第二种：GPU 服务器转码 + 轻量服务器存储。虽然 GPU 服务器单价比 CVM 服务器贵的不止一点两点，但是正好 GPU 服务器有自由卡，小项目用用足够了，而且很便宜。
[腾讯云 618 抢购会场](https://curl.qcloud.com/8ROUqACx)，服务器低至 18 元起，买一台赠一台。CDN 流量包 6.18 元 100GB（0.06 元 /GB）。
[腾讯云老用户续费专区](https://curl.qcloud.com/bYRNmbn8)，CVM 续费最低 3 折起，轻量服务器续费最低 3.5 折起，轻量服务器 - 境外续费最低 6 折起。
## GPU 服务器购买及驱动安装
GPU 我们选择的是腾讯云的 GPU 计算型 GN7，8C32G, 内网带宽可达 3Gbps，GPU 为 1 颗 NVIDIA T4, 这里建议先去购买 GPU 自由卡，最低 8.8 元可得 200 元 GPU 现金卷用来抵扣 GPU 服务器费用（按量付费及竞价实例）
[GPU 自由卡](https://curl.qcloud.com/Z7eUMIb1)
购买后请注意现金卷的有效期。
配置：
GPU 计算型 GN7
我们在选择腾讯云 GPU 实例时可以直接选择开机后安装显卡驱动。
我这里选择的是 Ubuntu 20.04，驱动选择的是支持自动安装的最新版本
带宽可以选择按流量计费，毕竟我们选择的是竞价实例，用的时候再开机配置一下就行。然后将视频转码完成之后就需要将数据通过内网传输到同地域的 CVM 服务器 /COS/ 轻量服务器中，下载流量也不收费，数据交换以及 SSH 产生的上传流量费用就几乎可以忽略不计了。
如果是通过 CVM 或者轻量服务器来存储数据的话，我们本机上也可以不用考虑额外的数据盘。
只要存储服务器上有足够的硬盘容量即可。
PS: 购买后可以先在控制台查看一下服务器的 CPU 或者是流量使用情况，等 GPU 驱动安装完成之后再登陆进行下一步操作即可。
顺便装上 cuda 工具
安装完成之后查看一下版本信息
“`
apt install nvidia-cuda-toolkit
nvcc –version
“`
## 安装 ffmpeg
想要 ffmpeg 能够利用显卡来加速压制编码就需要自定义安装。可以事先想好自己需要什么库然后配置好之后再编译。
先安装 ffnvcodec
- mkdir ~/nvidia && cd ~/nvidia/
- git clone https://git.videolan.org/git/ffmpeg/nv-codec-headers.git
- cd nv-codec-headers && make install
复制代码
然后下载 ffmpeg 源码
ffmpeg 可以从官网下载或者从 GitHub 上下载
- cd ~/nvidia/
-
- # 官网
- git clone https://git.ffmpeg.org/ffmpeg.git ffmpeg/
-
- #Github
- git clone https://github.com/FFmpeg/FFmpeg.git ffmpeg/
-
- #Gitee 国内源，不是最新的版本
- git clone https://gitee.com/mirrors/ffmpeg.git ffmpeg/
复制代码
安装依赖
- apt install build-essential yasm cmake libtool libc6 libc6-dev unzip wget libnuma1 libnuma-dev
复制代码
配置 ffmpeg 以及开启 NVIDIA GPU 硬件加速功能
- cd ~/nvidia/ffmpeg/
-
- ./configure –enable-nonfree –enable-cuda-nvcc –enable-libnpp –extra-cflags=-I/usr/local/cuda/include –extra-ldflags=-L/usr/local/cuda/lib64 –prefix=/usr –extra-version=3ubuntu5 –toolchain=hardened –libdir=/usr/lib/x86_64-linux-gnu –incdir=/usr/include/x86_64-linux-gnu –arch=amd64 –enable-gpl –disable-stripping –enable-gnutls –enable-ladspa –enable-libaom –enable-libass –enable-libbluray –enable-libbs2b –enable-libcaca –enable-libcdio –enable-libcodec2 –enable-libdav1d –enable-libflite –enable-libfontconfig –enable-libfreetype –enable-libfribidi –enable-libgme –enable-libgsm –enable-libjack –enable-libmp3lame –enable-libmysofa –enable-libopenjpeg –enable-libopenmpt –enable-libopus –enable-libpulse –enable-librabbitmq –enable-librubberband –enable-libshine –enable-libsnappy –enable-libsoxr –enable-libspeex –enable-libsrt –enable-libssh –enable-libtheora –enable-libtwolame –enable-libvidstab –enable-libvorbis –enable-libvpx –enable-libwebp –enable-libx265 –enable-libxml2 –enable-libxvid –enable-libzimg –enable-libzmq –enable-libzvbi –enable-lv2 –enable-omx –enable-openal –enable-opencl –enable-opengl –enable-sdl2 –enable-pocketsphinx –enable-librsvg –enable-libmfx –enable-libdc1394 –enable-libdrm –enable-libiec61883 –enable-chromaprint –enable-frei0r –enable-libx264 –enable-shared
复制代码
你可以根据自己的需求进行配置，如果只需要 GPU 支持只需要前面几项就行，到 –extra-ldflags=-L/usr/local/cuda/lib64 (含)
编译
查看 ffmpeg 是否配置编译成功
## 使用 NVIDIA GPU 加速
使用 ffmpeg 的时候只需要加上 `-hwaccel cuda` 这个参数即可
比如将一个 MKV 视频文件转成 X264 编码的 MP4 文件
- ./ffmpeg -hwaccel cuda -i input.mkv -c:v h264 output.mp4 #开启 GPU 加速
复制代码
CPU 转码
cuda 加速效果
速度加快了 9.6 倍，相当的快了，可以极大减少视频转码的时间
FFMPEG 转码相关可以看我以往的文章。这里仅仅对 CPU 以及 GPU 转码速度对比。
1、[ffmpeg 一行代码给视频 添加文字水印，图片水印，定时水印](https://2demo.top/348.html)
2、[ffmpeg 多分辨率切片](https://2demo.top/335.html)
3、[ffmpeg MP4 高清视频压制参数 H.264 格式，文件大小只需 50%](https://2demo.top/340.html)
4、[ffmpeg 快速无损合并两个视频文件 bash 脚本](https://2demo.top/175.html)
数据存储
由于我们使用的是 GPU 竞价模式，有可能会被收回实例，而且我们也不需要一直开着实例，只要有需求的时候再开实例即可，配置完之后也可以对实例进行快照制作自定义镜像，这样下次我们再次创建实例的时候就不需要进行其他配置了。因此我们需要保证数据在其他服务器上或者是转码完成之后上传到 COS 之中。这样就能用一台 CVM/ 轻量服务器 /COS + 竞价 GPU 实例达成一个廉价的 GPU 实例的效果了。
我主要使用 CVM/ 轻量服务器（下面称之为存储端），COS 可玩性不高，无非就是转码完成之后上传到 COS 之中即可，不过多介绍。注意 CVM/ 轻量服务器都需要和 GPU 服务器在同一地域，这样才能做到内网互通。轻量服务器需要用到内网互联，直接在轻量服务器后台点内网互联，然后再关联一下 CVM 的 VPC 即可。
安装 sshfs
sshfs 是 linux 下一款十分好用的文件系统客户端。大部分情况下不需要任何配置就可以直接将一台 linux 服务器的文件夹挂载至另一台服务器上。需要注意的是 sshfs 在数据传输的过程之中需要对数据加密解密，所以会占用部分 CPU 性能，存储端也不建议使用太低的配置。建议 2C 以上，由于硬盘读写速度的限制以及 GPU 转码速度的限制，2C 6133 的 CPU 性能是足够的。
挂载远程文件系统
对于要挂载的远程目录，ssh 用户需要能够访问它。使用形式
- sshfs [[email protected]]host:[remote_directory] mountpoint [options]
- # 假设存储端的内网 IP 为 10.0.1.3，存储端数据存放在 /home/ffmpeg，要挂载到 GPU 服务器的 /root/ffmpeg 上。
- sshfs [email protected]:/home/ffmpeg /root/ffmpeg
复制代码
|
网友回复：
注册 ： 完全没有必要用腾讯云，直接甲骨文 ARM 足够了，不够的话多申请(买) 几个甲骨文也够了
2life.top： 感谢分享。
chxin： 感谢分享
BGL： mark 帮顶
山本大意失仙人： 感谢分享
Unique： 暂时用不上，不过还是感谢分享
a692830： 最近也需要 GPU，但是我刚刚算了下，你讲的 GPU，我按最低价格 GN7vw 的 0.49/h，200 元免费券，也就是这 200 块大概也就能用 17 天。我感觉 colab pro 会更好，一个月 60 多 rmb，虽然不是全天都能用，但是真的够便宜，而且 colab 是免费的
叫我 ams 就好了： ARM 转码？那得等到天荒地老了，主要是甲骨文容易翻车啊。我这转码之后可以直接怼到云硬盘和 COS 里，我现在 6 台轻量挂着同一块云硬盘，静态文件分发很舒服。流量也够用
Faxlok： 真是真的雕 麻花腾面临肿大危机
注册： 感谢 插个眼
注册： colab 也的确便宜，不过我这套方案也是临时用的，200 块代金券我是用不完的，而且数据方面我这转码之后直接就能用了，十分舒服，colab 还得占用 GD 空间，没办法直接给国内用户。海外客户群体搞个 colab+GD 目录就够了
zzzzzsa： 这腾讯云着实给你玩明白了
2life.top： 在理
没有的： 嘻嘻，什么叫做变废为宝啊
Faxlok： 来个 ffmpeg.exe win 的编译教程
2life.top： 4 核 Arm 还行吧，2500k 码率 1080p 大概 0.5-0.7x 速度，好在我有 5 台还行吧, 最主要的是免费啊，你这一个月要花不少钱啊
1121744186： 只能爽一个月吗，之后咋办
chxin： colab 只能临时用用吧，长时间开着下载 / 上传速度就会被莫名奇妙的限制，转码速度大概 8x-30x 不等，前期挺快的，后期就只有 k80（8-10x 速度）可用，而且你开 1 - 2 小时就会给你强行断开了，之前一个月转码了 1500+ 个共 6T 文件，60 块钱要啥自行车
cyberspace： 这么好的帖子一定要收藏，多谢楼主分享
注册： 看不懂，但是很受震撼
注册： 我就是嫌弃转码速度太慢了，不然我直接上轻量分布式转码都行。
