創下單月45TB流量紀錄的個人專案:MyAudioCast
創下單月45TB流量紀錄的個人專案:MyAudioCast
2016.01.22 | 科技

圖說明

本文授權轉載自Oceanic / 海海人生,作者為曾小海,擔任「StreetVoice 街聲」技術總監,喜歡獨立音樂,平時除了寫程式之外也從事音樂創作。最近專注於專案、管理、領導相關議題,每天上下班通勤都用 Audible 聽有聲書,持續努力學習,期待大部分的事情都可以做好做滿。

請原諒我用稍微誇張的標題,來寫下 MyAudioCast 這個網站從 2010 開始以來的一些過程,做一些紀錄,可能對一些大大來說,這些數據根本也不算什麼,不過對我,而且是 side project 來說,我覺得可以拿出來說一下,先列一下數據吧:

  • 最高單日 3TB 流量
  • 最高單月 45TB 流量
  • 最高 1439 mbps
  • 佔據 iTunes 中國 Podcast 排行榜前三名
  • 單一節目一週內 50 萬次播放

圖說明
單一月份吃掉 45TB 的流量紀錄

緣起

在 2010 年初時,當初因為想要自己弄個 Podcast,也覺得台灣 Podcast 或是自製網路廣播的門檻太高,除了錄音之外,根本沒有簡單的方式可以發布。也因為開始學著 Python,便開始學著用當初正紅的 Google App Engine 來開發 MyAudioCast,讓錄好 Podcast 的人可以很輕鬆地發佈。

當時寫了這麼一篇 MyAudioCast - 輕鬆建立你的 Podcast!,節錄出來下面這段。

這幾天花了點時間寫了 MyAudioCast,因為台灣的 Podcast 真的是很不流行,但是其實發現有一些人錄好了 podcast 之後,卻因為不知道檔案要放哪,[...] 所以在希望能降低發佈 Podcast 門檻的想法下,便開發了 MyAudioCast。

很幸運的,從早期的 StickerAction 這個站開始,Pixnet 就有贊助 CDN,所以 MyAudioCast 開站沒多久,當時還在 Pixnet 的 @gslin 大大便聯絡我要贊助 MyAudioCast 的 CDN,後來換 @jnlin 大大接手這件事,實在是感謝 Pixnet 以及幾位大大。

開站一年後

一開始 MyAudioCast 發佈時就有一些推友也透過 MyAudioCast 來發佈他們的 Podcast,隔了一年後,MyAudioCast 滿週歲 個人覺得營運的還不錯,至少有很多我喜歡的 Podcast 都透過 MyAudioCast 發佈,也驗證降低發佈門檻是很有用的,也節錄一下當初這篇的部分內容:

從最早開站沒幾個節目到現在,已經有 201 個有上傳節目的 Podcast,48 個 Podcast 上了 iTunes Store,每天的流量差不多是 120G。

而在技術上我也學習了不少 App Engine 的東西,特別是關於 DataStore 的資料庫規劃跟使用。

MyAudioCast 算是我第一個正式 AppEngine 專案,開發過程中讓我對 AppEngine 的 DataStore 不管是在規劃還是效能上有比較全盤的了解。

流量爆衝

誰知道滿週年就碰到流量爆炸的狀況,當初還寫了一篇 拯救 MyAudioCast,但老實說我也記不得我當初做了什麽了 XD

不過狀況大概是這樣,因為有好幾個中國的 Podcast 都放上了 MyAudioCast,查了一下居然 iTunes 中國 Podcast 排行榜前三名的 Podcast 都放在 MyAudioCast,就這樣。

年初差不多每天是 120GB,後來到了年末則是每天平均 1.5TB,曾經最高是每天 3TB 的流量,實在是很誇張,而瞬間暴衝的圖表可以看一下,就是這麼誇張。

圖說明

每月流量

為了寫這篇文章,花了一兩個小時的時間,找了一下當時每天 CDN 的使用量報告的數據,然後弄了幾個圖表。 可以看一下第一張圖的數據,2012 二月,流量最高的一個月份,當月每天幾乎都有 1TB 的流量。

流量最高的月份,當月花了 45493 GB,差不多是 45 TB

中國的 Podcast 風潮

流量最高那段時間,都是因為幾個中國的 Podcast,所以才會造成流量會這麼高。

記得當初這幾個 Podcast 的節目只要一放出來幾個小時內就會破幾萬次下載、播放。

熱門的節目都可以到達 50 萬次的下載、播放。

因為中國 Podcast 的流量實在是太高,後來被贊助商 Pixnet 的大大們找吃飯,說是有點撐不了,不知道是否是被濫用,或是被攻擊,似乎該加個防盜連的機制才對 XD

但實際上,這似乎真的是真實的流量,這時就真的有體會到 ...

中國完全是不同層次的量級啊

為了中國 Podcast 這麼流行,其實我也不是很清楚,最簡單的一個指標我想就是,通勤時間,因為他們通勤時間長,跟我 一直聽有聲書 有種類似的概念。

記得有一次跟 iMusee 的創辦人聊到,記得他說在印尼 (還是印度) 我有點忘記了,他們聽廣播的人很多、時間也長,因為他們那邊時常塞車,所以只好聽廣播 XD

我想大該是這樣的概念吧 (笑)

沒落

因為中國的 Podcast 的流量吃太兇,導致 CDN 開銷也太大,縱使是 Pixnet 提供贊助,我也知道也有點過頭了,所以 @jnlin 大大便開始想一些方案,後來另外租一台美國的主機架設 squid 來當 proxy,但是因為速度實在是太慢,頻寬不夠寬,中國的熱門 Podcast 一出新節目就把所有頻寬吃光了。

所以導致後來就被這些熱門 Podcast 紛紛詢問為何不能聽了? 被一堆客服信攻擊,但是其實我也沒辦法,後來這些 Podcast 就紛紛搬了出去,所以後來可以從圖表上看到,流量就整個掉光光了 XD

但也因為高流量的 Podcast 都搬走了,所以後來又開始用回原本的 CDN 了,只是流量已經不復見。

圖說明

而這中間採用的方案,因為我檔案都是放在 S3,然而 Squid 的 hit rate 不夠高,所以導致我當月 S3 的流量噴了 5 萬多塊台幣,讓我那個月份實在是有點過不下去,有點慘 (哭)

Podcast 重新復甦

圖說明

從圖表中也可以看出來 MyAudioCast 2014 年後半年開始,流量又開始慢慢起來了,主要是以香港的 Podcast 為主,後來似乎台灣也開始流行 Podcast 這件事,像是中國時報、警廣等也來 MyAudioCast 開台,或是很多現有電台的節目主持人也都會放 Podcast 上來。

要說 MyAudioCast 可不可以做的,我覺得好像是可以的啦 XD

終止贊助

2014 年年中,Pixnet 那邊不再提供贊助了,可能是因為他們公司內部計畫的原因,但我也沒多問,只覺得 Pixnet 已經幫忙很多了,讓我實驗過這一回。

當初贊助商 Pixnet 也有找我談過 Podcast 能不能放聲音廣告這件事,不過由於當時 MyAudioCast 最高流量的 target 是來自中國,Pixnet 的廣告營銷部門似乎也找不到這類的廣告主來做聲音廣告的投放,所以也就沒有下文了,不然當時連即時 audio 串廣告投放的功能都做好了 XD

也許時間不對,或是我沒有放太多心力在上面,讓 MyAudioCast 可以成為一個持續營運的平台。

意見調查

最近這幾年做 startup 都希望可以盡快知道使用者的反應跟意見,所以我從中抽了點時間,也試著做一點意見調查,看能不能從中學習到什麼,所以發了一個問卷問了幾個問題,挑選最近幾個最活躍的幾個 podcast,寄出去 230 多封信件,只有 33 個人填了問卷,14% 的人有回覆,而我問了以下幾個問題:

  • 您是否願意付費使用 MyAudioCast?
    有意願的有 24 個人

  • 每月願意付出多少金額來使用 MyAudioCast?
    我列出了幾個選項,最低是 9 USD,幾乎所有人都選最低的這個,甚至想要更低

  • 是否需要 iTunes Podcast 功能?
    只有 9 個人不需要,可以在網頁上聆聽就好,所以大部分的人都還是需要 Podcast feed 供人訂閱

所以最後決定不繼續營運,也根據這個問卷調查來做最後的考量,如果有人也想做 Podcast 平台服務的話可以考慮一下 XD

學到了什麼

因為是自己的 side projet,所以其實並沒有太多時間可以花在上面,特別是在 StreetVoice 的工作越來越忙,一直有想說是不是該開始收費了,但是卻沒有任何時間可以去做這件事。

當中也想過很多收費的方式、定價,功能區分等等,但是還真的沒有時間弄,因為工作實在太忙。

再來就是 Podcast 平台,很難從頁面廣告賺錢,因為流量主要都是透過 iTunes 訂閱,自動下載節目,所以其實使用者根本也不會連到頁面,除非你只做頁面的播放,而不是真的 Podcast,看下面這個數據就知道了,pageview 跟 play count 的差距有多大就知道了。

圖說明

最後,我想我一個學到的事情就是,忽略了經營這樣一個網站要花多少經費,也許是因為 Pixnet 贊助了 CDN,而我也只當作做興趣,沒把這件費用這件事情考慮進來。 一直到最後沒了贊助,才真的意識到這件事情,但是因為工作實在太忙,也沒辦法快速的對這件事情做出反應。

我想我還得多想一下從這次的經驗裡學到了什麽東西,我似乎永遠都把工作太忙這件事掛在嘴上,最近開始覺得這件事情似乎對自己是有害的。

我得好好想想,假設之後要創業,我真的有哪些事情可以當作參考,或是真的學到了什麼才是最重要的。

最後

其實先前想了很多方式來節省經費,讓 MyAudioCast 可以持續營運,但最後還是每個月得花上近一萬塊才能持續運作,但身為一個上班族,還有最近其他的家庭因素,而公司的工作量卻也越來越大,根本沒辦法花上任何心力顧及 MyAudioCast,所以就這樣繼續撐了半年,最後在 2016 年開始決定關站。

其實覺得很對不起放在 MyAudioCast 的 Podcast,不過也都先已經做好 Dropbox 同步,讓所有放 Podcast 在這邊的人可以都同步回去,保留一份他們 Podcast 節目的檔案。

最後,感謝這 5 年大家對 MyAudioCast 的支持,下台一鞠躬,也許哪天我有空再來 open source 一些東西,或是技術相關的經驗吧?

關鍵字: #Google #Podcast
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓