您的位置:首页 > 其它

如何搭建一个完整的视频直播系统?

2016-12-05 10:22 555 查看
如何搭建一个完整的视频直播系统?

作者:姚冬

链接:https://www.zhihu.com/question/42162310/answer/93858266

来源:知乎

著作权归作者所有,转载请联系作者获得授权。

视频直播,可以分为 采集,前处理,编码,传输,解码,渲染 这几个环节,下面分别说下:

采集,iOS是比较简单的,Android则要做些机型适配工作,PC最麻烦各种奇葩摄像头驱动,出了问题特别不好处理,建议放弃PC只支持手机主播,目前几个新进的直播平台都是这样的。

前处理,现在直播美颜已经是标配了,80%的主播没有美颜根本没法看。美颜算法需要用到GPU编程,需要懂图像处理算法的人,没有好的开源实现,要自己参考论文去研究。难点不在于美颜效果,而在于GPU占用和美颜效果之间找平衡。GPU虽然性能好,但是也是有功耗的,GPU占用太高会导致手机发烫,而手机发烫会导致摄像头采集掉帧,iPhone6尤其明显,因为iPhone6的CPU和前置摄像头很近。

编码,肯定要采用硬编码,软编码720p完全没希望,勉强能编码也会导致CPU过热烫到摄像头。硬编码兼容性又是一个大坑,android上要有人去填。编码要在分辨率,帧率,码率,GOP等参数设计上找到最佳平衡点。

传输,自己做不现实,交给CDN服务商吧,也就是贵了点,相信有志于做直播平台改变世界的你不差钱。假设2W PCU大约每月带宽费用100万左右,因为清晰流畅的720p要1.5mbps左右。CDN只提供了带宽和服务器间传输,发送和接收端的网络连接抖动缓冲还是要自己写的。不想要卡顿,必然要加大缓冲,会导致延迟高,延迟高影响互动性,要做权衡。

解码,也肯定要硬解码,目前手机普遍支持硬解了,只是android上还是有兼容性大坑要填。

渲染,这个难点不在于绘制,而在于音画同步,目前几个直播做得都不好。

此外音频还有几个坑要填,比如降噪,音频编码器的选择,各种蓝牙耳机,各种播放模式的适配等,如果你想做主播和观众连线聊天,还有个回声消除问题。

以上是媒体模块,还有信令控制,登录、鉴权、权限管理、状态管理等等,各种应用服务,消息推送,聊天,礼物系统,支付系统,运营支持系统,统计系统等。

后台还有数据库,缓存,分布式文件存储,消息队列,运维系统等。

这些显然不是一个程序员能解决的,如果真的有这样的高手,请联系我,无论你现在薪水多少,我都出两倍。

第一期至少要融资2000万RMB,组建至少10人的技术团队,10人的产品运营团队,争取3个月产品上线,半年达到5W在线(2w 根本不够)然后融资1个亿,或许还有希望一搏。

也许有人对带宽问题存疑,请参考欢聚时代15年四季度财报,带宽成本为人民币1.611亿元,折合每月5000+万,当然不能用这个数去推算在线人数,因为YY采购量很大所以带宽平均成本低,而且YY不只是高清直播,还有很大比例的500kbps左右码率的直播,还有相当一部分带宽是靠P2P解决的。总之带宽非常贵。

祝你朋友好运。

技术实现?

作者:薛骥

链接:https://www.zhihu.com/question/41868659/answer/131533902

来源:知乎

著作权归作者所有,转载请联系作者获得授权。

目前市面上直播app有的基本功能

1、聊天:私聊、聊天室、点亮、推送、黑名单等;

2、礼物:普通礼物、豪华礼物、红包、排行榜、第三方充值、内购、礼物动态更新、提现等;

3、直播列表:关注、热门、最新、分类直播用户列表等;

4、自己直播:录制、推流、解码、播放、美颜、心跳、后台切换、主播对管理员操作、管理员对用户等;

5、房间逻辑:创建房间、进入房间、退出房间、关闭房间、切换房间、房间管理员设置、房间用户列表等;

6、用户逻辑:普通登陆、第三方登陆、注册、搜索、修改个人信息、关注列表、粉丝列表、忘记密码、查看个人信息、收入榜、关注和取关、检索等;

7、观看直播:聊天信息、滚屏弹幕、礼物显示、加载界面等;

8、统计:APP业务统计、第三方统计等;

9、超管:禁播、隐藏、审核等;

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

<img src="https://oscdn.geek-share.com/Uploads/Images/Content/201612/7a59ff962110a9e2b03557d790fd7a98.jpg" data-rawwidth="1240" data-rawheight="1175" class="origin_image zh-lightbox-thumb" width="1240" data-original="https://pic3.zhimg.com/v2-a0f2daf333448da840cf775ca5a2ae0e_r.jpg">


一个完整直播app架构<img src="https://oscdn.geek-share.com/Uploads/Images/Content/201612/86777867d96603c742845187c0ed08f2.jpg" data-rawwidth="1240" data-rawheight="737" class="origin_image zh-lightbox-thumb" width="1240" data-original="https://pic1.zhimg.com/v2-4c0d4984630efce5592d890a6ee2de6c_r.jpg">


一个完整直播app技术点

<img src="https://oscdn.geek-share.com/Uploads/Images/Content/201612/75c19987708e112bc698ca31d2ad4237.jpg" data-rawwidth="1240" data-rawheight="516" class="origin_image zh-lightbox-thumb" width="1240" data-original="https://pic1.zhimg.com/v2-b9fa9adc88515e404be7b0e2a978dd2c_r.jpg">


一、流媒体(直播需要用到流媒体)

流媒体开发:网络层(socket或st)负责传输,协议层(rtmp或hls)负责网络打包,封装层(flv、ts)负责编解码数据的封装,编码层(h.264和aac)负责图像,音频压缩。

帧:每帧代表一幅静止的图像

GOP:(Group of Pictures)画面组,一个GOP就是一组连续的画面,每个画面都是一帧,一个GOP就是很多帧的集合

直播的数据,其实是一组图片,包括I帧、P帧、B帧,当用户第一次观看的时候,会寻找I帧,而播放器会到服务器寻找到最近的I帧反馈给用户。因此,GOP Cache增加了端到端延迟,因为它必须要拿到最近的I帧

GOP Cache的长度越长,画面质量越好

码率:图片进行压缩后每秒显示的数据量。

帧率:每秒显示的图片数。影响画面流畅度,与画面流畅度成正比:帧率越大,画面越流畅;帧率越小,画面越有跳动感。

由于人类眼睛的特殊生理结构,如果所看画面之帧率高于16的时候,就会认为是连贯的,此现象称之为视觉暂留。并且当帧速达到一定数值后,再增长的话,人眼也不容易察觉到有明显的流畅度提升了。

分辨率:(矩形)图片的长度和宽度,即图片的尺寸

压缩前的每秒数据量:帧率X分辨率(单位应该是若干个字节)

压缩比:压缩前的每秒数据量/码率 (对于同一个视频源并采用同一种视频编码算法,则:压缩比越高,画面质量越差。) 

视频文件格式:文件的后缀,比如.wmv,.mov,.mp4,.mp3,.avi,

主要用处,根据文件格式,系统会自动判断用什么软件打开,

注意: 随意修改文件格式,对文件的本身不会造成太大的影响,比如把avi改成mp4,文件还是avi.

视频封装格式:一种储存视频信息的容器,流式封装可以有TS、FLV等,索引式的封装有MP4,MOV,AVI等,

主要作用:一个视频文件往往会包含图像和音频,还有一些配置信息(如图像和音频的关联,如何解码它们等):这些内容需要按照一定的规则组织、封装起来.

注意:会发现封装格式跟文件格式一样,因为一般视频文件格式的后缀名即采用相应的视频封装格式的名称,所以视频文件格式就是视频封装格式。

视频封装格式和视频压缩编码标准:就好像项目工程和编程语言,封装格式就是一个项目的工程,视频编码方式就是编程语言,一个项目工程可以用不同语言开发。

二、直播所用到的基础知识:

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

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。

chunk:消息包

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

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.

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

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

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 :

<img src="https://oscdn.geek-share.com/Uploads/Images/Content/201612/a9a6860409d43777dce3e92fccc218a3.jpg" data-rawwidth="1240" data-rawheight="453" class="origin_image zh-lightbox-thumb" width="1240" data-original="https://pic4.zhimg.com/v2-97715e0facaed7c6f79869c0a7b8b507_r.jpg">


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。

10.目前需求中存在的疑点
登录医生身份验证
用户分类应该分为医生和普通用户,医生是否需要认证,如果需要认证如何认证
登录方式普遍直接采用手机号加验证码的登录方式,此方式安全性高,并且不需要注册,能够轻松的做到一人一号(号为手机号)

医生手术直播:
观看。直播房间分为三种
我创建的直播房间
别人进入观看的直播房间
直播结束后,点击进入观看回放的房间

文字回复评论
给房主评论
是否可以给别人的评论回复?

进入房间的时候是否需要加密功能?或者收取一定门票等限制进入直播房间的策略?

视频功能(此功能即为直播房间功能)
图文内容
分栏目月度
可回复
可留言

每月一星(专题页面)
投票评比功能(针对谁?)
站内搜索(搜索视频?搜索医生?)
push推送(针对个人?针对全平台?还是有其他要求?)
社区(兴趣小组。是否需要分门别类?)

大概原理就这些,目前技术层面也有很多较成熟的开源或第三方。

做个小小的广告,欢迎关注“云笔技术博客”,持续分享最新行业动态及技术专题。 http://weixin.qq.com/r/XEykvKfEqfrWrePf9xlO (二维码自动识别)
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: