Netflix는 AV1 필름 그레인 합성(FGS)을 대규모로 도입하여 스트리밍 화질을 크게 향상시키고 있습니다. FGS는 필름 그레인의 예술적 의도를 유지하면서 비트 전송률을 대폭 줄입니다. 압축 전에 필름 그레인을 분리하고 모델링한 다음 재생 시 재구성함으로써 Netflix는 더 적은 데이터로 고품질 비디오를 제공합니다. 이를 통해 수백만 명의 시청자의 시청 경험이 향상되고, 대역폭 소비 감소와 함께 더욱 선명한 영상을 제공합니다. 이 기술은 현재 다양한 Netflix 타이틀에서 사용할 수 있습니다.
더 보기
넷플릭스의 콘텐츠 제공 급증(영화, 시리즈, 게임, 라이브 이벤트, 광고 등)으로 인해 이를 지원하는 시스템의 복잡성이 급격히 증가했습니다. 중복된 모델, 불일치하는 용어, 데이터 품질 문제를 해결하기 위해 넷플릭스는 통합 데이터 아키텍처(UDA)를 구축했습니다. UDA는 팀이 모델을 한 번 정의하고 모든 시스템에서 일관되게 재사용할 수 있도록 하는 지식 그래프입니다. 내부 메타 모델인 Upper를 활용하여 UDA는 도메인 모델을 다양한 기술적 데이터 구조(GraphQL, Avro, SQL 등)로 변환하고 컨테이너 간의 데이터 이동과 변환을 자동화합니다. 이를 통해 효율성과 데이터 일관성이 향상됩니다. 주요 데이터 관리(PDM) 및 Sphere라는 두 가지 프로덕션 시스템이 UDA의 기능을 입증하며, 각각 권위 있는 참조 데이터 관리 및 셀프 서비스 운영 보고를 제공합니다.
더 보기
Netflix는 이전에 eBPF를 사용하여 TCP 플로우 로그를 수집했지만 IP 주소 속성 문제로 인해 데이터의 신뢰성이 저하되었습니다. 초기 접근 방식은 Sonar 서비스에 의존했지만 지연 및 부정확성 문제가 있었습니다. 이를 해결하기 위해 Netflix는 속성 지정 방법을 재설계했습니다. 로컬 IP 주소의 경우 EC2 인스턴스 인증서 또는 IPMan 서비스와 eBPF 맵을 사용하여 컨테이너 워크로드를 처리합니다. 원격 IP 주소의 경우 FlowCollector가 플로우 로그를 수집하고 타임스탬프와 로컬 IP 주소 속성 정보를 사용하여 원격 IP 주소의 소유권을 추론합니다. Kafka 기반 메커니즘을 통해 노드 간에 데이터가 공유되므로 리전 분할 및 관련 없는 워크로드의 IP 주소 속성이 처리됩니다. 마지막으로 Zuul 서비스를 사용한 검증을 통해 새로운 방법이 잘못된 속성 지정을 효과적으로 제거하고 eBPF 플로우 로그가 신뢰할 수 있는 네트워크 인사이트를 제공한다는 것을 보여주었습니다.
더 보기
넷플릭스는 영화 및 TV 프로그램 제작에서 복잡한 미디어 관리 문제를 해결하기 위해 미디어 프로덕션 스위트(MPS)를 개발했습니다. 하이브리드 클라우드 인프라를 활용한 MPS는 푸티지 수집, 미디어 라이브러리, 데일리 워크플로우, 원격 워크스테이션 등의 도구를 제공하여 워크플로우를 간소화하고 효율성을 높이며 글로벌 협업을 촉진합니다. 브라질 시리즈 'Senna'와 같은 프로덕션과의 파트너십 및 오픈 스탠다드 채택을 통해 넷플릭스는 MPS가 효율성을 높이고 비용을 절감하며 전 세계 영화 제작자에게 고급 제작 도구에 대한 접근을 민주화할 가능성을 입증했습니다.
더 보기