Netflix 设备能力建模：用数据驱动功能投放决策

由 阿尔蒂·拉达、理查德·迪亚兹-酷、里希卡·伊德纳尼、文卡特什·塞尔维拉杰 提供

Netflix 拥有丰富且不断演进的各类功能与内容，从 4K 流媒体和沉浸式音效，到直播流媒体和云游戏，覆盖了多元化的设备生态系统。

然而，并非所有设备都是一样的。硬件限制，例如可用内存、CPU 核心数、显示能力或平台支持等因素，意味着某些功能在特定的设备型号上可能无法得到支持。

为了确保用户获得最佳的使用体验，我们深入理解每款设备的能力。我们投入大量资源，构建了全面的设备能力数据模型，并将内部系统的功能标志进行整合，为在全球范围内实现更智能、更精细的功能管理铺平了道路。

这一方法有助于我们识别功能普及过程中的瓶颈，并加速创新步伐。

我们精心设计了数据存储与建模策略，以高效支持大规模分析。我们采用累积表来处理设备各项能力的相关信息。该表结构合理，能够高效地捕捉每台设备的最新状态及其所关联的能力（如屏幕分辨率、视频格式支持、环绕声、内存大小等），因此非常适合用于分析与报表生成等应用场景。

{
"屏幕高度": ["720"],
"屏幕宽度": ["1280"],
"视频格式": 
[
"playready",
"hevc",
],
}

对于聚合分析，我们利用了一个直方图表，该表记录了过去 28 天内各设备的活跃数量，并按设备型号和软件版本进行了细分。此外，该表还记录了支持特定功能的设备数量，从而实现了对设备分布情况的细致分析。

直方图数据的一个典型应用场景，是用于分析连接至流媒体棒的外部显示能力的分布情况。例如，下图所示的直方图显示，在总设备数量中，全部设备均支持 HD 格式（playready），而仅 20% 的设备支持 UHD 格式（hevc）。

{
"视频格式": {
 "playready": 100%, # HD 格式
 "hevc": 20% # UHD 格式
}
}

我们打造了多种分析产品，充分利用这些数据集，为功能覆盖范围提供全面的洞察，例如 4K 超高清、Netflix 空间音频、云游戏以及最新的 UI。

通过依赖数据驱动的洞察，我们可以基于充分的考量，做出明智的决策：在特定设备上启用哪些功能，从而兼顾性能与可靠性。

用于分析的建模设备能力 最初发表于 Medium 上的 Netflix 技术博客，目前读者们仍在继续围绕这一故事展开讨论，并纷纷提出见解、作出回应。