Skip to content

UNIQ: چگونه وایب‌کدینگ به خط مونتاژ پردازش ویدئو تبدیل شد

8 دقیقه مطالعه
UNIQ: Как вайбкодинг превратился в конвейер обработки видео — illustration 1

در دنیایی که محتوای ویروسی حرف اول را می‌زند، هر تولیدکننده ویدیو تلاش می‌کند تا شانس موفقیت ویدیوی خود را به حداکثر برساند. اما اگر بتوان به یک ویدیوی از پیش ضبط شده شانس بیشتری برای ویروسی شدن داد، بدون نیاز به ویرایش دستی خسته‌کننده هر نسخه، چه؟ دقیقاً با همین ایده بود که مسیر سرویس UNIQ آغاز شد، سرویسی که «وایب‌کدینگ» را به یک خط تولید کارآمد برای پردازش ویدیو تبدیل کرد.

از ایده تا محصول: آغاز مسیر UNIQ

همه چیز با یک درخواست ساده شروع شد: چگونه می‌توان به یک ویدیوی از پیش ضبط شده شانس بیشتری برای ویروسی شدن داد بدون ویرایش دستی هر نسخه؟ دوست من، که به طور فعال ویدیوهای کوتاه منتشر می‌کند، راه حلی پیدا کرد که به سرویس UNIQ تبدیل شد. ایده ساده است: ویدیو را ارسال می‌کنید، تعداد نسخه‌ها (یک، پنج یا ده) را انتخاب می‌کنید، و در عوض فایل‌های آماده برای انتشار در Reels، Shorts یا TikTok را دریافت می‌کنید. بدون ویرایشگر، بدون دردسر با هر کپی.

در ابتدا، UNIQ یک ربات تلگرام فعال بود که می‌توانست ویدیوها را با استفاده از FFmpeg پردازش کند، پارامترهای فریم، سرعت، رنگ، صدا را تغییر داده و افکت اضافه کند. تلگرام به عنوان یک رابط کاربری راحت عمل می‌کرد: ویدیو را ارسال می‌کردید – فایل‌ها را دریافت می‌کردید. محصول وجود داشت، کد وجود داشت، اما سوال سرور باقی مانده بود. ایده را «دادن شانس دوم به یک ویدیوی خوب» نامیدند.

اولین موانع: از ربات محلی تا راه‌حل‌های سرور

نمونه اولیه، که با کمک هوش مصنوعی ساخته شده بود (دوست من برنامه‌نویس نیست، اما توانست ایده را به یک وضعیت کاری برساند)، از Python، FFmpeg و SQLite استفاده می‌کرد. برای بررسی مفهوم، این راحت بود: روی مک خود اجرا می‌کردید، ویدیو را ارسال می‌کردید، یک کپی دریافت می‌کردید. اما به محض اینکه اولین کاربران ظاهر شدند، مشکلات شروع به بروز کردند:

  • کمبود فضا: «فضای کافی در سرور وجود ندارد. بعداً امتحان کنید.» مک من به سرعت منابعش تمام شد.
  • فرآیندهای موازی: کاربر دومی که در تست ظاهر شد، «وایب‌کدینگ» را خراب کرد. اقدامات او نباید منتظر پایان سفارشات دیگران می‌ماند.

این امر نیاز به بازنگری در معماری داشت. واضح بود که برای مقیاس‌پذیری و عملکرد پایدار، زیرساخت سرور جدی لازم است. امروز UNIQ روی شش VPS کار می‌کند، با پنل مدیریت اختصاصی برای پردازش، پایگاه داده، نظارت و به‌روزرسانی‌ها. ربات را می‌توانید در آدرس زیر پیدا کنید: @uniqvideobot.

حل مشکل فضای دیسک و منابع

برای پردازش فایل‌های بزرگ، ما Local Bot API خود را راه‌اندازی کردیم. هر سفارش اکنون شامل فایل منبع، فایل‌های موقت و کپی‌های آماده بود. بودجه دیسک و پاکسازی را اضافه کردیم تا اطمینان حاصل شود که فایل جا می‌شود، با موفقیت پردازش می‌شود و فضا را آزاد می‌کند. هوش مصنوعی به ما کمک کرد تا کد را به سرعت تکمیل کنیم، و ما آن را در سناریوهای واقعی آزمایش کردیم.

چگونه کاربر دوم همه چیز را تغییر داد: انتقال از وایب‌کدینگ به ساختار

کاربر دومی که شروع به تعامل فعال با ربات کرد، یک مشکل کلیدی را آشکار کرد: مسدود شدن. هنگامی که FFmpeg ویدیوی یک کاربر را پردازش می‌کرد، کاربر دیگر نمی‌توانست سفارش خود را شروع کند. این امر منجر به نیاز به موارد زیر شد:

  • فهمیدن اینکه چه کسی چه کسی را مسدود می‌کند.
  • تعیین اینکه وضعیت فرآیندها در کجا ذخیره می‌شود.
  • مشخص کردن اینکه چه چیزی را می‌توان به صورت موازی اجرا کرد.

به جای بازنویسی کامل به Go، که مشکل مسدود شدن کلی را حل نمی‌کرد، ما انتظار شبکه، درخواست‌های پایگاه داده و کدگذاری را از هم جدا کردیم. اینگونه بود که صف وظایف ایجاد شد.

پایگاه‌های داده و تحمل خطا: از SQLite به PostgreSQL

در ابتدا از SQLite استفاده می‌شد که برای نمونه اولیه راحت بود. با این حال، برای کار با صف‌ها، تراکنش‌های همزمان و توزیع وظایف بین VPS‌های مختلف، کافی نبود. ما به PostgreSQL مهاجرت کردیم که موارد زیر را ارائه داد:

  • پایگاه داده مشترک.
  • تراکنش‌های همزمان.
  • قفل کردن سطرها.

این امر تضمین می‌کرد که دو پردازشگر یک سفارش را برنمی‌دارند و فشار دادن مجدد منجر به رزرو دوبرابر وجوه نمی‌شود. SQLite برای موجودی داخلی در پنل مدیریت باقی ماند.

مدیریت چرخه عمر سفارش: Lease، توکن‌ها و چک‌پوینت‌ها

برای اطمینان از قابلیت اطمینان پردازش سفارش، به ویژه در صورت خرابی، سیستم «مدت مالکیت» (lease) پیاده‌سازی شد:

«تا زمانی که A زنده است، اجاره را تمدید می‌کند. مهلت تمام شد – سفارش را B می‌تواند بردارد.»

این به یک پردازشگر دیگر (B) اجازه می‌دهد تا وظیفه را بر عهده بگیرد اگر اولی (A) گیر کرده باشد. برای جلوگیری از تداخل از موارد زیر استفاده می‌شود:

  • توکن‌های مالک: هر رکورد وضعیت توکن را بررسی می‌کند تا A بیدار شده نتواند سفارشی را که B در حال پردازش آن است، تغییر دهد.
  • چک‌پوینت‌ها (checkpoint): نقاط ادامه ذخیره شده که به پردازشگر B اجازه می‌دهد کار را نه از صفر، بلکه از جایی که A متوقف شده است، شروع کند.
  • رسیدها (Receipts): محافظت در برابر تغییر مجدد سفارش در صورت از دست دادن پاسخ API.

حتی لغو سفارش نیز به یک فرآیند پیچیده تبدیل شد که نیاز به توقف کدگذاری، انتظار برای فرآیندهای فرزند و عملیات فایل پس‌زمینه، قبل از بستن کار و حذف پوشه داشت.

UNIQ: چگونه وایب‌کدینگ به خط تولید پردازش ویدئو تبدیل شد — illustration 2

بهینه‌سازی عملکرد: S3، PgBouncer و Long Polling

در ابتدا، پردازش رایگان بود، اما برای کسب درآمد موارد زیر لازم شد:

  • سکه های اولیه.
  • سیستم ارجاع.
  • اعتبارات و خریدهای دستی.

هر اعتبار به صورت یک دسته جداگانه با تاریخ انقضای خاص خود ذخیره می‌شود. اگر کاربر یک سفارش پرداخت شده را لغو کند، سکه‌ها به دسته اصلی خود با تاریخ انقضای اولیه بازگردانده می‌شوند، و کیف پول «جوان‌تر» نمی‌شود. این کار از سوءاستفاده جلوگیری کرده و ثبات مالی را تضمین می‌کند.

مثال: کاربر 50 سکه دارد، یک کپی 4 سکه هزینه دارد. 5 کپی سفارش می‌دهد (20 سکه رزرو می‌شود). 3 کپی را لغو می‌کند. 8 سکه برای کپی‌های آماده کسر می‌شود، 12 سکه از رزرو آزاد می‌شود. نتیجه: 42 سکه در دسترس، تاریخ انقضای سکه‌های بازگردانده شده ثابت می‌ماند.

برای پردازش پرداخت‌ها، Telegram Stars، ЮKassa و GetPlatinum با رمزگذاری اطلاعات پرداخت و حسابداری جداگانه ارزها یکپارچه شده‌اند.

بهینه‌سازی عملکرد: S3، PgBouncer و Long Polling

با افزایش بار، گلوگاه‌های جدیدی آشکار شدند:

  • وابستگی ویدئو به پوشه محلی: برای مقیاس‌پذیری، ویدئوها به S3 منتقل شدند و فقط کلیدها، اندازه‌ها و SHA-256 در PostgreSQL ذخیره شدند.
  • اتصالات به پایگاه داده: برای جلوگیری از اتصالات متعدد به PostgreSQL برای هر مشتری، PgBouncer پیاده‌سازی شد که اتصالات را مدیریت می‌کند.
  • نظرسنجی مداوم صف: برای کاهش بار روی پایگاه داده هنگام بررسی صف، long polling پیاده‌سازی شد. درخواست HTTP منتظر کار می‌ماند، بدون اینکه اتصال SQL را نگه دارد.

جداسازی کدگذاری و تحویل

در ابتدا، ربات تمام کپی‌ها را آماده می‌کرد و سپس همه را یکجا ارسال می‌کرد. این امر منجر به تأخیر می‌شد، زیرا اولین کپی آماده منتظر بقیه می‌ماند. ما کدگذاری و تحویل را جدا کردیم: worker یک کپی و یک نقطه بازرسی را منتشر می‌کند، گیت‌وی بلافاصله آن را ارسال می‌کند. این کار زمان انتظار کاربر را به طور قابل توجهی کاهش داد. به عنوان مثال، در پردازش پنج کپی، اولین کپی 131 ثانیه زودتر از آماده شدن کل سفارش ارسال شد.

سوالات متداول

UNIQ چیست؟

UNIQ یک سرویس مبتنی بر ربات تلگرام است که به شما امکان می‌دهد به طور خودکار چندین نسخه از ویدئوها را برای انتشار در Reels، Shorts یا TikTok از یک فایل منبع، بدون ویرایش دستی، ایجاد کنید.

چه فناوری‌هایی در UNIQ استفاده می‌شود؟

UNIQ بر پایه Python، FFmpeg برای پردازش ویدئو، PostgreSQL برای پایگاه داده، S3 برای ذخیره‌سازی فایل‌ها و PgBouncer برای بهینه‌سازی کار با پایگاه داده است.

UNIQ چگونه تحمل خطا را تضمین می‌کند؟

تحمل خطا از طریق سیستم «مدت زمان مالکیت» (lease) برای وظایف، توکن‌های مالک، نقاط بازرسی برای از سرگیری کار پس از خرابی‌ها و رسیدها برای محافظت در برابر عملیات تکراری حاصل می‌شود.

آیا می‌توان 20 کلیپ از یک استریم را از طریق UNIQ سفارش داد؟

در حال حاضر، این سرویس انتخاب 1، 5 یا 10 نسخه از ویدئو را ارائه می‌دهد. امکان برش انبوه 100+ کلیپ یا 20 کلیپ از یک استریم ممکن است در آینده، بر اساس نیازهای کاربران، پیاده‌سازی شود.

برش ویدئو چقدر طول می‌کشد؟

زمان برش به طول و پیچیدگی ویدئوی اصلی و همچنین تعداد کپی‌های درخواستی بستگی دارد. به لطف جداسازی کدگذاری و تحویل، اولین کپی‌ها بسیار سریع‌تر از اتمام کل سفارش به کاربر تحویل داده می‌شوند.

نتیجه‌گیری: توسعه و بهینه‌سازی مداوم

مسیر UNIQ از وایب‌کدینگ تا یک سرویس پایدار، داستانی از حل مشکلات و بهینه‌سازی مداوم است. هر کاربر جدید و هر خطا کاتالیزوری برای بهبود معماری شد. ما یاد گرفتیم که فقط «سرور اضافه نکنیم»، بلکه دقیقاً بفهمیم کجا و چرا آن را اضافه کنیم. اکنون سیستم آماده مقیاس‌پذیری است و ما به کار بر روی بهبود تجربه کاربری ادامه می‌دهیم. فرآیندهای خود را بهینه کنید و به حداکثر بهره‌وری دست یابید!


← بازگشت به وبلاگ