此页面由 Cloud Translation API 翻译。

在 Cloud Run 作业中使用 FFmpeg 进行 GPU 加速的视频转码

本教程介绍了如何使用 Cloud Run 作业转码低优先级的离线视频。

准备申请材料

如需检索可用的代码示例，请执行以下操作：

将示例代码库克隆到您的本地机器：

git clone https://github.com/GoogleCloudPlatform/cloud-run-samples

切换到包含 Cloud Run 示例代码的目录：
```
cd cloud-run-samples/jobs-video-encoding
```

创建 Cloud Storage 存储桶

如需存储待处理的视频并保存编码结果，请创建以下两个 Cloud Storage 存储分区：

创建一个存储桶以存储处理前的视频：
```
gcloud storage buckets create gs://preprocessing-PROJECT_ID \
  --location LOCATION
```
替换以下内容：
- PROJECT_ID：您的项目 ID。
- LOCATION：Cloud Storage 位置。

向服务账号授予从此存储桶读取数据的权限：

gcloud storage buckets add-iam-policy-binding gs://preprocessing-PROJECT_ID \
  --member="serviceAccount:video-encoding@PROJECT_ID.iam.gserviceaccount.com" \
  --role="roles/storage.objectViewer"

将 PROJECT_ID 替换为您的项目 ID。

创建一个存储桶以存储处理后的转码视频：
```
gcloud storage buckets create gs://transcoded-PROJECT_ID \
  --location LOCATION
```
替换以下内容：
- PROJECT_ID：您的项目 ID。
- LOCATION：Cloud Storage 位置。

向服务账号授予读取和写入此存储桶的权限：

gcloud storage buckets add-iam-policy-binding gs://transcoded-PROJECT_ID \
  --member="serviceAccount:video-encoding@PROJECT_ID.iam.gserviceaccount.com" \
  --role="roles/storage.objectAdmin"

将 PROJECT_ID 替换为您的项目 ID。

部署 Cloud Run 作业

使用示例代码库中的 Dockerfile 并装载您创建的存储分区来创建 Cloud Run 作业：

转到示例目录：

cd cloud-run-samples/jobs-video-encoding

如果默认 Cloud Run 注册表尚不存在，请创建一个 Artifact Registry：
```
gcloud artifacts repositories create cloud-run-source-deploy \
  --repository-format=docker \
  --location LOCATION
```
将 LOCATION 替换为注册表所在位置的名称。
构建容器映像：
```
gcloud builds submit \
  --tag LOCATION-docker.pkg.dev/PROJECT_ID/cloud-run-source-deploy/IMAGE_NAME \
  --machine-type E2-HIGHCPU-32
```
替换以下内容：
- PROJECT_ID：您的项目 ID。
- LOCATION：注册表位置的名称。
- IMAGE_NAME：容器映像的名称，例如：ffmpeg-image。
Cloud Run 使用资源规模更大的机器类型来缩短构建时间。

部署作业：

gcloud beta run jobs create video-encoding-job \
    --image LOCATION-docker.pkg.dev/PROJECT_ID/cloud-run-source-deploy/IMAGE_NAME \
    --region REGION \
    --memory 32Gi \
    --cpu 8 \
    --gpu 1 \
    --gpu-type nvidia-l4 \
    --no-gpu-zonal-redundancy \
    --max-retries 1 \
    --service-account video-encoding@PROJECT_ID.iam.gserviceaccount.com \
    --add-volume=name=input-volume,type=cloud-storage,bucket=preprocessing-PROJECT_ID,readonly=true \
    --add-volume-mount=volume=input-volume,mount-path=/inputs \
    --add-volume=name=output-volume,type=cloud-storage,bucket=transcoded-PROJECT_ID \
    --add-volume-mount=volume=output-volume,mount-path=/outputs

替换以下内容：

PROJECT_ID：您的项目 ID。
REGION：区域的名称。注意：此区域必须与您拥有 GPU 配额的区域相同。
IMAGE_NAME：容器映像的名称，例如 ffmpeg-image。

如果您是首次在此项目中从源代码进行部署，Cloud Run 会提示您创建默认的 Artifact Registry 代码库。

运行作业

如需运行作业，请按以下步骤操作：

上传要编码的示例视频：

gcloud storage cp gs://cloud-samples-data/video/cat.mp4 gs://preprocessing-PROJECT_ID

运行该作业：

gcloud run jobs execute video-encoding-job  \
    --region REGION \
    --wait \
    --args="cat.mp4,encoded_cat.mp4,-vcodec,h264_nvenc,-cq,21,-movflags,+faststart"

entrypoint.sh 文件需要输入文件、输出文件以及要发送给 FFmpeg 的任何实参。

查看 Cloud Run 日志，确保视频已转码：

gcloud run jobs logs read video-encoding-job --region REGION

下载转码后的视频：

gcloud storage cp gs://transcoded-PROJECT_ID/encoded_cat.mp4 .