plex vps
Medienserver und Transkodierung
Hardware-Encoding, Terabytes an Bibliothek, eine Rechnung.
Was wir bereitstellen würden
86,80 €/Mo
124 €−30% jährlich
Eine Medienbibliothek ist ein Speicherproblem mit gelegentlichem Compute-Spike. Zwei Maschinen lösen es besser als eine: VAULT für die Bibliothek auf ZFS und eine FUSION-Instanz mit NVENC, wenn du einen Backkatalog an einem Nachmittag transkodieren musst. Verbinde sie über ein privates VLAN und der Traffic zwischen ihnen ist kostenlos und unbegrenzt.
Warum diese Konfiguration
VAULT speichert die Bibliothek zu einem Preis pro Terabyte, der Sinn ergibt, und seine ZFS-Snapshots schützen vor einer bösen Umbenennung. Füge die GPU nur hinzu, wenn du sie brauchst, und zerstöre sie, wenn der Job fertig ist.
Was wir bereitstellen würden
Sizing
Teile die zwei Ressourcen. Die Bibliotheksgröße ist eine VAULT-Frage: Pool-Größe plus 20 % Headroom, ARC für Metadaten. Transkodierung ist eine FUSION-Frage. Eine RTX 4000 Ada schafft etwa ein Dutzend gleichzeitige 1080p-H.264-Transcodes, aber nur drei oder vier 4K-HEVC-Streams mit Tone-Mapping, weil Tone-Mapping auf CUDA-Kernen läuft statt auf dem Encoder-Block. Wähle L40S für AV1-Ausgabe in großem Maßstab. Halte 4 CPU-Kerne pro GPU für Demuxing, Untertitel und Remuxing.
NVENC-Sessions und was läuft immer noch auf der CPU
Consumer-Karten hatten historisch eine Obergrenze für gleichzeitige NVENC-Sessions im Treiber; professionelle Karten wie RTX 4000 Ada und L40S haben keine solche Grenze, also wird die Gleichzeitigkeit durch den Encoder-Durchsatz begrenzt. Das ist weniger wichtig als das, was NVENC nicht tut. Decoding nutzt NVDEC, einen separaten Block. Tone-Mapping von HDR auf SDR läuft auf CUDA-Kernen. Untertitel-Rendering, Audio-Transkodierung und Container-Remuxing laufen alle auf der CPU. Ein 4K-HEVC-HDR-Stream, der auf 1080p-SDR herunterkonvertiert wird, berührt daher alle vier Pfade, weshalb die Zahl pro Karte von einem Dutzend Streams auf eine Handvoll fällt.
Zwei Maschinen, ein privates VLAN
Speicher und GPU wollen unterschiedliche Hardware, also betreibe sie als unterschiedliche Server. VAULT speichert die Bibliothek auf ZFS mit NVMe-Cache; FUSION beherbergt die Karte und bleibt ansonsten klein. Verbinde sie in einem privaten VLAN und exportiere die Bibliothek über NFS mit einem großen rsize und wsize. Der Transcoder liest sequenziell mit Raten, die ein einzelner 10G-Link bequem absorbiert, und keiner dieser Datenverkehre berührt die öffentliche Schnittstelle oder den Scrub-Pfad. Es lässt auch jede Seite auf ihrer eigenen Achse skalieren: Füge Pool-Kapazität hinzu, ohne den GPU-Host anzufassen, füge eine zweite Karte hinzu, ohne 20 TB Medien zu bewegen.
Was schiefgeht
- Annehmen, dass die GPU verwendet wird. Ein Container ohne NVIDIA-Runtime fällt still auf libx264 zurück, und das einzige Symptom ist hohe CPU und ruckelnde Wiedergabe. Überprüfe nvidia-smi während eines Transcodes, nicht die Logs.
- Untertitel versehentlich einbrennen. PGS- und bildbasierte Untertitel erzwingen einen vollständigen Transcode eines Streams, der sonst direkt abgespielt würde. Konvertiere wo möglich zu SRT und stelle die Client-Einstellungen entsprechend ein.
- Transcode-Temp auf den ZFS-Pool schreiben. Segmentdateien sind kleine synchrone Schreibvorgänge auf einem Pool, der für große sequenzielle Medien optimiert ist. Zeige das Temp-Verzeichnis auf lokales NVMe und der Pool hört auf zu thrashing.
Maschine optimieren
- Speicher und Verschlüsselung — ZFS with hourly snapshots · 7 €
- Adressierung und Transit — Private VLAN between your servers · 6 €
- Adressierung und Transit — Uplink upgrade to 10 Gbps · 19 €
Mehr
Für bestimmte Aufgaben gebaut
Game-Server-Hosting
Tickrate ist ein Single-Thread-Problem. Alles andere ist Rauschen.
Trading- und Low-Latency-VPS
Distanz zur Matching-Engine und nichts zwischen dir und der Leitung.
Private VPN- und Proxy-Endpunkte
Dein eigener Exit, in einer Jurisdiktion, die du absichtlich gewählt hast.
Seedboxen und Massenspeicher
Terabytes, die günstig bleiben, und ein Port, der offen bleibt.
Kubernetes-Worker-Nodes
Günstig pro Kern, dicht und jedes Mal identisch.
KI-Inferenz und Feintuning
Eine ganze GPU, durchgereicht, zu einer Bindung, die die Rechnung aufgehen lässt.