Mobile System Design Interview · 第 9 章Triton 覆蓋度:🟠 低Triton 線

Design a YouTube App
網路一直變,影片不能停

原書設計一個 10 億 DAU 的 YouTube 手機 client,只做「瀏覽首頁 + 播放」:REST API 用 part 參數只拿需要的欄位;播放走 HLS / DASH,用 adaptive bitrate 依網速逐段換畫質;字幕和音軌是獨立的 track;seek 縮圖用低解析度的串流;再處理記憶體、電池、網路,用智慧預取讓首頁一打開就有東西,最後加上手勢、背景播放、畫中畫。Triton 沒有寫過播放器,也沒談過 ABR、HLS / DASH、離線下載或 DRM;他講過的是「串流只用固定的 buffer」和幾個後端原則,後段只在這些地方做對照。

給文組

全程只用「家裡的水塔」:水管(網路)一直灌水,水龍頭(播放)一直用水,水塔見底就停水(轉圈圈)。一階一階爬 11 個概念;頁首標 延伸基礎 的頁是補基礎,懂的人可以跳過。

給工程師

第 4–41 頁完整講原書(7 張圖全部重繪;Figure 1、4、7 是 App 截圖、Figure 5 是 sprite sheet 範例圖,都改畫成 wireframe)。上傳、轉碼、CDN 成本在 03 第 14 章 YouTube 簡報,這裡不重講。

標籤怎麼看

📖 原書 🗣️ Triton 本人說 🔭 依 Triton 原則推論 💬 討論串回覆 📅 2026 補充

先用生活理解家裡的水塔 · 動手玩

水管一直灌、水龍頭一直用:水塔見底就停水

0.0水塔裡還有幾秒影片0停水(卡住)次數

看影片不是把整部片先搬回家,而是家裡有一個水塔:自來水(網路)一直往裡灌,水龍頭(播放)一直往外用。只要灌得比用得快,你永遠不會停水;一進隧道水管斷了,就靠水塔裡存的那幾秒撐著。

這一章的對照表

生活YouTube App(原書用語)
水塔buffer(已下載、還沒播的 segments)
水管流量網路頻寬(download speed)
水龍頭開多大畫質 = bitrate(480p、720p、1080p)
停水rebuffering,轉圈圈
自動換水龍頭大小adaptive bitrate streaming(ABR)
水塔多大buffer size,佔手機記憶體
出門前先把水桶裝滿prefetch、offline 下載

學習地圖本章的概念階梯

今天爬 11 階。每一階只用前面講過的東西。

  1. 1複習:bitrate・CDN前幾份學過
  2. 2buffer家裡的水塔
  3. 3ABR水龍頭自動變小
  4. 4記憶體上限舍監請你搬東西
  5. 5data saver月租 5 GB 怎麼省
  6. 6jitter大家錯開重打
  7. 7prefetch出門前裝好水桶
  8. 8TTL・排程保存期限、管理員
  9. 9前景/背景電視關、收音機留
  10. 10離線下載・DRM租片 7 天要還
  11. 11個人化 vs CDN報紙 vs 客製便當

第 1–3 階 · 影片怎麼流進手機

要回答:為什麼不整支下載?網速變了怎麼不卡?

第 4–6 階 · 手機的三個小氣

要回答:App 為什麼會被殺?流量電量怎麼省?斷線後怎麼重連?

第 7–9 階 · 打開就有、離開還在

要回答:首頁怎麼一打開就有?誰決定何時抓?離開 App 怎麼繼續聽?

第 10–11 階 · Triton 會追問的

要回答:離線下載怎麼存?1,000 萬人同一秒打開,後端撐得住嗎?

全程只用一座水塔:小安的通勤(虛構)

水管 = 網路水塔 = buffer水龍頭開多大 = bitrate(畫質)停水 = rebuffering出門前裝好的水桶 = prefetch、離線下載宿舍書桌 = 手機記憶體大樓管理員 = OS 的背景排程

小安每天搭捷運,看那支 9:21 的櫛瓜義大利麵影片。原書的數字照用;720p ≈ 2.5 Mbps、每段 4 秒、隧道 8 秒是示意。每爬 3 階有一頁「到這裡你已經會了」。

原書開場YouTube at scale · Figure 1

每天數十億小時的影片,七成在手機上看

這一步要解決的問題要設計的到底是什麼?先看這個 App 有多大、大家在哪裡用它。

📖 原書 Figure 1Google Play 商店截取的 YouTube 畫面(依原書內容重繪成 wireframe)

為什麼畫成 wireframe

原圖是 App 截圖,縮圖是真實的影片畫面。產品截圖和 logo 不重畫:這裡依 alt 描述畫線框,文字照原圖,logo 用灰色方塊代替。

📖 原書 設計 YouTube 手機 App 是系統架構上的大挑戰:每天有數十億小時的影片在各種裝置和網路環境中串流,要在這個規模做到無縫播放,需要仔細規劃。本章一步一步看讓它成為好的行動系統的關鍵元件。

📖 原書 YouTube 服務超過 25 億活躍使用者、超過 80 種語言;截至 2024 年初,行動裝置占總觀看時間超過 70%。所以整個設計都要優先照顧行動體驗。

原圖上有什麼

  • 狀態列「12:30」、Wi-Fi、通知、搜尋、頭像;下面是 YouTube 的 logo 和標題
  • 分類列:Explore、All、Baking、Comedy,第五個被切掉
  • 影片一:「How to: Plant Based Vegan Creamy Zucchini Spaghetti」· The Korean Vegan · 12K views · 2 months ago · 9:21
  • 影片二:「Our Story & The Future of Made With Lau」· Made with Lau · 26K views · 3 weeks ago · 8:47
  • 底部:Home、Shorts、+、Subscriptions、Library

延伸基礎第 1 階 · 複習:bitrate・CDN懂的人可以跳過

  1. 複習:bitrate・CDN
  2. buffer
  3. ABR
  4. 記憶體上限
  5. data saver
  6. jitter
  7. prefetch
  8. TTL・排程
  9. 前景/背景
  10. 離線下載・DRM
  11. 個人化 vs CDN

水塔的零件:前幾份簡報學過,一句話複習

① 先想像

小安在捷運上點開一支 9 分鐘的料理影片。影片是一小段一小段,從附近的倉庫送來。

你猜猜看:720p 每秒要送 2.5 Mb(百萬個 bit)。看 1 分鐘大約要多少?

④ 跟這章的關係

這一章不管影片怎麼做出來(那是 03 第 14 章),只管手機怎麼「拿」和「播」。

② 動手玩:這支影片要送多少?

–總共要送的資料–要拿幾段(每段 4 秒)

原書 Step 1Understand the problem and establish design scope

先問清楚:只看、不傳;播放用現成協定;要預取

這一步要解決的問題只做「看」還是也做「傳」?播放要不要自己發明?沒問清楚就畫圖,很容易畫錯。

📖 原書 應徵者 × 面試官

應徵者問面試官答
範圍是看影片(瀏覽、播放),還是也要做創作者功能,例如上傳、直播?專注影片消費:瀏覽和播放。不做內容創作和直播
使用者在首頁瀏覽推薦影片並播放;播放器有播放、暫停、seek,畫質設定(例如 360p、720p)、字幕、其他音軌。這樣對嗎?對,主要功能都有了
播放可以用現成的串流方案,例如 HLS 或 DASH 做 adaptive streaming,還是要自己設計?用現成協定,不用從零做
為了體驗更好,要不要預取首頁的推薦資料?要,預取會是很有價值的加分
要不要做觀看紀錄(續播)、播放清單管理?按讚、留言這類社交功能呢?這些先不納入
規模要抓多少 DAU?全球約 10 億 DAU

白話:HLS、DASH=現成的「水管規格」(第 5 頁);預取=使用者還沒打開,先把首頁抓好(第 31 頁);DAU=每天真的打開 App 的人數。

文組翻譯

接案前先問:只是讓人「看」,還是也要讓人「投稿」?水管和水塔要不要自己發明(不用,HLS / DASH 現成的)?要不要出門前先幫你把水桶裝好(預取)?一天幾個人用(10 億)?

和 03 第 14 章比

SDI 第 14 章的需求是「上傳 + 觀看」,後端估算抓 500 萬 DAU,重點是轉碼和 CDN 成本。這一章把上傳整個拿掉,規模放大到 10 億 DAU,全部的力氣都花在播放端。

這段問答排除了什麼

上傳、直播、觀看紀錄、播放清單、按讚、留言。原書的資料層提到 History repository,但需求裡續播被排除,後面也沒有展開。離線下載和 DRM 原書沒有列入需求,只在網路處理一節提到一句「可以預先下載供離線觀看」。

原書 Step 1Requirements · 動手分類

三個功能需求、三個非功能需求

這一步要解決的問題把對話整理成清單:「能做什麼」和「做得多好」分開寫。

📖 原書 Functional

  • 在首頁瀏覽推薦影片
  • 用功能豐富的播放器看影片
  • App 會預取首頁的影片資料,提升使用體驗

📖 Non-functional

  • Scalability:支撐全球 10 億 DAU,並適應從高速 Wi-Fi 到時有時無的行動網路
  • Performance:捲動和播放都要順,各種裝置上都能有效率地傳送媒體內容
  • Availability:保證影片不中斷可用,並支援多語言、多地區,服務全球觀眾

文組翻譯:功能需求是「能做什麼」(看首頁、播影片、先備好);非功能需求是「做得多好」(人多也不垮、不卡、哪裡都能看)。

猜猜看:這句是哪一類?

原書 Step 1UI sketch · Figure 2

兩個畫面:首頁的推薦清單、播放畫面

這一步要解決的問題先畫出兩個畫面,才知道 API 要提供哪些資料。

📖 原書 Figure 2我們的 YouTube App 基本草圖(依原書內容重繪)

📖 原書 Figure 2 是 App 的主要畫面:Home screen 顯示量身打造的推薦影片,Video Player screen 顯示選中的影片和它的控制項。

原圖上有什麼

  • 左:兩個深灰色的影片縮圖,中間是播放符號(圓圈裡的三角形);每個縮圖下面有淺灰長條,前面有一個小圓(頭像)
  • 右:最上面一個影片,下面一條淺灰長條,再下面一塊更大的淺灰區塊(可能是留言或展開的說明)
  • 右上角三個小圖示:愛心、向上箭頭、購物袋

原圖沒有箭頭

alt 描述說兩張線框圖之間「沒有畫出資料流或連線」。播放鍵的箭頭是簡報依內文加的:首頁點一支影片,進到播放畫面。

📖 原書 範圍定好、UI 也有了,接下來看 App 怎麼和後端溝通。

原書 Step 2API design · Network protocol · 動手比

REST + JSON 為主;在乎每個 byte 的話,gRPC + Protobuf 也行

這一步要解決的問題手機和後端用什麼格式講話?字多好懂,還是字少省流量?

📖 原書 大部分 client-server 互動用 HTTP 上的 RESTful API、JSON 格式:設計簡單直觀,和手機 client、現有工具的相容性都好,實用又有效率。

📖 原書 但在 YouTube 的規模,效率很重要。JSON 的 payload 比較大,在行動網路上可能拖慢效能。gRPC + Protocol Buffers 的序列化緊湊又快,很適合高效能系統。

📖 原書 不過 gRPC 比較專門,不是每個開發者都熟。為了簡單,本章用 RESTful API;如果你熟 gRPC,也可以拿它來設計 API,同樣是很好的選擇。

白話:payload=一次送過去的內容本體;序列化=把資料打包成能在網路上傳的格式;gRPC=Google 做的另一種叫貨窗口規格。

文組翻譯

JSON 像寫信:每一段都寫上「標題:…」「觀看次數:…」,誰都看得懂,但字多。Protobuf 像填好格式的表格:大家事先說好第 1 格是標題、第 2 格是次數,只寫答案,所以短,但要先拿到那張表格(schema)才看得懂。

動手比:同一支影片的資料有多大?


      
–一支影片–這一頁全部–10 億人每天各刷 5 頁

原書 Step 2Endpoints · Video browsing · part 參數 · 動手勾

Video 資源很肥:用 part 只拿這個畫面要的那幾塊

這一步要解決的問題一支影片的資料有幾十個欄位,首頁卡片只要標題和縮圖。怎麼只拿要的?

📖 原書 本章以真實的 YouTube Data API 為基礎:類 REST 的架構,有一些有趣的偏離,提供影片、播放清單、頻道等資源。Video 資源的資料模型很豐富,從基本資料、觀看次數到內容限制都有,但不是每個 client 都需要一次拿全部。YouTube API 用 part 參數解決 over-fetching:

GET https://youtube.googleapis.com/youtube/v3/videos?
 part=snippet,statistics,contentDetails&
 id=VIDEO_ID&
 maxResults=`{results}`&pageToken=`{cursor}`

📖 part 讓 client 指定要哪些資料:例如 snippet 是標題和縮圖、statistics 是觀看次數。手機上每個 byte 都重要;它不像 GraphQL 那麼動態,但用更少的負擔得到類似的好處:

  • 修剪 response,省頻寬
  • server 只撈要的欄位,server 更有效率
  • client 能細緻控制拿什麼
  • 保持 REST 的簡單,又多了欄位選擇

白話:over-fetching=拿了一堆用不到的東西;GraphQL=讓 client 一個欄位一個欄位點菜的 API 規格;pageToken=下一頁的書籤(cursor)。

📝 原書 Note

GraphQL 可以一個欄位一個欄位選;這個做法是從預先定義好的欄位組裡選。沒有 GraphQL 細,但取得實用的平衡:client 有一定的控制權,又不會多出太多複雜度。

動手勾:這個畫面要哪幾塊?



      
–response 大小(示意)

原書 Step 2Popular videos · Video details · Video playback · 動手組

三支 endpoint:熱門、詳細資料、播放用的串流資訊

這一步要解決的問題首頁、詳細資料、播放各要什麼?播放前,手機要先說「我播得了哪些格式」。

📖 原書 Popular videos:沒登入就打開 App,首頁要顯示熱門內容:

GET /youtube/v3/videos?part=snippet&chart=mostPopular&
 maxResults=20&regionCode=US

📖 原書 Video details:使用者點了影片,拿完整資料:標題描述等 metadata、player 的播放資訊、statistics 的互動數字。

GET /youtube/v3/videos?id=VIDEO_ID&
 part=snippet,player,contentDetails,statistics

📖 原書 Video playback:第三方 App 必須用 YouTube 的 IFrame Player API;我們設計的是 YouTube 自己的 client,可以直接把串流 manifest 交給平台的播放器 API。所以建一支播放 endpoint,提供所有串流資訊:

GET https://my-internal.googleapis.com/youtube/v3/videos/playback?
 codecs=supportedCodecs&
 protocols=supportedStreamingVideoProtocols&
 language=preferredLanguage&
 subtitles=preferredSubtitles

📖 Response 是依裝置能力量身做的串流 manifest(例如 DASH 或 HLS),加上字幕選項等 metadata。

白話:manifest=影片的菜單(有哪些畫質、哪些小段);codec=壓縮影片的方法,手機要解得開才播得了(第 5 頁);IFrame Player=給別人家 App 嵌入的 YouTube 小播放器。

動手組:你的手機會送出什麼?



      

原書 Step 3High-level client architecture · Figure 3

API 走 Gateway;影片和縮圖直接從 CDN 拿

這一步要解決的問題App 裡分哪幾層?哪些東西問後端,哪些直接去 CDN 拿?

📖 原書 Figure 3我們 YouTube App 的高階架構圖(依原書內容重繪)

文組翻譯

菜單(影片清單、標題)要問櫃台(API Gateway → Backend);菜本身(影片、縮圖)直接從離你最近的分店冷藏櫃拿(CDN)。

📖 Server-side components

  • Backend:管影片資料、使用者互動,透過 HTTP 服務 API request
  • CDN:把影片內容、縮圖、metadata 這類靜態資產 cache 在離使用者近的地方
  • API Gateway:client request 的大門,處理 routing、安全、認證、存取控制

📖 Client architecture

UI layer:瀏覽推薦影片的 Home Screen,和看影片詳情、透過 Video Player UI component 播放的 Video Player screen(原書寫「three main screens」,但只列出兩個)。每個畫面有自己的 state holder,提供 UI state、處理商業邏輯。

Data layer:Browsing、Video、History 三個 repository,各有自己的 Remote Data Source,透過 Network Dispatcher 和 backend 用 HTTP 溝通。

原書 Step 3Why CDNs · 自建 CDN 與 ISP 合作 · 動手切

CDN 讓影片從隔壁送來;規模大到 CDN 也太貴時,自己蓋

這一步要解決的問題影片從哪裡送來,決定了要等多久、錢付給誰。

📖 原書 CDN 在影片串流很關鍵,有三個理由:

  • User experience:從附近的 CDN server 拿內容,而不是遠方的中央 server,大幅減少載入時間和 buffering
  • Scalability:幾百萬人同時看熱門影片時,CDN 把負載分到很多台 server,避免任何一台過載
  • Cost-effective delivery:沒有 CDN,每個影片 request 都要一路回到 origin,延遲和頻寬成本都變高;CDN 減輕主要基礎設施的負擔

📖 原書 但規模一大,CDN 本身的成本也很可觀,大型串流平台開始找替代方案:

  • Netflix 自己做了 CDN,叫 Open Connect:更能控制傳送成本,也專門為影片最佳化
  • 其他公司和 ISP 直接合作,把 server 放進 ISP 的網路裡,降低成本、提升串流品質

白話:origin=影片正本所在的總部;edge=離你最近的 CDN 分店;ISP=你家的電信公司。

動手切:影片從哪裡來?

–第一段影片多久到(示意)–origin 要扛的流量–錢付給誰

延伸基礎第 2 階 · buffer懂的人可以跳過

  1. 複習:bitrate・CDN
  2. buffer
  3. ABR
  4. 記憶體上限
  5. data saver
  6. jitter
  7. prefetch
  8. TTL・排程
  9. 前景/背景
  10. 離線下載・DRM
  11. 個人化 vs CDN

水塔裡存幾秒,進隧道才不會停水?

① 先想像

自來水停 8 分鐘,只要家裡水塔還有水,洗澡就不會斷。

你猜猜看:手機裡存了 20 秒的影片,捷運進隧道 8 秒沒網路。出隧道時還剩幾秒?

③ 這叫做 buffer、rebuffering

buffer:已經下載、還沒播的那幾秒,就是水塔。rebuffering:水塔見底,畫面轉圈圈等補水。

④ 跟這章的關係

原書的串流、ABR、記憶體、預取,全在管這座水塔:不能見底,也不能大到撐爆手機。

② 動手玩:進隧道

–出隧道時還剩–轉圈圈幾秒

原書 Step 4Design deep dive · Video streaming · 動手看

串流不是下載:切成小段,下載幾段就開播,播過的丟掉

這一步要解決的問題一支 9 分鐘的影片,要等全部下載完才能看嗎?

–按下去多久才開始播–手機握著的影片資料

📖 原書 做 YouTube 這種串流 App,順暢的觀看體驗是關鍵:使用者期待影片很快開始、不中斷。

📖 原書 現代串流和傳統下載不同。不等整個檔案下載完,而是把影片切成小段(segments),逐步載入:

  • 只要下載完前幾段就開始播
  • 看的同時,更多段在背景載入
  • 畫質依你的連線速度調整
  • 播過的段會被清掉,省記憶體

📖 原書 這很適合行動環境:只載入現在需要的,用的記憶體少,多長的影片都能處理;連線改變時 App 也能換畫質。

Triton 對「固定 buffer」的說法見第 44 頁

原書 Step 4Video streaming protocols · 點卡片

串流協定:HLS、DASH 是主角,CMAF 讓兩者共用一份檔案

這一步要解決的問題水管規格有好幾種:iPhone、Android 各用哪一種?

協定📖 原書的說法
HLS
HTTP Live Streaming
Apple 廣泛採用的協定,把影片切成小 chunk,走一般的 HTTPS 傳送;網路變化時也能順暢播放。在 Apple 裝置上特別強,但大多數平台都能用
DASH
Dynamic Adaptive Streaming over HTTP
原理和 HLS 類似,但是開放標準,更有彈性;不綁特定 codec,實作更自由。在 Apple 生態系以外很普及
CMAF
Common Media Application Format
提供統一的 container 格式,彌合 HLS 和 DASH:不用為兩種協定各存一份內容,部署更簡單、儲存成本更低
其他WebRTC、SRT(Secure Reliable Transport),以及兩個較舊的 RTSP、RTMP

白話:container=裝影片和聲音的盒子格式;latency=按下播放到開始播要多久。

📖 原書 選協定要看 YouTube App 的需求:latency(多快開始播)、platform compatibility(Android 與 iOS 的支援和生態系能力)、security(傳輸中保護內容)。

📝 原書 Note

這些協定的底層細節,系統設計面試通常不用學。重要的是知道不同協定支援不同的影片格式和播放器,這會影響架構選擇。

📖 原書 做 YouTube、Twitch、Netflix 這類 App,HLS 和 DASH 是主流,兩者都支援 adaptive bitrate streaming,依網路和裝置自動調畫質;要低延遲的話有 LL-HLS、LL-DASH。

📌 原書 Remember!

HLS、DASH 這類 adaptive streaming 協定,通常用 ABR 依網路狀況調整畫質。

📖 原書 大平台通常實作好幾種協定,確保裝置相容、照顧不同情境。例如 YouTube 支援 HLS、DASH、RTMP、RTMPS,讓第三方 client 選最適合的(原書引用的是 YouTube 直播 ingestion 的協定比較文件)。

猜猜看:這個情境用哪個?

延伸基礎第 3 階 · ABR懂的人可以跳過

  1. 複習:bitrate・CDN
  2. buffer
  3. ABR
  4. 記憶體上限
  5. data saver
  6. jitter
  7. prefetch
  8. TTL・排程
  9. 前景/背景
  10. 離線下載・DRM
  11. 個人化 vs CDN

水管變細了:把水龍頭轉小,還是等著停水?

① 先想像

水管突然只剩一半粗。水龍頭照樣開到最大,水塔會一直掉;轉小一點,水比較細,但不會停。

你猜猜看:網速剩 3 Mbps,正在看 5 Mbps 的 1080p。每播 1 秒,水塔少多少?

③ 這叫做 ABR

ABR(adaptive bitrate):播放器每一小段都重新選畫質。網速掉了,下一段就換小一號的水龍頭。

④ 跟這章的關係

原書 Step 4 的主角。手機每 2–10 秒就做一次這個決定,第 19 頁讓你自己當播放器。

② 動手玩:網速變了,選哪個水龍頭?

–每秒灌進幾秒影片–20 秒的水塔

原書 Step 4Adaptive bitrate streaming · 動手拉 segment 長度

ABR 三件事:好幾種畫質、切成小段、每一段重新選

這一步要解決的問題網速一直變,怎麼讓水塔不見底?(第 17 頁的 ABR,原書版)

📖 原書 使用者會移動、在 Wi-Fi 和行動網路間切換、遇到擁塞,影片 App 要應付網路變化。ABR 這樣解決:

Multiple quality versions

  • 同一支影片編碼成好幾種畫質(480p、720p、1080p)
  • 每個版本在畫質和頻寬之間取不同的平衡

Video segmentation

  • 切成小 chunk,例如每段 2–10 秒
  • 每一段都有所有畫質版本
  • 段越短調整越快,但 server request 越多

Real-time quality switching

  • 播放器持續監控網速和裝置效能
  • 為下一段選最佳畫質
  • 條件變了,畫質就往上或往下

📖 原書 播放器追蹤下載速度、buffer 水位、CPU / GPU 使用率、裝置能力來決定。連線變好時畫質慢慢往上;變差時很快往下,避免 buffering。實務上手機播放器用 buffer-based 或 hybrid(buffer + throughput) 演算法決定下一段的 bitrate。因為每次決定只影響下一段,系統能立即回應變化。

白話:throughput=實際量到的下載速度;buffer-based=只看水塔水位來選;hybrid=水位和網速一起看。

動手拉:每段幾秒比較好?

–網速掉了以後,最久要等多久才能換–看 1 小時要發幾個 request

文組翻譯:水龍頭只能在換一桶水的時候換大小。一桶越小,越快能換;但一直換桶,跑腿(request)的次數就變多。

原書 Step 4 · 動手玩ABR simulator · buffer-based vs hybrid

自己當播放器:網速變了,下一段要選哪個畫質?

這一步要解決的問題前一頁的規則實際跑起來差多少?自己當播放器,選下一段的畫質。

–正在下載的畫質–buffer(秒)0卡住次數0.0卡住總秒數–平均畫質0換畫質次數

到這裡你已經會了小結 1 / 4

  1. 複習:bitrate・CDN
  2. buffer
  3. ABR
  4. 記憶體上限
  5. data saver
  6. jitter
  7. prefetch
  8. TTL・排程
  9. 前景/背景
  10. 離線下載・DRM
  11. 個人化 vs CDN

到這裡你已經會了:影片怎麼流進手機

下一階要解決的問題

水塔放在手機的記憶體裡,影片又最耗電、最吃流量。手機的作業系統會怎麼對付太貪心的 App?

原書 Step 4Android 與 iOS 的播放器 · Subtitles and audio · 動手換

播放器用原生的;字幕和音軌是獨立的 track

這一步要解決的問題8 種語言的字幕和配音,要做 8 份影片嗎?

📖 原書 手機 App 串流最好的選擇是原生方案:Android 的 ExoPlayer、iOS 的 AVPlayer。都支援 HLS、MPEG-DASH,播放順暢可靠。兩個優勢:深度平台整合(例如硬體解碼)和對播放功能的廣泛控制(ABR、字幕等)。VLC、JWPlayer、Brightcove 這類第三方播放器提供一致的 API,但原生方案通常更好客製。

📖 原書 現代串流服務把影像、聲音、文字分開。字幕和 closed captions 用專用的 text track:

  • HLS:WebVTT 格式的 text track,寫在主 playlist(.m3u8)裡
  • MPEG-DASH:支援 WebVTT 和 TTML(Timed Text Markup Language),定義在 manifest(.mpd)裡

白話:track=一條獨立的軌道(影像、聲音、字幕各一條);WebVTT、TTML=字幕檔的格式;closed captions=連「(掌聲)」都寫出來的字幕。

📌 原書 Remember!

獨立 track 是和主影片一起播的獨立串流(音訊、字幕、CC),各有自己的資料和時間資訊,所以能和影片完美同步。

📖 分開的好處:文字很小,省頻寬;多語言不用複製影片串流;字幕好更新,符合無障礙需求;更新字幕不用重新處理影片。

動手換:選語言,看要多存幾份影片


      
–字幕和配音燒進影片:要存幾份–📖 分開 track:要存幾份

原書 Step 4Thumbnails implementation · Figure 4 · 動手拖

拖 seek bar 時的小預覽,HLS 和 DASH 都沒有內建

這一步要解決的問題拖進度條時跳出來的小預覽圖,從哪裡來?

📖 原書 Figure 4YouTube Android App 的精確 seek 縮圖(依原書內容重繪成 wireframe)

📖 原書 使用者在 seek bar 上拖的時候(Figure 4),看到的小預覽其實不是 HLS 或 MPEG-DASH 這類標準串流協定內建的,影片服務要另外做。常見有兩種做法,下一頁比較。

白話:seek=跳到影片的某個時間點;seek bar=下面那條進度條。

原圖上有什麼

  • 上方:碗裡的奶油櫛瓜義大利麵,旁邊露出筷子;中間播放鍵、時間「0:07」、右上角「x」
  • 下方四張小縮圖橫排:最左邊標「Intro」(盛麵的特寫),中間兩張是成品,最右邊是有人在做菜
  • 最底下:「How to: Plant Based Vegan Creamy Zucchini Spaghetti」

為什麼畫成 wireframe

原圖是 App 截圖,內容是真實影片的畫面。這裡依 alt 畫線框:畫面用色塊代表,標籤和時間照原圖。

原書 Step 4Sprite sheets vs adaptive streaming · Figure 5 · 動手比

兩種做法:一張大拼圖,或直接抓 144p 的那一小段

這一步要解決的問題預覽圖要先做好一張大拼圖,還是當場抓一小段低畫質?

📖 原書 Figure 5縮圖用的 sprite sheet 範例,來源 FastPix(依原書內容重繪;FastPix logo 不畫)
–預覽顯示的時間點–拖這一下發了幾個 request

📖 Sprite sheets

又叫 texture atlas:把很多張縮圖拼成一個檔案,減少 server request。網頁串流很好用,但每支影片都要另外維護一組預先產生的圖片。

📖 Adaptive streaming

用 ABR 的技術抓低解析度的影格當預覽,YouTube 手機 App 就用這個方法:

  • 拖 seek bar 時,App 向 server 要那個時間點,但用很低的解析度(通常 144p 或 240p)
  • server 很快送回低 bitrate 的 segments,拖起來順
  • 選好位置後,切回全解析度正常播放

好處:顯示真的影片動態而非靜態圖;重用現有串流基礎設施;不用另存縮圖、省儲存;預覽準確、低延遲、和實際內容一致。

📖 原書 adaptive streaming 特別適合手機:seek 體驗順,又有效利用裝置資源。

延伸基礎第 4 階 · 記憶體上限懂的人可以跳過

  1. 複習:bitrate・CDN
  2. buffer
  3. ABR
  4. 記憶體上限
  5. data saver
  6. jitter
  7. prefetch
  8. TTL・排程
  9. 前景/背景
  10. 離線下載・DRM
  11. 個人化 vs CDN

宿舍書桌只有這麼大:東西堆太多,舍監直接幫你清走

① 先想像

好幾個人共用一張書桌。桌子不夠時,舍監不會一個一個問,而是把「人不在、東西又最多」的那堆直接清走。

你猜猜看:手機的記憶體不夠用了,作業系統會怎麼做?

③ 這叫做 memory、memory pressure

memory(記憶體):App 正在用的桌面空間,不是存照片的儲存空間。memory pressure:系統發出「桌子快不夠了」的警告。

④ 跟這章的關係

水塔(buffer)和解開的畫面都放在這張桌上。原書的四個省記憶體策略在下一頁。

② 動手玩:書桌 10 格(示意)

–桌面用量

原書 Step 4Common challenges · Memory management · 動手撐

記憶體用太多,作業系統會直接把 App 殺掉

這一步要解決的問題影片很吃記憶體,手機又會直接清掉 App(第 24 頁)。怎麼不被清?

📖 原書 影片播放很吃記憶體,在資源有限的手機上尤其困難。行動作業系統可能終止用太多記憶體的 App,所以記憶體管理對穩定的串流體驗很關鍵。有效的策略:

  • Adaptive buffer sizing:記憶體受限的裝置用小 buffer,高階裝置用大 buffer,播得更順
  • Frame recycling:重用影格 buffer,不要一直配置新記憶體
  • Degrade gracefully:記憶體壓力升高時降畫質,避免播放失敗
  • 處理 App 狀態轉換:進到背景時釋放資源

白話:frame(影格)=一張畫面,影片每秒 30 張;degrade gracefully=撐不住時先降級,不要整個壞掉。

📖 原書 Memory monitoring 很重要:要做 analytics,追蹤不同裝置、不同播放情境的記憶體使用模式,在影響使用者之前找出潛在問題。

buffer 多大才夠?Triton 的 130 和取捨互動見第 44 頁

動手撐:這支手機撐得住嗎?

延伸基礎第 5 階 · data saver懂的人可以跳過

  1. 複習:bitrate・CDN
  2. buffer
  3. ABR
  4. 記憶體上限
  5. data saver
  6. jitter
  7. prefetch
  8. TTL・排程
  9. 前景/背景
  10. 離線下載・DRM
  11. 個人化 vs CDN

月租只有 5 GB、電池一天一顆:看影片要怎麼省?

① 先想像

不是吃到飽的方案,一個月 5 GB,用完就變很慢。電池也一樣,出門一天就這一顆。

你猜猜看:720p 一分鐘約 19 MB。5 GB 的月租,只看 720p 大約能看多久?

③ 這叫做 data saver、battery saver

data saver:在行動網路自動挑小畫質、只播聲音、等 Wi-Fi 再預取。battery saver:手機的省電模式,App 收到通知也該跟著省。

④ 跟這章的關係

原書的電池那節、「依網路類型調整」、「行動網路只播音訊」、「預取預設只用 Wi-Fi」,都是這兩個開關。

② 動手玩:小安每天通勤看多久?

–一個月(30 天)用掉–5 GB 撐到這個月的

原書 Step 4Battery life optimization · 動手調

影片是手機上最耗電的事之一:電量低就降畫質,看不到就停

這一步要解決的問題影片是最耗電的事。什麼時候該主動省?

📖 原書 影片播放是手機上最耗電的操作之一,處理器和網路都吃。可以用的省電技巧:

  • Adaptive quality selection:電量低或沒在充電時,降低解析度和 bitrate
  • 有硬體加速就用,降低 CPU 負載
  • App 看不到時,暫停播放、暫停網路操作

白話:硬體加速=交給手機裡專門解壓影片的晶片,比 CPU 省電;省電模式就是第 26 頁的 battery saver。

🛠️ 原書 Platform implementation details

平台專屬的最佳化差很多。例如 Android 用 Battery Saver API 偵測省電模式並調整畫質;iOS 回應 low-power mode 通知來降低播放品質。

🔍 原書 Industry insights

  • Reddit 為短影片客製 ExoPlayer:選有效率的格式(MP4)、最佳化 caching 和 buffering 策略、調整頻寬估計,大幅減少載入時間、播放錯誤和 rebuffering
  • Netflix 用 shot-based encoding 和動態最佳化改善 4K 串流,畫質更好、bitrate 更低;另外做了 Unicode 為基礎的字幕 pipeline,處理各種語言與格式;還加入高品質音訊功能,目標是錄音室等級、感知上透明的聲音

動手調:現在這台手機該怎麼播?

–CPU 解碼負擔(示意)–網路–耗電指數(示意)

延伸基礎第 6 階 · jitter懂的人可以跳過

  1. 複習:bitrate・CDN
  2. buffer
  3. ABR
  4. 記憶體上限
  5. data saver
  6. jitter
  7. prefetch
  8. TTL・排程
  9. 前景/背景
  10. 離線下載・DRM
  11. 個人化 vs CDN

停電恢復那一秒,全大樓一起開冷氣:又跳電了

① 先想像

大樓停電,恢復那一秒,每一戶的冷氣同時啟動,總開關又跳掉。要是每戶隨機晚個幾秒再開,就沒事。

你猜猜看:1 萬支手機同時斷線。server 每秒最多接 3,200 個 request,大家都在第 1 秒重試,會怎樣?

③ 這叫做 backoff、jitter

backoff:失敗一次就等更久再試(1、2、4、8 秒…)。jitter:等待時間再加一點隨機,讓大家錯開。

④ 跟這章的關係

原書網路那節寫「exponential backoff with jitter」。下一頁有 1 萬支手機的完整模擬。

② 動手玩:1 萬支手機要錯開幾秒?

–最擠的那一秒–這一輪失敗

原書 Step 4Network handling · Advanced streaming optimizations · 動手比 backoff

網路斷了再連:大家一起重試會把 server 再打倒一次

這一步要解決的問題網路斷了再連,怎麼重試才不會把 server 再打倒一次?

📖 原書 行動網路難以預測,可以做這些強健的網路處理:

  • Bandwidth adaptation:用 ABR 依可用頻寬切換畫質
  • Efficient retry logic:用 exponential backoff with jitter,避免重試時造成網路擁塞
  • 網路好的時候,允許預先下載影片供離線觀看
  • 依連線類型(行動網路 vs Wi-Fi)調整 buffering 策略

白話:exponential backoff with jitter=越等越久、再加一點隨機(第 28 頁);predictive buffering=猜你接下來要看什麼,先存一點。

📖 Advanced streaming optimizations

  • 網路受限時優先保住音訊,因為使用者對聲音中斷比較敏感
  • Predictive buffering:分析觀看模式,預先 buffer 使用者接下來可能看的內容
  • 快取 text track,讓離線和網路不穩時字幕也正常

📖 原書 做好串流要仔細平衡這些挑戰:依 App 的需求和使用者期待,在順暢播放、電池續航、網路韌性之間找對取捨。

動手比:1 萬支手機同一秒斷線

–尖峰 request / 0.25 秒–恢復播放的手機–全部恢復要幾秒

到這裡你已經會了小結 2 / 4

  1. 複習:bitrate・CDN
  2. buffer
  3. ABR
  4. 記憶體上限
  5. data saver
  6. jitter
  7. prefetch
  8. TTL・排程
  9. 前景/背景
  10. 離線下載・DRM
  11. 個人化 vs CDN

到這裡你已經會了:手機的三個小氣

下一階要解決的問題

小安一打開 App,首頁就要有東西。誰、在什麼時候,先幫他把水桶裝好?

延伸基礎第 7 階 · prefetch懂的人可以跳過

  1. 複習:bitrate・CDN
  2. buffer
  3. ABR
  4. 記憶體上限
  5. data saver
  6. jitter
  7. prefetch
  8. TTL・排程
  9. 前景/背景
  10. 離線下載・DRM
  11. 個人化 vs CDN

出門前先裝好水桶:小安一打開 App,首頁就有東西

① 先想像

媽媽知道你 7:30 吃早餐,7:20 就先做好。你一坐下就能吃;但做了你沒吃,就浪費了。

你猜猜看:App 每天早上先抓 20 筆推薦,小安平均只滑看 8 筆。白抓的比例是多少?

③ 這叫做 prefetch

prefetch(預取):使用者還沒要,先在背景抓好放在手機裡。抓了而且有被看到,叫「命中」。

④ 跟這章的關係

原書需求裡唯一的加分題,Step 4 有一整節(下四頁),還要量「抓了但沒看」的浪費。

② 動手玩:先抓幾筆?

先抓、有看到 先抓、沒看(白抓) 沒先抓、打開才等

–小安今天滑了–打開時要等的–白抓的流量

原書 Step 4Prefetching video feed data · Table 1 · 動手比

首頁一打開就有東西:三種預取策略

這一步要解決的問題首頁要一打開就有東西:什麼時候先抓?三種做法各有代價。

📖 原書 打開 YouTube,使用者期待相關內容立刻出現,所以手機 App 常會預取 feed 資料,在使用者開始操作前就載好。重點是平衡體驗和資源使用。

OptionDescriptionAdvantagesDisadvantages
Time-based prefetching不管使用者在做什麼,固定間隔抓推薦實作與維護簡單;網路用量可預測;內容保持相對新鮮可能浪費流量;不會依實際行為調整;間隔之間可能錯過重要更新
Event-based prefetching依特定事件觸發,例如 App 進背景或回前景自然配合使用者行為;減少不必要的網路呼叫;資源用得更有效率可能錯過最佳時機;新鮮度不一致;實作邏輯較複雜
Intelligent prefetching結合多種訊號(例如裝置狀態、使用模式)決定最佳時機體驗和資源都最佳化;適應個人使用模式;優雅處理各種網路狀況實作最複雜;預取參數要仔細調;要強健的監控確認有效

📖 原書 Table 1不同預取選項的取捨

📖 原書 因為規模大、可用的使用者資訊多,原書選 intelligent prefetching:考量裝置狀態(是否充電、網路類型)、使用模式(通常幾點打開 App)、內容相關分數、資源可用性(電量)。

動手比:一天裡,它在什麼時候抓?

–一天預取幾次–用到行動網路的次數–打開時資料平均多舊

延伸基礎第 8 階 · TTL・排程懂的人可以跳過

  1. 複習:bitrate・CDN
  2. buffer
  3. ABR
  4. 記憶體上限
  5. data saver
  6. jitter
  7. prefetch
  8. TTL・排程
  9. 前景/背景
  10. 離線下載・DRM
  11. 個人化 vs CDN

便當要貼保存期限;什麼時候去買,交給大樓管理員排

① 先想像

冰箱裡的便當貼著「今天內吃完」。你請管理員幫忙代買,他會等順路、等貨車來再一起去,不一定是你說的那一分鐘。

你猜猜看:App 請手機「每天 7:00 幫我抓推薦」。那時電量 15%、沒充電,系統最可能怎麼做?

③ 這叫做 TTL、background task

TTL:這筆資料多久後過期,就是保存期限。background task:交給作業系統排時間的背景工作。

④ 跟這章的關係

原書每筆推薦都帶 ttl;預取由手機的背景排程器叫醒(第 34 頁)。

② 動手玩:App 說「7:00 幫我抓」

–系統實際去抓–這批推薦 TTL 6 小時,過期於

原書 Step 4Implementation details · Remote config · Scoring · Scheduler · 動手叫醒

後端給設定和分數,手機的排程器決定「現在要不要抓」

這一步要解決的問題誰決定抓幾筆、抓哪幾筆、什麼時候抓?

📖 Signal collection and analysis client 收集裝置狀態與互動訊號,讓後端給更個人化的推薦。做一個 remote configuration 系統讓後端引導 client,prefetch 設定定義:預取幾筆 feed、預取間隔、行動數據下能不能預取、電量與充電狀態的考量。

📖 Scoring recommendations 後端用評分排序,每個推薦有兩個欄位:relevanceScore(和使用者興趣多符合,推薦引擎通常給 0–100)、ttl(這筆推薦多久內有效)。偏好改變時後端更新分數,client 刷新 cache 的推薦。

白話:remote configuration=後端遠端改 App 的設定,不用發新版;relevanceScore=這筆推薦多合你的胃口;ttl=保存期限(第 33 頁)。

📖 Prefetch scheduler client 用背景排程器管預取,依後端設定執行、顧及系統資源。

🛠️ 原書 Platform implementation details

  • Android WorkManager:排背景工作,內建 Wi-Fi、充電這類 constraint;需要特定時間就寫進排程邏輯
  • iOS Background Tasks:用 earliestBeginDate 設偏好時間,但網路、電量的檢查要自己做
  • 兩邊都可能延後或批次執行背景工作,實作要能承受

📖 Adaptive optimization client 回報使用模式形成回饋迴路:高互動時段增加頻率,低使用時段減少或暫停。

動手叫醒:OS 現在叫醒排程器


      

原書 Step 4Challenges in prefetching · 動手拉

預取不是越多越好:要量「抓了但沒看」的浪費

這一步要解決的問題抓多了浪費、抓少了要等。怎麼知道剛剛好?

📖 Device resource management

預取耗裝置資源,計量網路的使用者流量會增加。所以:

  • 推薦預取預設只在 Wi-Fi,行動網路要使用者 opt-in
  • 電量低(例如低於 20%)時暫停
  • 低階裝置降低頻率和數量
  • 依內容類型和互動模式調整刷新間隔

📖 Memory constraints

feed 預取可能吃很多記憶體,尤其快取縮圖時:

  • 依裝置能力設預取 cache 的大小上限
  • 用支援 downsampling、記憶體有效率的圖片載入 library
  • 收到 OS 的記憶體壓力警告時清掉較舊的 cache
  • 使用者偏好大幅改變時移除過時的推薦

白話:計量網路=用多少算多少錢的行動網路;opt-in=使用者自己打開才算數;downsampling=把大圖縮小了再放進記憶體。

📖 Measuring prefetch effectiveness

  • 打開 App 後多快看到推薦
  • 預取 vs 非預取推薦的互動率
  • 預取的影片實際被看的比例
  • 預取了但從沒看的 bytes,了解浪費
  • 電池消耗模式,平衡效益和耗電

這種資料驅動的做法形成回饋迴路,隨時間改進預取演算法。

動手拉:預取幾筆最划算?

–打開時第一屏都已備好–預取的有被看到–抓了沒看的流量 / 次

原書 Step 4Architecture updates for prefetching · Figure 6

多了三個元件:推薦 repository、預取 service、裝置監控

這一步要解決的問題加了預取之後,App 的資料層多了哪三個零件?

📖 原書 Figure 6資料層中與智慧預取相關的更新(依原書內容重繪)

📖 原書 新增 Recommendations Repository,用本地和遠端兩個 data source,把精選的推薦提供給原本的 Browsing Repository。

📖 原書 為了讓推薦保持新鮮,加上 Recommendations Prefetching Service:被作業系統觸發時,和新的 Device Monitor 一起檢查電量、網路狀態;條件適合,就透過 remote data source 和 backend 同步、刷新推薦。

🔍 原書 Industry insights

  • Facebook 的 App 在使用者捲動時監控記憶體裡的影片池;池子低於門檻,就帶著使用者訊號送 request,抓新的個人化影片候選並排序,再 cache 起來順暢播放
  • Facebook 的 Feed 推薦引擎用 AI 分析互動、預測參與度,依多種訊號算出的 relevance score 排序貼文

文組翻譯

管家(Prefetching Service)被鬧鐘(OS)叫醒,先看一眼電表和網路(Device Monitor),條件好才出門去超市(backend)補貨,放進冰箱(Videos DB)。你回家打開冰箱(首頁),東西已經在了。

原書 Step 4Enhanced user experiences · Gesture-based video controls · 動手滑

面試官加題:手勢、背景播放、畫中畫。先看手勢

這一步要解決的問題小螢幕上按鈕太小:怎麼直接用手指在影片上操作?

📖 原書 面試官有時會加需求,例如「怎麼針對手機使用者的需求提升體驗」。原書挑三個:手勢控制、背景音訊播放、畫中畫。

📖 原書 小螢幕上,看得見的按鈕和滑桿顯得笨重。手勢讓使用者直接和影片互動,更沉浸。常見的有滑動 seek、點擊調整音量和亮度。技術上要做:

  • GestureDetector:捕捉並解讀觸控輸入,辨認滑動、點擊、捏合等模式
  • VideoControlHandler:接收解讀後的手勢,轉成給播放器的指令
  • Visual feedback:辨識到手勢時,在畫面上給細微的提示,讓使用者知道發生了什麼

📖 實作要小心:分辨相似的手勢(水平滑 vs 斜滑)、多個手勢模式重疊時的衝突解決、做不了某些手勢的使用者的無障礙。挑戰在於做出反應靈敏、感覺自然、又和播放器核心功能整合好的系統。

動手滑:在影片上滑一下或點一下

← 左右滑:seek →點:亮度點:播放 / 暫停點:音量

      
3:20播放位置60音量50亮度

延伸基礎第 9 階 · 前景/背景懂的人可以跳過

  1. 複習:bitrate・CDN
  2. buffer
  3. ABR
  4. 記憶體上限
  5. data saver
  6. jitter
  7. prefetch
  8. TTL・排程
  9. 前景/背景
  10. 離線下載・DRM
  11. 個人化 vs CDN

離開客廳去煮飯:電視關掉,收音機留著

① 先想像

你要去廚房,客廳的電視沒人看,關掉省電;但還想聽新聞,就留著收音機。

你猜猜看:小安聽音樂影片時切去 LINE 回訊息,畫面已經看不到了。最划算的做法?

③ 這叫做 foreground、background

foreground(前景):App 在畫面最上面、你正在用。background(背景):App 還活著,但不在畫面上。

④ 跟這章的關係

作業系統每次切換都會通知 App。原書的背景音訊、畫中畫、「進背景釋放資源」,都在接這個通知。

② 動手玩:作業系統一直在通知 App

📺 畫面–
📻 聲音–
📶 下載–

    

原書 Step 4Background audio playback · 動手切

離開 App 還在聽:放掉畫面、只留聲音、改抓純音訊串流

這一步要解決的問題鎖螢幕還想聽:怎麼只留聲音?(第 38 頁的前景/背景)

📖 原書 很多 YouTube 影片的價值在聲音:音樂、podcast、新聞,使用者不一定在看。背景音訊播放讓人用別的 App 或鎖螢幕時繼續聽。

📖 Mode switching logic

  1. 監聽 App lifecycle 事件,判斷什麼時候進背景
  2. 純音訊模式時,釋放影像渲染資源,維持音訊播放
  3. 背景時切到純音訊串流,省流量

🛠️ 原書 Platform implementation details

  • Android:用 Jetpack Media3 API 做一個帶媒體通知的 foreground service,維持播放優先權
  • iOS:用 AVAudioSession,設定適當的 category 和 options,App 進背景時繼續播

白話:foreground service=Android 上「我還在做事」的常駐通知;AVAudioSession=iOS 上宣告「我要在背景放聲音」的設定。

📖 User control and preferences

  • 讓使用者開關自動背景播放
  • 提供行動網路下只播音訊的設定,減少流量
  • 考慮付費與免費使用者的不同行為:背景播放常是付費功能

動手切:現在手機在哪個狀態?

–每分鐘流量(示意)

原書 Step 4Picture-in-Picture mode · Figure 7 · Coordinating

畫中畫:縮成浮動小窗,回來時一切照舊

這一步要解決的問題邊看邊回 LINE:怎麼縮成小窗,回來還接得上?

📖 原書 Figure 7畫中畫模式範例,取自 YouTube 說明頁(依原書內容重繪成 wireframe)

📖 Coordinating 三個功能的價值在於整合成一個系統:手勢在全螢幕和 PiP 都要一致;切到背景播放要保留播放位置,讓使用者輕鬆接著看。

📖 原書 PiP 讓使用者用別的 App 時,在小小的浮動視窗繼續看影片,增強多工、切換情境時也留住使用者。Figure 7:黑色手機畫面中間是影片小窗(雪山上的滑雪板玩家),X、全螢幕、暫停、兩個「10」秒鍵、進度條;上下各六個灰色方塊。

🛠️ 原書 Platform implementation details

  • iOS:iPad 從 iOS 9、iPhone 從 iOS 14 原生支援;用 AVPictureInPictureController,搭配 AVPlayerLayer 或 AVPlayerViewController 啟用
  • Android:從 Android 8.0(API 26)起,在 Activity 上用設定好的 PictureInPictureParams 呼叫 enterPictureInPictureMode,裝置和系統設定支援就進 PiP

📖 Optimizing the PiP experience

  • 看影片時按 Home 或切 App,自動進 PiP
  • PiP 裡控制項只留必要的(播放 / 暫停、關閉)
  • PiP 時降畫質,省頻寬和運算
  • 暫停非必要的動畫和背景工作
  • 點小窗回 App 時,還原離開時的精確狀態

原書 Step 5Wrap-up · 還有時間可以談

原書的收尾:REST + JSON、HLS / DASH 的 ABR、智慧預取,和四個延伸題

這一步要解決的問題面試快結束:怎麼收尾,還有時間的話能加什麼?

📖 原書 總結

設計了一個 YouTube 手機 client,在提供高品質影片的同時維持反應迅速的體驗。系統建立在能服務多種 client 的 REST API + JSON 上。

Deep dive 看了怎麼用 DASH 和 HLS 做 adaptive streaming,依可用頻寬和裝置能力自動調畫質;做了智慧預取,分析使用者行為和裝置資源來預測並抓取 feed 資料;最後用手勢、背景音訊、畫中畫提升體驗。

📖 原書 有時間,或想展示更進階的能力

  • Live streaming platform:低延遲的串流系統,整合聊天,包含聰明的訊息處理與內容審核
  • Smart content management:完整的播放清單系統,離線可用,用 deep link 跨平台分享
  • Unified device experience:跨裝置同步觀看進度和播放佇列,無縫切換
  • Monetization integration:整合廣告服務,有精細的影片預載與串流插播能力

把整章串成一句話

打開 App,首頁從預取好的本地 cache 先顯示(intelligent prefetching:Wi-Fi、電量、使用習慣、relevanceScore + ttl);點影片,part 只拿要的欄位,playback endpoint 依裝置給 HLS 或 DASH 的 manifest;播放器從 CDN 一段一段抓,每段依網速和 buffer 選畫質,字幕音軌各自一條 track;同時顧好記憶體、電池、重試的 jitter;離開時背景只播聲音或縮成 PiP。

到這裡原書全部講完,下一頁開始是 Triton。

到這裡你已經會了小結 3 / 4

  1. 複習:bitrate・CDN
  2. buffer
  3. ABR
  4. 記憶體上限
  5. data saver
  6. jitter
  7. prefetch
  8. TTL・排程
  9. 前景/背景
  10. 離線下載・DRM
  11. 個人化 vs CDN

到這裡你已經會了:原書的完整設計

下一階要解決的問題

原書講完了。Triton 沒寫過播放器,但他會追問兩件原書沒講的事:整支影片存進手機要怎麼存?1,000 萬人同一秒打開,後端撐得住嗎?

Triton 觀點先看全貌 · 覆蓋度低

Triton 沒寫過播放器;只有 buffer 和幾個後端原則用得上

有出處 Triton 講過、這章用得上的

  • 看影片只用固定的 buffer:128 MB、H265 解壓、「23GB…也只用上了固定的很小塊Memory」(第 44 頁)130
  • File 當 Stream 不當 ByteArray;local cache 要有 TTL 和 max size(第 46 頁)128 主文
  • 10M 人同秒收到推播,1% 點開就穿過 CDN;讀能走 CDN、寫不能(第 48 頁)137 主文 · 166
  • 網路隨時會斷、重新呼叫、304、所有東西都要定義能否 cache、Readonly endpoint 與 GraphQL(第 49 頁)028 · 027
  • 如果面試官加回上傳:處理要 async、做完要推、未完成的工作記在不會掉的地方(第 49 頁)020 · 027 · 028

沒有 Triton 資料 這些照原書講,不推論

  • ABR 演算法、HLS / DASH / CMAF 的內部、manifest、segment 長度
  • 播放器內部:ExoPlayer、AVPlayer、硬體解碼、frame recycling
  • 離線下載與 DRM(原書也沒有展開)
  • seek 縮圖、字幕音軌、手勢、背景音訊、PiP
  • 手機 OS 的背景排程(WorkManager、Background Tasks)、電池、記憶體壓力
  • 推薦評分(relevanceScore)與預取策略的選擇

先說清楚定位:130 是唯一一篇用「看影片」當例子的,但它的正題是 server 處理 HTTP request body;其他引文都來自後端或通用文章。拿來對照原書的地方一律標 🔭 推論。137 只有主文確定是 Triton,「先推小樣本暖 CDN」那段是作者未標示的回覆;128 只引主文,後面的留言與 ChatGPT 段落不引;139 內文大多是 ChatGPT,不引。

Triton 本人說 · 動手調130 喵談 io streaming · buffer 大小 vs 記憶體

水塔要多大?大了吃記憶體,小了一進隧道就停水

–buffer 撐得了幾秒–播放器握著的記憶體23 GB看完 8 小時流過的資料

🔭 推論 對照原書

130 的三步就是原書串流的骨架:「Playback begins after just the first few segments」「More segments load in the background」「Played segments get cleared」。「寫入速度高於消耗速度就不卡」= 第 2 頁水塔的條件,也是 ABR 存在的理由:網速不夠時降 bitrate,讓消耗速度變慢。原書的 adaptive buffer sizing 就是這頁的滑桿:buffer 是記憶體和抗斷線之間的取捨,所以低階手機要小、高階手機可以大。

原書這樣做會出什麼事?原書說「播過的段會被清掉」。如果不清,把 8 小時 4K 影片一路留在手機記憶體裡呢?

「一套4K的8小時影像,很可能需要0.8 x 8 x 3600 = 23GB的空間。如果你用手機來看,很可能會讓你手機的空間炸掉的。」「你打開url時,你的browser / App會拿固定量(例如128 MB)的Memory作為buffer。」「只要buffer還沒滿,OS就會告訴網站來傳送更多的data並且放到buffer內。(註:現實的buffer不只一層,也不只有OS layer的工作,但就超大幅簡化吧)」「你的應用程式就只是從buffer拿data來做H265解壓和顯示到畫面。」🗣️ Triton 本人說 130-喵談 io streaming.md

「只要你的網絡效能不太差,buffer的寫入速度高於buffer的消耗速度,你是不應該會覺得卡卡的。」「即使你看完總共23GB的影片也好,你也只用上了固定的很小塊Memory。」(原文說了五次)🗣️ Triton 本人說 130 · 重點

延伸基礎第 10 階 · 離線下載・DRM懂的人可以跳過

  1. 複習:bitrate・CDN
  2. buffer
  3. ABR
  4. 記憶體上限
  5. data saver
  6. jitter
  7. prefetch
  8. TTL・排程
  9. 前景/背景
  10. 離線下載・DRM
  11. 個人化 vs CDN

租片 7 天要還:下載到手機的影片,為什麼會自己「過期」?

① 先想像

以前去租 DVD:可以帶回家看,不用每次去店裡;但 7 天要還,也不能拷一份送朋友。

你猜猜看:小安在飛機上想看上週下載的片,畫面卻說「請連上網路更新」。為什麼?

③ 這叫做 offline download、DRM

offline download:網路好時把整支片存進手機。DRM:給影片上鎖,鑰匙有期限,防止被拷走。

④ 跟這章的關係

原書只有一句「網路好時允許預先下載」。怎麼存、存多少、何時刪,看下一頁 Triton 的說法;鑰匙看 📅 2026 補充。

② 動手玩:下載後第幾天?

🎞️ 檔案–
🔑 鑰匙–
▶ 能播嗎–

Triton 本人說 · 動手排128 主文 · 離線下載佇列(原書:網路好時預先下載)

離線下載也一樣:一段一段寫進磁碟,下載區要有上限和期限

原書這樣做會出什麼事?原書只說「網路好時可以預先下載」。如果 App 把 1.7 GB 的影片整支收進記憶體,收完才寫檔呢?

「請跟我大聲一下: java是有BufferedReader的 …(太重要的東西我們要說三次) 我們應該把File當成Stream而不是ByteArray …(太重要的東西我們要說五次)」🗣️ Triton 本人說 128-喵談 buffer stream and local cache.md · 主文第 1 點

「2) 如果你不懂什麼需要放進local cache 你應該依賴OS level的file cache而不是自己亂來 3) 如果你真的真的要建local cache 你應該用一堆現有的caching library 並且設定好cache TTL和cache max size 你用HashMap來當成cache是單純的智障」🗣️ Triton 本人說 128 · 主文第 2、3 點(後面的留言與 ChatGPT 段落不引)

🔭 推論 對照原書

  • 原書網路處理那節只說「網路好的時候允許預先下載供離線看」,沒有講怎麼下。下載一支 1.7 GB 的影片,照 128 就是把 HTTP response 當 stream 一段段寫進檔案,不是整支讀進記憶體再存
  • 原書的 prefetch cache 大小上限、推薦的 ttl,正好是 128 的 max size 和 TTL;離線下載區也該有這兩個設定
  • 128 講的是 server application 的 local memory cache;套到手機的下載區和 feed cache 是推論。「用現成 library」在手機上就是平台的下載管理(見第 50 頁)

動手排:出門前把影片載進手機

–下載時 App 握著的記憶體–下載區用量

延伸基礎第 11 階 · 個人化 vs CDN懂的人可以跳過

  1. 複習:bitrate・CDN
  2. buffer
  3. ABR
  4. 記憶體上限
  5. data saver
  6. jitter
  7. prefetch
  8. TTL・排程
  9. 前景/背景
  10. 離線下載・DRM
  11. 個人化 vs CDN

報紙可以先印好放超商;每個人不一樣的客製便當不行

① 先想像

今天的報紙人人一樣,前一晚印好鋪滿全台超商,早上 100 萬人來買也不會塞。客製便當每份不同,只能廚房一份一份做。

你猜猜看:1,000 萬人同一秒收到推播,1% 點開。首頁推薦每人不同,有多少 request 會穿過 CDN 打到後端?

③ 這叫做 static、personalized

static(靜態)內容:人人一樣,可以先放 CDN。personalized(個人化)內容:每人不同,要後端現做。

④ 跟這章的關係

這就是 Triton 推播那一段(第 48 頁):讀可以走 CDN,但個人化首頁擋不住。

② 動手玩:推播之後,誰接這些 request?

–點開的人–打到後端的 request

Triton 本人說 · 動手推137 主文 · 166 第 2 點 · 10 億 DAU 的 client 同時動起來

1,000 萬支手機同一秒做同一件事,後端先倒

原書這樣做會出什麼事?原書的預取排程如果讓每台手機都在「整點」醒來抓推薦呢?

「如果你有10M active user 你想過發promotional notification給這10M user,讓用戶同秒收到 就只1% 點開來也好,流量足夠穿過CDN讓你的backend支持不了給blank page了」🗣️ Triton 本人說 137-喵談 push notification.md · 主文(後面的回覆作者未標示,不引為 Triton)

「Write不能用CDN,Read可以。所以Write越重的系統(像是電商購物),比單純的blogging / 討論區(像某mobile01)更花錢」🗣️ Triton 本人說 166-有人問一個系統的server cost要用上多少錢。.md · 第 2 點

🔭 推論 對照原書

  • 本章範圍只有「看」,幾乎全是 Read:影片 segments、縮圖都在 CDN,是 166 說的便宜那一型
  • 但首頁推薦是個人化的,每個人不一樣,CDN 擋不住,要打到 backend;137 的「blank page」就是首頁空白
  • 原書的智慧預取剛好是解法:打開 App 時先顯示本地 cache,刷新可以晚一點、分散送
  • 反過來,預取也可能變成 137 的情境:如果每台手機都在「整點」醒來抓推薦,就是 10 億人同秒。原書提到兩個平台都會「delay or batch」背景工作,再加上 jitter,就不容易發生

動手推:後端每秒要接多少首頁 request?

–尖峰 request / 秒–看到空白首頁的人

影片本身的 CDN 冷啟動(暖機)那一面在 03 第 14 章簡報,這裡只看 API 這一面。

Triton 原則 · 點卡片027 / 028 RESTful API Design · 020 MQ 解法

網路隨時會斷:GET 重送就好,能 cache 的要說清楚

原書這樣做會出什麼事?捷運上抓推薦,request 送出去一直沒回應。App 該怎麼做?

「隨時會斷線!往往看起來正常,其實已經斷線」「最簡單來說:任何可以錯的東西,都有機會出錯」「在客戶端,任何未成功收到傳回訊息的 API,只需要重新呼叫。伺服器端需要懂得處理重覆 API request」🗣️ Triton 本人說 028 ·「淺談網路的不穩定性」「Idempotence(重新呼叫)」

「系統內的所有東西都必須定義能否使用快取」「客戶端可以建立本地快取 在下次請求時,客戶會把本地快取版本告訴伺服器。如果伺服器發現資源沒有改動,反回 HTTP 304」🗣️ Triton 本人說 028 ·「能夠利用快取機制增進性能」(027 同)

「正解:沒人反對過你自建 Readonly endpoint,別問 GraphQL 怎配 RESTful 了」🗣️ Triton 本人說 028 ·「先談 RESTful 謬誤」

🗣️ 503「伺服器沒當掉,只是目前太多人使用而繁忙中,所以先直接拒絕這個請求」028;202「這單純代表收到了工作,不代表工作做完了 – 一般來說,工作完成後伺服器會主動推送結果給客戶端」028,027 同頁:「沒事別亂用」;「建立一個outstanding_tasks的table(不使用redis的原因是怕redis當掉後data loss有工作變成孤兒)」020-MQ解法.md

🔭 推論 對照原書:點卡片

文組翻譯:打電話訂位沒聽到對方回答,就再打一次(GET 重送);但大家同一秒一起重打,總機會更忙(jitter)。菜單上寫「本日特餐,限今天」就是 ttl。

📅 2026 補充書本身沒提或已變動的平台細節

Media3、離線下載與 DRM、自動進 PiP、AV1 硬體解碼

📅 2026 補充

ExoPlayer 已併入 AndroidX Media3

原書寫「ExoPlayer」,參考連結已經指向 Media3。獨立的 ExoPlayer 專案(com.google.android.exoplayer2)已經停止維護,新的開發都在 androidx.media3:播放器是 ExoPlayer,背景播放用 MediaSessionService,就是原書背景音訊那節的 Media3。

📅 2026 補充

離線下載與 DRM:原書沒有展開

要做「下載供離線看」,兩個平台都有現成的:Android Media3 的 DownloadManager / DownloadService 能下載 HLS、DASH;iOS 用 AVAssetDownloadURLSession 下載 HLS。受保護的內容還要離線 license:Android 的 Widevine offline license、iOS 的 FairPlay persistable content key(AVContentKeySession)。這正好也是 128「用現成 library」的手機版。

📅 2026 補充

Android 12 起可以自動進 PiP

原書寫 Android 8.0 用 enterPictureInPictureMode。Android 12(API 31)加了 PictureInPictureParams.Builder.setAutoEnterEnabled(true),使用者滑回主畫面時系統直接平順地進 PiP,就是原書「Automatically enter PiP」那一條的官方做法。

📅 2026 補充

AV1 開始有硬體解碼

原書的 playback endpoint 讓 client 回報 codecs。這幾年較新的手機晶片(例如 iPhone 15 Pro 的 A17 Pro、Google Tensor 系列)有 AV1 硬體解碼;沒有的舊手機用軟體解 AV1 很耗電。所以 codecs 不只是「能不能播」,也和原書的電池那節有關。

到這裡你已經會了小結 4 / 4

  1. 複習:bitrate・CDN
  2. buffer
  3. ABR
  4. 記憶體上限
  5. data saver
  6. jitter
  7. prefetch
  8. TTL・排程
  9. 前景/背景
  10. 離線下載・DRM
  11. 個人化 vs CDN

到這裡你已經會了:Triton 會追問的事

11 階全部走完了

下一頁用一句話收尾;再下一頁是名詞小卡,給大家課後複習。

一句話記住

水塔要一直比水龍頭灌得快:灌不贏就把水龍頭關小;
出門前先裝好水桶,但別讓 10 億戶同一秒去開水。

原書的做法

  • REST + JSON,part 只拿要的欄位;playback endpoint 依裝置給 manifest
  • HLS / DASH / CMAF;每段 2–10 秒,ABR 用 buffer-based 或 hybrid
  • 字幕音軌獨立 track;seek 預覽抓 144p / 240p
  • 記憶體、電池、backoff + jitter、依網路類型調 buffering
  • Intelligent prefetching:remote config、relevanceScore + ttl、背景排程
  • 手勢、背景音訊、PiP 要整合成一個系統

和 Triton 一致(🔭)

  • 固定 buffer,播過的丟掉,記憶體跟影片長度無關(130)
  • prefetch cache 有上限、推薦有 ttl(128)
  • GET 重送安全、ttl 就是「定義能否快取」(028)
  • 幾乎全是讀,交給 CDN(166)

可以追問原書的

  • 個人化首頁 CDN 擋不住:推播同秒點開時 backend 撐得住嗎?(137)
  • 預取排程有沒有分散,還是 10 億台同時醒?(137)
  • 刷新推薦能不能用 304?(028)
  • 離線下載是 stream 寫檔嗎?下載區有上限和期限嗎?(128)

本章名詞小卡課後複習用 · 每個名詞一句白話

今天出現的名詞,一句話講完

bitrate每秒要送多少資料;畫質越高越多
Mbps、MB每秒百萬個 bit/百萬個 byte(8 bit = 1 byte)
segment影片切成的 2–10 秒小段
manifest列出有哪些畫質、哪些小段的菜單(.m3u8、.mpd)
codec把影片壓小的方法:H.264、HEVC、VP9、AV1
CDN離你最近的分店倉庫,影片和縮圖從這裡送
origin影片正本所在的總部
buffer已經下載、還沒播的那幾秒:家裡的水塔
rebuffering水塔見底,畫面轉圈圈
streaming邊下載邊播,播過的丟掉;不是整支下載完才看
ABR每一段都依網速重選畫質;網速掉就換小水龍頭
HLS、DASH、CMAF現成的串流規格;CMAF 讓兩者共用一份檔案

給工程師的重點出處與標籤

引述來源(materials/core)與原書對照

Triton 本人的講義 / 文章(都不是在談手機 App)

  • 130-喵談 io streaming.md — 8 小時 4K = 0.8 x 8 x 3600 = 23GB、固定 128 MB buffer、OS 補資料、H265 解壓、「寫入速度高於消耗速度」、固定的很小塊 Memory(說五次)
  • 128-喵談 buffer stream and local cache.md — 主文:File 當 Stream 不當 ByteArray、依賴 OS level file cache、cache lib + TTL + max size;後面的留言與 ChatGPT 段落不引
  • 137-喵談 push notification.md — 只引主文:10M 人同秒、1% 點開穿過 CDN、blank page;warm-up 那段是作者未標示的回覆,不引
  • 166-有人問一個系統的server cost要用上多少錢。.md — 第 2 點:Write 不能用 CDN,Read 可以
  • 028-RESTful API Design-tw-2.2.pdf.md(027 為 2.1 版)— 淺談網路的不穩定性、Idempotence、Cacheable、304、503、202、Readonly endpoint 與 GraphQL;027 的 202「沒事別亂用」
  • 020-MQ解法.md — outstanding_tasks、不用 redis 的理由(只用在範圍外的上傳卡片)

不引用:139(內文大多是 ChatGPT)、128 與 137 的回覆者。沒有用到學員筆記。沒有 Triton 資料:ABR、HLS / DASH / CMAF、播放器內部、離線下載與 DRM、手勢、背景音訊、PiP。

原書對照

Mobile System Design Interview Ch.9 YouTube app。開場與 Figure 1(第 4 頁);Step 1 問答(6)、Requirements(7)、UI sketch 與 Figure 2(8);Step 2 Network protocol(9)、Video browsing 與 part(10)、Popular / details / playback(11);Step 3 Figure 3 與 client architecture(12)、Server-side 與 CDN(13);Step 4 Video streaming(15)、Protocols(16)、ABR(18–19)、Android / iOS 與 Subtitles and audio(21)、Thumbnails 與 Figure 4(22)、Sprite sheets、Figure 5、Adaptive streaming(23)、Memory(25)、Battery 與 Industry insights(27)、Network handling、Advanced optimizations(29)、Prefetching 與 Table 1(32)、Implementation details(34)、Challenges(35)、Architecture updates、Figure 6(36)、Gestures(37)、Background audio(39)、PiP、Figure 7、Coordinating(40);Step 5 Wrap-up(41)。7 張圖依圖說與 alt 重繪,不是原圖;Figure 1、4、5、7 畫成 wireframe,logo 不畫。

循序漸進(文組版)的頁面

學習地圖(第 3 頁);延伸基礎 11 階:複習 bitrate・CDN(5)、buffer(14)、ABR(17)、記憶體上限(24)、data saver(26)、jitter(28)、prefetch(31)、TTL・排程(33)、前景/背景(38)、離線下載・DRM(45)、個人化 vs CDN(47);小結(20、30、42、51);名詞小卡(53)。小安的通勤是虛構情境;書桌格數、月租、電量門檻等都是示意數字。第 1 階的複習詞連到 03 第 1、14 章與 06 第 2 章的延伸基礎頁。

原書內文的小地方

Client architecture 寫「three main screens」但只列兩個;Figure 3 的 alt 沒有 state holder 和 History repository,內文有;續播被排除,資料層卻有 History repository;「適應各種網路」寫在 Scalability 底下;RTMP / RTMPS 的參考資料是直播 ingestion;Figure 2 的 alt 猜是設計前後對照,內文說是兩個畫面;中譯把 feed data 譯成「串流資料」;Figure 7 圖說斷成兩行。

← → 翻頁 · S 講者備註 · D 深/淺色
1 / 1目錄