视频成片怎么稳定导出？编码选择、GPU/CPU降级与媒体交付验收

视频处理任务里最危险的误判是：目录里出现了 MP4，就认为导出成功。GPU 编码器可能不可用、显存可能不足、进程可能中途退出但留下半成品；即使退出码为 0，成片也可能没有音轨、时长异常或编码格式不适合目标播放器。

第 05 篇已经解决了确认字幕怎样进入成片；本文只讨论成片导出。固定案例是一条 93.2 秒的 1080P 带字幕预览视频：Worker 优先尝试 NVENC，以缩短批量任务耗时；GPU 不可用或编码失败时，再使用 libx264 重新导出。系统必须记录每次尝试、每种编码策略和最终验收结果，不能让失败文件进入交付目录。

示例环境为 Python 3 Worker、FFmpeg/ffprobe、Java 17/Spring Boot 风格服务层和 MySQL 8.x。编码参数与阈值为教学示例，生产环境应按目标平台、机器资源和素材特征调整。

目录

1. 编码选择先看交付目标
2. 固定案例和可交付标准
3. GPU首选、CPU降级的导出链路
4. 数据模型：尝试记录与最终成片分开保存
5. Python实现：有条件地降级，而不是盲目重试
6. Java实现：媒体验收通过才提交
7. 预期输出和自动测试
8. SQL验证：怎样发现异常交付物
9. 异常边界和上线验收
10. 小结和延伸阅读

一、编码选择先看交付目标

h264_nvenc 和 libx264 不是简单的"快"和"慢"。前者依赖 NVIDIA 驱动、编码器支持和可用显存；后者主要使用 CPU，耗时更长，但在没有 NVIDIA GPU 的机器上仍可工作。对需要广泛播放的 MP4，视频使用 H.264、音频使用 AAC 通常是保守的交付选择。

场景	首选策略	降级策略	为什么
GPU 工作节点批量导出	H.264 + NVENC	H.264 + libx264	优先吞吐，失败后仍保证交付
无 GPU 的普通服务器	H.264 + libx264	排队或转交 GPU 节点	不把不存在的硬件能力写进流程
高质量归档母版	保留高质量源文件	单独归档任务	不与面向播放的压缩规则混用
移动端或平台上传	H.264 + AAC + faststart	平台专用转码	优先兼容与首屏播放

这里的关键是"策略有顺序，结果有证据"。不能因为 NVENC 失败就无限重试，也不能在未记录原因的情况下悄悄换成 CPU，导致后续无法解释任务为什么突然变慢。

图1：GPU 编码是优化路径，不是交付前提；CPU 降级保证任务在受控条件下完成。

二、固定案例和可交付标准

任务编号：VW-20261001-006
输入视频：outputs/preview/lesson-burned.mp4
目标交付：outputs/delivery/lesson-final.mp4
源视频：1920x1080，93.2 秒，含视频和音频流
首选编码：h264_nvenc / AAC
降级编码：libx264 / AAC
最大时长偏差：1.5 秒
最低文件大小：1 MB
请求编号：REQ-RENDER-006

本次故障中，任务第一次调用 NVENC 返回"找不到可用编码器"；如果程序只报失败，用户只能手工重新选择机器。如果程序无条件重复调用同一命令，则会制造大量相同失败日志。正确做法是识别"可降级"的编码环境错误，创建第二次 CPU 尝试；第二次成功后，仍要探测最终视频的时长、分辨率、流信息和文件大小。

三、GPU首选、CPU降级的导出链路

导出服务把"编码尝试"和"最终交付"分成两层。前者记录每次命令的策略、耗时和错误，后者只引用验收通过的那一次：

步骤	处理	失败时怎样做
读取输入	只读取 READY 的预览视频	输入不可用，直接阻断
创建 GPU 尝试	写入 .writing 临时文件	记录 stderr 摘要和错误分类
判断能否降级	仅对编码器不可用、设备不可用等环境错误降级	内容损坏、路径错误不应换 CPU 重跑
创建 CPU 尝试	使用新临时文件和独立 attempt_no	保留 GPU 失败记录
ffprobe 验收	检查流、时长、分辨率、大小	失败文件不进入正式目录
原子提交	移动为正式交付文件并登记 READY	只有一个最终版本可供下游读取

图2：GPU 失败并不等于任务失败；是否降级取决于错误类型，最终仍以媒体验收为准。

把编码速度、预设参数、显卡型号等细节都塞进"最终文件"表会混淆事实。最终成片回答"交付了什么"，尝试记录回答"过程发生了什么"。

四、数据模型：尝试记录与最终成片分开保存

CREATE TABLE video_export_attempt (
  id BIGINT PRIMARY KEY AUTO_INCREMENT,
  export_job_id BIGINT NOT NULL,
  attempt_no INT NOT NULL,
  encoder VARCHAR(32) NOT NULL,
  preset_name VARCHAR(32) NULL,
  attempt_status VARCHAR(24) NOT NULL,
  temporary_path VARCHAR(500) NULL,
  duration_ms BIGINT NULL,
  exit_code INT NULL,
  error_code VARCHAR(64) NULL,
  error_summary VARCHAR(1200) NULL,
  started_at DATETIME NOT NULL,
  finished_at DATETIME NULL,
  UNIQUE KEY uk_export_attempt (export_job_id, attempt_no),
  CHECK (attempt_status IN ('RUNNING', 'SUCCEEDED', 'FAILED'))
);

CREATE TABLE video_export_job (
  id BIGINT PRIMARY KEY AUTO_INCREMENT,
  job_no VARCHAR(64) NOT NULL,
  source_file_id BIGINT NOT NULL,
  selected_attempt_id BIGINT NULL,
  export_status VARCHAR(24) NOT NULL,
  output_path VARCHAR(500) NULL,
  output_sha256 CHAR(64) NULL,
  output_duration_ms BIGINT NULL,
  output_width INT NULL,
  output_height INT NULL,
  output_size BIGINT NULL,
  request_id VARCHAR(64) NOT NULL,
  create_time DATETIME NOT NULL,
  update_time DATETIME NULL,
  UNIQUE KEY uk_export_request (request_id),
  CHECK (export_status IN ('PENDING', 'RUNNING', 'READY', 'FAILED'))
);

selected_attempt_id 只指向通过媒体探测的一次尝试。这样既能保留 GPU 失败和 CPU 成功的完整上下文，也能保证下游只读取一个 READY 成片。

图3：最终交付记录只引用验收通过的一次尝试，所有失败仍可回查。

五、Python实现：有条件地降级，而不是盲目重试

Worker 将 FFmpeg 输出转换成有限的错误类型，再决定是否使用 CPU。下面示例只把明确的 GPU 环境错误列为可降级；输入文件不存在、滤镜参数错误等问题必须直接失败。

from dataclasses import dataclass
from pathlib import Path
import subprocess

FALLBACK_MARKERS = ("No NVENC capable devices found", "Cannot load libcuda", "Unknown encoder 'h264_nvenc'")

@dataclass(frozen=True)
class EncodeProfile:
    encoder: str
    extra: list[str]

GPU = EncodeProfile("h264_nvenc", ["-preset", "p4", "-cq", "23"])
CPU = EncodeProfile("libx264", ["-preset", "medium", "-crf", "20"])

def run_encode(input_path: Path, output_path: Path, profile: EncodeProfile) -> tuple[bool, str]:
    temporary = output_path.with_suffix(output_path.suffix + f".{profile.encoder}.writing")
    command = ["ffmpeg", "-y", "-i", str(input_path), "-c:v", profile.encoder,
               *profile.extra, "-c:a", "aac", "-movflags", "+faststart", str(temporary)]
    result = subprocess.run(command, capture_output=True, text=True, timeout=1800)
    return result.returncode == 0, result.stderr[-1600:]

def export_with_fallback(input_path: Path, output_path: Path):
    ok, detail = run_encode(input_path, output_path, GPU)
    if ok:
        return "h264_nvenc", detail
    if not any(marker in detail for marker in FALLBACK_MARKERS):
        raise RuntimeError(f"GPU 编码失败且不允许降级：{detail}")
    ok, detail = run_encode(input_path, output_path, CPU)
    if not ok:
        raise RuntimeError(f"CPU 编码也失败：{detail}")
    return "libx264", detail

实际 Worker 还需要在每次尝试后执行 ffprobe，把时长、分辨率、流数量和文件大小作为结构化结果返回。临时文件直到验收通过前都不移动为 lesson-final.mp4。

图4：降级是受控策略，不是对任何失败都再跑一次 CPU；临时文件必须先通过媒体探测。

六、Java实现：媒体验收通过才提交

Java 服务层负责幂等、输入状态和最终提交。Worker 只报告编码尝试与探测结果，不能自行把文件登记为可交付：

@Transactional(rollbackFor = Exception.class)
public ExportResult export(ExportCommand command) {
    VideoExportJob job = exportRepository.lockByRequestId(command.requestId())
            .orElseGet(() -> exportRepository.createPending(command));
    if ("READY".equals(job.status())) return ExportResult.reused(job.outputPath());

    WorkflowFile input = fileRepository.findReady(command.sourceFileId())
            .orElseThrow(() -> new BizException("预览视频不可用"));
    exportRepository.markRunning(job.id());

    WorkerExportResult workerResult = exportWorker.export(input.path(), command.requestId());
    workerResult.attempts().forEach(item -> attemptRepository.save(job.id(), item));
    if (!workerResult.success()) {
        exportRepository.markFailed(job.id(), workerResult.errorCode());
        return ExportResult.failed(workerResult.errorCode());
    }
    MediaInfo media = workerResult.mediaInfo();
    if (!media.playable() || media.videoStreams() != 1 || media.audioStreams() < 1
            || Math.abs(media.durationMs() - input.durationMs()) > 1500 || media.fileSize() < 1_000_000) {
        exportRepository.markFailed(job.id(), "MEDIA_VALIDATION_FAILED");
        return ExportResult.failed("MEDIA_VALIDATION_FAILED");
    }
    String outputPath = fileRepository.commitTemporary(workerResult.temporaryPath(), "DELIVERY_VIDEO");
    exportRepository.markReady(job.id(), workerResult.selectedAttemptId(), outputPath, media);
    return ExportResult.ready(outputPath, workerResult.encoder());
}

这个服务方法刻意没有"GPU 失败就自己改参数"的逻辑：编码策略属于 Worker 的媒体领域，服务层只验证输入、保存证据和决定是否提交。职责分开后，错误排查不会变成一团命令字符串。

七、预期输出和自动测试

第一次尝试：h264_nvenc，FAILED，error_code = GPU_ENCODER_UNAVAILABLE
第二次尝试：libx264，SUCCEEDED
最终成片：lesson-final.mp4，1920x1080，时长 93.2 秒左右，H.264 视频 + AAC 音频
交付状态：READY，selected_attempt_id 指向第二次尝试

def test_only_gpu_environment_errors_allow_cpu_fallback():
    assert any(marker in "Cannot load libcuda" for marker in FALLBACK_MARKERS)
    assert not any(marker in "No such file or directory" for marker in FALLBACK_MARKERS)

def test_temporary_path_contains_encoder_name(tmp_path):
    target = tmp_path / "lesson-final.mp4"
    assert target.with_suffix(".mp4.h264_nvenc.writing").name.endswith(".writing")

@Test
void shouldCommitCpuOutputAfterGpuUnavailable() {
    fixture.readyVideo(100L, 93_200L);
    worker.stubGpuUnavailableThenCpuSuccess(93_180L, 1920, 1080, 2_400_000L);

    ExportResult result = service.export(new ExportCommand("REQ-006", 100L));

    assertTrue(result.success());
    assertEquals("libx264", result.encoder());
    assertEquals(2, attemptRepository.countFor(result.jobId()));
}

@Test
void shouldRejectPlayableFileWithWrongDuration() {
    fixture.readyVideo(100L, 93_200L);
    worker.stubSuccess(89_000L, 1920, 1080, 2_400_000L);

    ExportResult result = service.export(new ExportCommand("REQ-007", 100L));

    assertEquals("MEDIA_VALIDATION_FAILED", result.errorCode());
}

八、SQL验证：怎样发现异常交付物

-- READY 成片必须关联一条成功尝试，预期结果为空
SELECT j.job_no, j.output_path
FROM video_export_job j
LEFT JOIN video_export_attempt a ON a.id = j.selected_attempt_id
WHERE j.export_status = 'READY'
  AND (a.id IS NULL OR a.attempt_status <> 'SUCCEEDED');

-- 查超过 30 分钟仍未结束的导出任务
SELECT job_no, update_time
FROM video_export_job
WHERE export_status = 'RUNNING'
  AND update_time < DATE_SUB(NOW(), INTERVAL 30 MINUTE);

-- 查 GPU 失败后又重复 GPU 尝试、却没有 CPU 尝试的任务
SELECT export_job_id
FROM video_export_attempt
GROUP BY export_job_id
HAVING SUM(encoder = 'h264_nvenc' AND attempt_status = 'FAILED') > 1
   AND SUM(encoder = 'libx264') = 0;

图5：最终交付不是"最后一次命令跑完"，而是成功尝试、媒体探测和正式文件三者一致。

九、异常边界和上线验收

异常	应对方式
GPU 不可用或编码器未安装	记录环境错误，允许一次 CPU 降级
输入文件损坏、路径不存在	直接失败，不进行 CPU 降级
CPU 导出超时	标记超时，保留尝试摘要，允许从输入重新发起
半成品文件遗留	只写入临时目录；定时清理未被任务引用的旧临时文件
只含视频或只含音频	媒体探测失败，不进入交付目录
时长、分辨率、大小异常	标记验收失败，保留证据供定位
重复请求	按 request_id 复用 READY 结果或返回正在执行状态

上线前至少验证：GPU 可用时能选中 GPU 尝试；GPU 不可用时仅降级一次 CPU；输入问题不会触发无意义降级；失败文件不会成为 DELIVERY_VIDEO；SQL 能查出卡住任务和不一致的最终记录。

十、小结和延伸阅读

稳定导出视频的关键不在于永远使用最快的编码器，而在于把编码选择、失败分类、CPU 降级、临时文件和媒体探测放进同一条证据链。GPU 是性能优化，CPU 是受控兜底；只有验收通过的 MP4 才是交付物。

1. FFmpeg Codecs Documentation
2. FFmpeg Formats Documentation
3. FFprobe Documentation
4. Spring Framework: Transaction Management
5. MySQL 8.0 Reference Manual: CREATE TABLE