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

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

• 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。

图玩智能科技为企业提供直播平台的二次开发服务，满足企业多样化场景的业务需求，随时咨询www.toivan.com.