随着信息时代的发展,目前人们接受信息的方式已经从简单的文本信息演变为更加直观的短视频。人们通过应用上传视频短视频后,应用平台会将视频进行压缩,以节省带宽,但视频压缩是有损的,很可能经压缩后的视频模糊不清,影响用户观感。从视频应用的角度来说,目前日益递增的视频量依靠人眼来主观评价效率极低,人工成本太大。同时视频应用的开发者们在尝试编码优化时,往往需要A/B实验来判断编码优化对视频质量方面的影响,而这通常需要花费巨大的时间成本和风险成本。针对上述问题,本文设计并实现了基于Druid的视频客观质量评价系统。主要工作以下四个方面:（1）本系统使用了全参考的客观质量评价方法,基于原始视频的参考,对编码压缩后的视频进行了质量的评价。将像素差异、融合指标集成在系统模块中,使得视频质量可以进行数值的度量。（2）本系统实现一个异步任务模型,以Go语言实现的Web服务作为任务发布者,以Python开发的视频客观质量评价模块作为任务处理者,系统借助Gearman中间件,解决了在分布式环境下不同程序语言之间的调用,也解决了在任务调度时负载不均的问题。（3）本系统基于大数据统计分析框架Druid,以Kafka作为其数据摄入,实现了视频客观质量评价数据的分析和存储,并使用可视化框架Imply实现了可视化平台,界面提供权限管理、监控报警等功能。（4）对本系统进行了测试验证,对系统功能都进行了详细测试,测试结果表明本系统功能完备且视频客观质量评价的准确度满足系统要求,系统具有较好的实用价值。