由Google收购ON2谈起

Yu Liu — Sun, 09 Aug 2009 02:48:26 +0000

最近Google宣布, 与On2 Technologies达成最终协议，将收购这家总部位于纽约克利夫公园的视频压缩技术开发商. On2公司主要为桌面和移动应用开发先进的视频压缩、编码和潜入技术，主要产品包括视频编码VP6/VP7/VP8、Web开发平台Flix Pro、一系列Web浏览器插件Flix Publisher、服务器转码平台Flix Engine、视频内容创建库Flix DirectShow SDK，服务客户有Adobe、Skype、Sun、Brightcove、Move Networks、诺基亚、英飞凌、联发科、索尼等业界大厂，其中Flash编码工具在过去三年中分别贡献了64％、41％、27％的收入.

对于视频市场，Google早有自己的打算，当今，视频应用早已成为普罗大众每天在互联网上的最常见的应用之一，并且视频应用也是很多Google产品中重要的组成部分. 收购ON2的原因在于, YouTube带宽成本太高, ON2的视频压缩技术有助于减少任何视频所使用的带宽, 并且On2可以使Google将视频压缩软件整合到其面向手机的Android系统, 以及即将在2010年发布的面向上网本的Chrome OS系统。

不得不说, Google的野心实在是大, 曾经我们或许会对Google不断推出免费的新产品和服务的多元化经营感到疑惑, 直到Google宣布Chrome浏览器的发布, 一切疑问豁然开朗. 由最开始的Google Search, 到一鸣惊人的Gmail, Gtalk, Google Docs, Picasa…, 最后到完成战略布局的Google Chrome浏览器, 其逐步朝着能”一统江湖”的网络帝国迈进.

如今我们的网络生活可谓难以离开Google的产品与服务了, 至少对于我, 已经被Google深度套牢了, 以下的活动主导了我的网络生活: 打开Chrome浏览器, 利用Google Search进行一般搜索, 用Google Scholar进行学术搜索, 登录Gmail检查邮件了, Gtalk在线聊天, 输入法用Google拼音, 日历用Google Calendar, 在线文档编辑可以用Google Docs, 图片浏览与存储用Picasa和Picasa Web Albums, 新闻阅读用Google Reader, 网络视频用YouTube, 网络地图用Google Maps, 打VoIP电话已经可以用Google Voice了.

NVIDIA CUDA通用并行计算架构

Yu Liu — Sat, 06 Jun 2009 05:45:08 +0000

最近在学习NVIDIA的CUDA通用并行计算架构, 该架构是利用NVIDIA的GPU进行计算密集型、高度并行化的计算. 有兴趣的读者可以参见NVIDIA CUDA中文网或英文网.

在学习的过程中,该并行架构的编程原理给我的感觉还算好理解, 主要的流程就是:

Host (aka. CPU) 进行初始化程序及Host上的内存数据
Host 将其内存区上的数据拷贝到Device (aka. GPU)的内存区
执行Device上的代码 (aka. Kernal函数)进行并行计算
Device上的计算结束后,再将Device的内存区的数据拷贝回Host的内存区
Host再进行后续代码工作

因此Host与Device之间的数据传输将是一个关键点,因为这是一个相对比较耗时的操作,直接影响整个程序的性能. 如果数据传输加Device上并行执行的时间开销要大于原本只需在Host上串行执行的时间开销的话,那这个并行架构就没有任何意义了.

对于视频编解码程序而言,这个数据传输的问题相对而言并不是一个很大的问题.

对于编码器而言,由于编码的复杂度相对比较高,大部分时间都集中编码过程,因此数据传输的开销相对比例很小,而且利用CUDA的page-locked memory来实现异步并行传输方式或DMA传输方式.

对于解码器而言,由于解码器相对简单,数据传输的开销比例可能会因此变得相对较大. 幸运的是,多数解码器的直接输出为屏幕显示,即解码器的本身就需要将解码后的图像数据拷贝到显卡(Device or GPU)的内存区,因此利用CUDA编程时,从Device的内存区回拷到Host的内存区这一步骤可以省去,因此相应的数据传输的开销可以说并没有增加.

综上所述, CUDA通用并行计算架构是很适合视频编解码技术的并行算法的实现.

VIDWAV.com » 视频

由Google收购ON2谈起

NVIDIA CUDA通用并行计算架构