原理：直播流程

一个完整直播 app 原理直播原理：把主播录制的视频，推送到服务器，在由服务器分发给观众观看。直播环节：推流端（采集、美颜处理、编码、推流）、服务端处理（转码、录制、截图、鉴黄）、播放器（拉流、解码、渲染）、互动系统（聊天室、礼物系统、赞）

一个完整直播 app 实现流程

  1. 采集、 2. 滤镜处理、 3. 编码、 4. 推流、 5.CDN 分发、 6. 拉流、 7. 解码、 8. 播放、 9. 聊天互动

  • 【简单理解：采集 — 编码 — 推流 — 流媒体服务器 — 拉流 — 解码 — 播放】

采集端流程 【向服务端获取 推流地址】

  • 音视频采集

  • 音视频处理（美颜、水印）

  • 音视频编码压缩

  • 封装音视频 FLV\TS 对应【主播】 【通过 RTMP 推流】

  • AVFoundation 框架：数据

  • GPUimage 框架：美颜

  • FFmpeg 框架：音频压缩

  • X264 框架：视频压缩

  • libremp 框架：推流

服务端流程 【播放端会向服务端获取拉流地址 URL 】

  • 数据分发 CDN

  • 鉴黄

  • 截屏：展示主播画面

  • 录制视频

  • 实时转码 对应【流媒体服务器】

  • 常用服务器

  • SNS

  • vBMS

  • nginx

播放端流程

  • 从 FLV/TS 中分离出音视频数据

  • 音视频解码

  • 播放

  • 聊天互动

对应【播放端】 【拉流， RTMP\FLV\HLS 】

  • ijkplayer 框架：播放

  • FFmpeg 框架：视屏解码

  • VideoToolBox ：视屏硬解码

  • AudioToolBox ：音频硬解码

1. 采集视频、音频

1.1 采集视频、音频编码框架 * - AVFoundation:AVFoundation 是用来播放和创建实时的视听媒体数据的框架，同时提供 Objective-C 接口来操作这些视听数据，比如编辑，旋转，重编码 1.2 视频、音频硬件设备 * - CCD: 图像传感器： 用于图像采集和处理的过程，把图像转换成电信号。 - 拾音器 : 声音传感器： 用于声音采集和处理的过程，把声音转换成电信号。 - 音频采样数据 : 一般都是 PCM 格式 - 视频采样数据 : 一般都是 YUV ,或 RGB 格式，采集到的原始音视频的体积是非常大的，需要经过压缩技术处理来提高传输效率

2. 视频处理（美颜，水印）

  • 视频处理原理 : 因为视频最终也是通过 GPU ，一帧一帧渲染到屏幕上的，所以我们可以利用 OpenGL ES ，对视频帧进行各种加工，从而视频各种不同的效果，就好像一个水龙头流出的水，经过若干节管道，然后流向不同的目标

  • 现在的各种美颜和视频添加特效的 app 都是利用 GPUImage 这个框架实现的, .

视频处理框架 - GPUImage : GPUImage 是一个基于 OpenGL ES 的一个强大的图像 / 视频处理框架,封装好了各种滤镜同时也可以编写自定义的滤镜,其本身内置了多达 120 多种常见的滤镜效果。 - OpenGL:OpenGL （全写 Open Graphics Library ）是个定义了一个跨编程语言、跨平台的编程接口的规格，它用于三维图象（二维的亦可）。 OpenGL 是个专业的图形程序接口，是一个功能强大，调用方便的底层图形库。 - OpenGL ES:OpenGL ES ( OpenGL for Embedded Systems ) 是 OpenGL 三维图形 API 的子集，针对手机、 PDA 和游戏主机等嵌入式设备而设计。

3. 视频编码解码

3.1 视频编码框架 * - FFmpeg: 是一个跨平台的开源视频框架,能实现如视频编码,解码,转码,串流,播放等丰富的功能。其支持的视频格式以及播放协议非常丰富,几乎包含了所有音视频编解码、封装格式以及播放协议。 - -Libswresample: 可以对音频进行重采样, rematrixing 以及转换采样格式等操 作。 - -Libavcodec: 提供了一个通用的编解码框架,包含了许多视频,音频,字幕流 等编码 / 解码器。 - -Libavformat: 用于对视频进行封装 / 解封装。 - -Libavutil: 包含一些共用的函数,如随机数生成,数据结构,数学运算等。 - -Libpostproc: 用于进行视频的一些后期处理。 - -Libswscale: 用于视频图像缩放,颜色空间转换等。 - -Libavfilter: 提供滤镜功能。 - X264: 把视频原数据 YUV 编码压缩成 H.264 格式 - VideoToolbox: 苹果自带的视频硬解码和硬编码 API ，但是在 iOS8 之后才开放。 - AudioToolbox: 苹果自带的音频硬解码和硬编码 API 3.2 视频编码技术 * - 视频压缩编码标准：对视频进行压缩(视频编码)或者解压缩（视频解码）的编码技术,比如 MPEG ， H.264 ,这些视频编码技术是压缩编码视频的 - 主要作用 : 是将视频像素数据压缩成为视频码流，从而降低视频的数据量。如果视频不经过压缩编码的话，体积通常是非常大的，一部电影可能就要上百 G 的空间。 - 注意 : 最影响视频质量的是其视频编码数据和音频编码数据，跟封装格式没有多大关系 - MPEG: 一种视频压缩方式，它采用了帧间压缩，仅存储连续帧之间有差别的地方 ，从而达到较大的压缩比 - H.264/AVC: 一种视频压缩方式,采用事先预测和与 MPEG 中的 P-B 帧一样的帧预测方法压缩，它可以根据需要产生适合网络情况传输的视频流,还有更高的压缩比，有更好的图象质量 - 注意 1: 如果是从单个画面清晰度比较， MPEG4 有优势；从动作连贯性上的清晰度， H.264 有优势 - 注意 2: 由于 264 的算法更加复杂，程序实现烦琐，运行它需要更多的处理器和内存资源。因此，运行 264 对系统要求是比较高的。 - 注意 3: 由于 264 的实现更加灵活，它把一些实现留给了厂商自己去实现，虽然这样给实现带来了很多好处，但是不同产品之间互通成了很大的问题，造成了通过 A 公司的编码器编出的数据，必须通过 A 公司的解码器去解这样尴尬的事情 - H.265/HEVC: 一种视频压缩方式,基于 H.264 ，保留原来的某些技术，同时对一些相关的技术加以改进，以改善码流、编码质量、延时和算法复杂度之间的关系，达到最优化设置。 - H.265 是一种更为高效的编码标准，能够在同等画质效果下将内容的体积压缩得更小，传输时更快更省带宽 - I 帧 : (关键帧)保留一副完整的画面，解码时只需要本帧数据就可以完成（因为包含完整画面） - P 帧 : (差别帧)保留这一帧跟之前帧的差别，解码时需要用之前缓存的画面叠加上本帧定义的差别，生成最终画面。（ P 帧没有完整画面数据，只有与前一帧的画面差别的数据） - B 帧 : (双向差别帧)保留的是本帧与前后帧的差别，解码 B 帧，不仅要取得之前的缓存画面，还要解码之后的画面，通过前后画面的与本帧数据的叠加取得最终的画面。 B 帧压缩率高，但是解码时 CPU 会比较累 - 帧内（ Intraframe ）压缩 : 当压缩一帧图像时，仅考虑本帧的数据而不考虑相邻帧之间的冗余信息,帧内一般采用有损压缩算法 - 帧间（ Interframe ）压缩 : 时间压缩（ Temporal compression ），它通过比较时间轴上不同帧之间的数据进行压缩。帧间压缩一般是无损的 - muxing （合成）：将视频流、音频流甚至是字幕流封装到一个文件中(容器格式（ FLV ， TS ）)，作为一个信号进行传输。 3.3 音频编码技术 * - AAC ， mp3 ：这些属于音频编码技术,压缩音频用 3.4 码率控制 * - 多码率 : 观众所处的网络情况是非常复杂的，有可能是 WiFi ，有可能 4G 、 3G 、甚至 2G ，那么怎么满足多方需求呢？多搞几条线路，根据当前网络环境自定义码率。 - 列如：常常看见视频播放软件中的 1024 ， 720 ，高清，标清，流畅等，指的就是各种码率。 3.5 视频封装格式 * - TS : 一种流媒体封装格式，流媒体封装有一个好处，就是不需要加载索引再播放，大大减少了首次载入的延迟，如果片子比较长， mp4 文件的索引相当大，影响用户体验 - 为什么要用 TS: 这是因为两个 TS 片段可以无缝拼接，播放器能连续播放 - FLV: 一种流媒体封装格式,由于它形成的文件极小、加载速度极快，使得网络观看视频文件成为可能,因此 FLV 格式成为了当今主流视频格式

4. 推流

4.1 数据传输框架 * - librtmp: 用来传输 RTMP 协议格式的数据 4.2 流媒体数据传输协议 * - RTMP: 实时消息传输协议, Adobe Systems 公司为 Flash 播放器和服务器之间音频、视频和数据传输开发的开放协议，因为是开放协议所以都可以使用了。 - RTMP 协议用于对象、视频、音频的传输。 - 这个协议建立在 TCP 协议或者轮询 HTTP 协议之上。 - RTMP 协议就像一个用来装数据包的容器，这些数据可以是 FLV 中的视音频数据。一个单一的连接可以通过不同的通道传输多路网络流，这些通道中的包都是按照固定大小的包传输的 - chunk: 消息包

5. 流媒体服务器

5.1 常用服务器 * - SRS ：一款国人开发的优秀开源流媒体服务器系统 - BMS: 也是一款流媒体服务器系统，但不开源，是 SRS 的商业版，比 SRS 功能更多 - nginx: 免费开源 web 服务器，常用来配置流媒体服务器。 5.2 数据分发 * - CDN ：( Content Delivery Network )，即内容分发网络,将网站的内容发布到最接近用户的网络”边缘”，使用户可以就近取得所需的内容，解决 Internet 网络拥挤的状况，提高用户访问网站的响应速度 . - CDN ：代理服务器，相当于一个中介。 - CDN 工作原理：比如请求流媒体数据 - 1. 上传流媒体数据到服务器（源站） - 2. 源站存储流媒体数据 - 3. 客户端播放流媒体，向 CDN 请求编码后的流媒体数据 - 4.CDN 的服务器响应请求，若节点上没有该流媒体数据存在，则向源站继续请求流媒体数据；若节点上已经缓存了该视频文件，则跳到第 6 步。 - 5. 源站响应 CDN 的请求，将流媒体分发到相应的 CDN 节点上 - 6.CDN 将流媒体数据发送到客户端 - 回源：当有用户访问某一个 URL 的时候，如果被解析到的那个 CDN 节点没有缓存响应的内容，或者是缓存已经到期，就会回源站去获取搜索。如果没有人访问，那么 CDN 节点不会主动去源站拿 . - 带宽 : 在固定的时间可传输的数据总量， - 比如 64 位、 800MHz 的前端总线，它的数据传输率就等于 64bit×800MHz÷8 ( Byte ) =6.4GB/s - 负载均衡 : 由多台服务器以对称的方式组成一个服务器集合，每台服务器都具有等价的地位，都可以单独对外提供服务而无须其他服务器的辅助 . - 通过某种负载分担技术，将外部发送来的请求均匀分配到对称结构中的某一台服务器上，而接收到请求的服务器独立地回应客户的请求。 - 均衡负载能够平均分配客户请求到服务器列阵，籍此提供快速获取重要数据，解决大量并发访问服务问题。 - 这种群集技术可以用最少的投资获得接近于大型主机的性能。 - QoS （带宽管理） : 限制每一个组群的带宽，让有限的带宽发挥最大的效用

6. 拉流

  • 直播协议选择：

  • 即时性要求较高或有互动需求的可以采用 RTMP , RTSP

  • 对于有回放或跨平台需求的，推荐使用 HLS

  • 直播协议对比 :

直播协议对比 .png

  • HLS: 由 Apple 公司定义的用于实时流传输的协议, HLS 基于 HTTP 协议实现，传输内容包括两部分，一是 M3U8 描述文件，二是 TS 媒体文件。可实现流媒体的直播和点播，主要应用在 iOS 系统

  • HLS 是以点播的技术方式来实现直播

  • HLS 是自适应码率流播，客户端会根据网络状况自动选择不同码率的视频流，条件允许的情况下使用高码率，网络繁忙的时候使用低码率，并且自动在二者间随意切换。这对移动设备网络状况不稳定的情况下保障流畅播放非常有帮助。

  • 实现方法是服务器端提供多码率视频流，并且在列表文件中注明，播放器根据播放进度和下载速度自动调整。

  • HLS 与 RTMP 对比 :HLS 主要是延时比较大， RTMP 主要优势在于延时低

  • HLS 协议的小切片方式会生成大量的文件，存储或处理这些文件会造成大量资源浪费

  • 相比使用 RTSP 协议的好处在于，一旦切分完成，之后的分发过程完全不需要额外使用任何专门软件，普通的网络服务器即可，大大降低了 CDN 边缘服务器的配置要求，可以使用任何现成的 CDN ,而一般服务器很少支持 RTSP 。

  • HTTP-FLV: 基于 HTTP 协议流式的传输媒体内容。

  • 相对于 RTMP ， HTTP 更简单和广为人知，内容延迟同样可以做到 1~3 秒，打开速度更快，因为 HTTP 本身没有复杂的状态交互。所以从延迟角度来看， HTTP-FLV 要优于 RTMP 。

  • RTSP: 实时流传输协议,定义了一对多应用程序如何有效地通过 IP 网络传送多媒体数据 .

  • RTP: 实时传输协议, RTP 是建立在 UDP 协议上的，常与 RTCP 一起使用，其本身并没有提供按时发送机制或其它服务质量（ QoS ）保证，它依赖于低层服务去实现这一过程。

  • RTCP:RTP 的配套协议,主要功能是为 RTP 所提供的服务质量（ QoS ）提供反馈，收集相关媒体连接的统计信息，例如传输字节数，传输分组数，丢失分组数，单向和双向网络延迟等等。

7. 解码

  • 7.1 解封装 *

    • demuxing （分离）：从视频流、音频流，字幕流合成的文件(容器格式（ FLV ， TS ）)中， 分解出视频、音频或字幕，各自进行解码。

  • 7.2 音频编码框架 *

    • fdk_aac: 音频编码解码框架， PCM 音频数据和 AAC 音频数据互转

  • 7.3 解码介绍 *

  • 硬解码：用 GPU 来解码，减少 CPU 运算

    • 优点：播放流畅、低功耗，解码速度快，

    • 缺点：兼容不好

  • 软解码：用 CPU 来解码

    • 优点：兼容好

    • 缺点：加大 CPU 负担，耗电增加、没有硬解码流畅，解码速度相对慢

8. 播放

  • ijkplayer : 一个基于 FFmpeg 的开源 Android/iOS 视频播放器

  • API 易于集成；

  • 编译配置可裁剪，方便控制安装包大小；

  • 支持硬件加速解码，更加省电

  • 简单易用，指定拉流 URL ，自动解码播放 .

9. 聊天互动

  • IM: ( InstantMessaging ) 即时通讯 : 是一个实时通信系统，允许两人或多人使用网络实时的传递文字消息、文件、语音与视频交流 .

  • IM 在直播系统中的主要作用是实现观众与主播、观众与观众之间的文字互动 .

  • 第三方 SDK *

    • 腾讯云 ：腾讯提供的即时通讯 SDK ，可作为直播的聊天室

    • 融云 ：一个比较常用的即时通讯 SDK ，可作为直播的聊天室

PreviousAndroid与vue js互相调用Next互联网大会

Last updated