Mario Ruiz Díaz
← Todos los casos

Caso de estudio · Sistemas distribuidos

Prefetch de anuncios guiado por pronóstico para los cortes de Pluto TV

Un pronóstico estadístico elegía los cortes que se esperaba que tuvieran más demanda, y los anuncios para esos cortes se buscaban y procesaban antes en un storage propio de Pluto TV, así esos cortes no dependían de una ráfaga de llamadas en vivo en el segundo en que empezaban.

Visitar pluto.tv
Producto
pluto.tv ↗
Cliente
Pluto TV
Industria
Streaming gratuito con publicidad (FAST)
Rol
Tech Lead · Diseñador de la solución
Período
2020 – 2024
Prefetch de anuncios guiado por pronóstico para los cortes de Pluto TVANTES DEL CORTECUANDO EMPIEZA EL CORTESeñales de demandaevento, día, pronósticos externosPronósticocortes con más demandaPrefetchpedir a los ad servers antesAnuncios preparadosprocesados y guardadosEspectadores en el cortemismo segundo, mismo canalCorte publicitarioservido desde el storageDemanda realvuelve al pronósticoanuncios listoslo que pasóajusta

Deslizá hacia el costado para ver el diagrama completo →

El ciclo de prefetch en Pluto TV. Un pronóstico alimentado por el calendario de eventos, el día y pronósticos externos elige los cortes que se espera que tengan más demanda; los anuncios para esos cortes se buscan y procesan antes y quedan en un storage, así el corte se sirve desde el storage en lugar de una ráfaga de llamadas cuando empieza. Lo que pasó de verdad realimenta el pronóstico.Descargar diagrama (PNG) ↓

Contexto

Pluto TV es un servicio de streaming gratuito financiado con publicidad, con canales lineales: los espectadores de un mismo canal llegan a cada corte en el mismo momento. Sus revenue services deciden, buscan y preparan los anuncios de cada corte, llamando a ad servers de terceros. La oferta de anuncios era limitada y distintas plataformas competían por los mismos anuncios.

El desafío

El momento de mayor demanda era también el momento en que más costaba conseguir anuncios: todos los espectadores de un canal llegaban al corte en el mismo segundo, mientras otras plataformas pedían los mismos anuncios limitados. Llenar esos cortes no podía depender de una ráfaga de llamadas a los ad servers en el segundo exacto en que empezaba cada corte.

La solución

Adelantarse al corte en lugar de correr contra él. Un pronóstico estadístico, alimentado con el evento que se transmitía, el día y pronósticos externos, elegía los puntos que se esperaba que tuvieran más demanda. Para esos puntos, los anuncios se buscaban y procesaban antes y quedaban en un storage propio de Pluto TV, así el corte se servía desde el storage. Lo que pasaba de verdad volvía a las estadísticas, así el pronóstico se ajustaba con el tiempo.

  • Pronóstico de demanda

    Modelo estadístico que elige los puntos con más demanda prevista, usando como entradas el evento, el día y pronósticos externos.

  • Prefetch

    Para los puntos que marca el pronóstico, pide los anuncios y los procesa antes del corte.

  • Storage de anuncios preparados

    Storage propio de Pluto TV con los anuncios ya buscados y procesados, listos para servir cuando empieza el corte.

  • Realimentación

    Lo que pasó de verdad vuelve a las estadísticas, así el pronóstico se ajusta con el tiempo en lugar de quedar como una estimación fija.

Decisiones clave

  1. 01

    Hacer el trabajo antes del corte

    Cuando los espectadores llegan juntos, el pedido más barato es el que ya está respondido. Mover las llamadas a los ad servers y el procesamiento a antes sacó ese trabajo del segundo en que llegaban todos los espectadores del canal.

    Alternativas evaluadas Buscar cada anuncio en vivo cuando empieza el corte.

  2. 02

    Hacer prefetch donde dice el pronóstico, no en todos lados

    Los anuncios eran limitados y otras plataformas competían por ellos, así que el prefetch apuntaba a los puntos con más demanda prevista.

  3. 03

    Un pronóstico que aprende

    La demanda depende del evento, del día y de condiciones de afuera de la plataforma. Volver a cargar los resultados reales en las estadísticas permitió que el pronóstico se ajustara con el tiempo.

Qué hice

  • Diseñé el enfoque: pronosticar los cortes con más demanda y hacer prefetch de sus anuncios antes.
  • Diseñé la arquitectura: pronóstico, prefetch, storage de anuncios preparados y la realimentación.
  • Lideré al equipo como Tech Lead.

Resultados

  • Para los cortes que marcaba el pronóstico, pedirles a los ad servers y procesar los anuncios se hacía antes, con un calendario que controlaba el equipo, y no en el mismo segundo que todos los espectadores del canal.
  • Un pronóstico que se ajustaba con el tiempo según lo que pasaba de verdad, en lugar de una estimación fija.

Fuentes y prensa

Contacto

Traeme un problema real.

Un problema de escalado, una migración riesgosa, un workflow de IA que tiene que volverse confiable o un equipo que necesita una dirección técnica más clara.

Conversación de nivel founder · Feedback práctico · NDA disponible a pedido