大多數人都知道，統一通信（UC）正在普及，并在企業(yè)中推動視頻采用。但是，在企業(yè)內部和企業(yè)之間傳輸視頻流量往往受到技術不兼容性的阻礙。增加移動性和帶來自己的設備（BYOD）的需求，情況變得更加復雜。必須發(fā)生的一件事是，“視頻互通和轉碼”需要與視頻采用一致。
當我研究這種需求時，我將首先回顧一下我們從采用IP語音（VoIP）中學到的幾個關鍵課程：
- 歷史上VoIP互通和代碼轉換是由高度專業(yè)化的硬件在低規(guī)模執(zhí)行的。向上擴大通常意味著具有相似密度的更多硬件。雖然創(chuàng)新導致密度增加，但并沒有改變專用硬件的使用
- 隨著VoIP進入虛擬，云部署，使用CPU進行音頻轉碼，無法證明它將以合理的成本點進行真正的擴展。需要一個新的模型來有效和高效地提供VoIP互通和轉碼
- 這個新模式要求使用GPU。如先前的博客（云中的媒體轉碼 - GPU性能評估）所討論的，我們已經展示了如何使用更少的硬件，更少的功耗和更少的機架空間來縮放音頻轉碼。
我看到一個類似的視頻轉碼演進路徑，其中使用GPU能夠實現高效的縮放，從而實現顯著的性能與成本效益。
從我們的實驗室測試中，下表1顯示了使用雙插槽20核CPU解決方案* vs NVIDIA的（4）卡M60解決方案的H.264 < - > H.264視頻轉碼的一些比較數字。
表1.使用CPU和GPU進行視頻轉碼的比較會話次數
從表1可以看出，GPU的使用根據轉碼類型提高了5x-12x的性能，估計為5倍的增量成本�；谵D碼類型或規(guī)模要求，GPU的使用與CPU相當或更具吸引力。
但這里是最好的部分。在通用GPU解決方案中處理音頻和視頻轉碼時，可以實現總體性能和引人注目的密度。為了看這個，我們將CPU配置升到雙插槽36核心解決方案*，用于視頻和音頻轉碼。
從表2開始，您只能看到AMR-WB < - > G.711音頻轉碼的比較。
表2.使用CPU與GPU進行音頻轉碼的比較會話次數
使用GPU，我們看到可以處理的音頻會話數量幾乎增加了6倍，估計成本增加了4倍。這清楚地表明GPU對音頻轉碼的規(guī)模和性能增加了實質價值。
表3顯示了將視頻和音頻轉碼在一起的總體結果。
表3.使用CPU與GPU進行視頻和音頻轉碼的比較會話次數
如表3所示，當在CPU上進行組合轉碼時，音頻轉碼部分下降50％，而使用GPU時，該減少僅為約6％。在四個代碼轉換場景中的三個中，使用通用GPU投資可以實現音頻和視頻轉碼的10倍以上的性能提升。通過這樣的結果，GPU顯然是為安全的互通和轉碼提供規(guī)模和性能的正確答案。
作為一家專注于實時通信安全互通和轉碼的公司，在過去的20年中，我知道我們的理想位置是使GPU能夠提供更優(yōu)化的客戶體驗，并確保音頻和視頻互動和轉碼，在我們客戶的虛擬云網絡中。
