Android 直播 APP实现直播流程

直播本质
- 1. 主播端采集音视频
- 2. 视频处理（美颜，水印）
- 3. 视频编解码
- - 视频编码框架
  - 视频编码技术
  - 压缩方式
  - 视频编解码和压缩时的关键知识点
- 4. 音频编码技术
- 5. 音视频编解码参数说明
- - 码率
  - 码率控制
  - 视频封装格式
- 6. 采集音视频，压缩编码合成后，就需要推流到CDN服务厂商了
- - 数据传输框架
  - 流媒体数据传输协议
  - 流媒体服务器
- 7. 推流后，自然最终要拉流进行观看
- - 直播协议对比
- 8. 拉流到数据后，自然要进行解码
- - 解码播放
  - 参考链接

直播本质

实时推送/拉取音视频数据

1. 主播端采集音视频

CCD：图像传感器，用于图像采集和处理，把图像转换为电信号
拾音器：声音传感器，用于声音采集和处理，把声音转换为电信号
视频采样数据 : 一般都是 YUV 或 RGB 格式
音频采样数据 :一般都是PCM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，从而让视频呈现各种不同的效果，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
各种美颜和视频添加特效的App都是基于GPUImage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. 视频编解码

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。例如：· X264 :把视频原数据YUV编码压缩成H.264格式等

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 ,这些视频编码技术就是压缩编码视频的

编码主要作用 :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

压缩方式

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

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

上述几种压缩优劣势对比

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
由于264的算法更加复杂，程序实现繁琐，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
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 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

视频编解码和压缩时的关键知识点

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。

4. 音频编码技术

AAC ， mp3 ：这些属于音频编码技术,压缩音频用

后续会补充此部分知识点

5. 音视频编解码参数说明

码率

视频码率就是数据传输时单位时间传送的数据位数，一般我们用的单位是kbps即千位每秒。通俗一点的理解就是取样率，单位时间内取样率越大，精度就越高，处理出来的文件就越接近原始文件

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

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

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

6. 采集音视频，压缩编码合成后，就需要推流到CDN服务厂商了

数据传输框架

librtmp :用来传输RTMP协议格式的数据

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，是5层体系结构中的应用层协议

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

传输包：chunk :消息包

流媒体服务器

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

推流方案目前还是有比较多选择的

七牛直播云方案推流，集成过程参考此文

还有很多，后续补充上

7. 推流后，自然最终要拉流进行观看

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

上传流媒体数据到服务器（源站）

源站存储流媒体数据

客户端播放流媒体，向CDN请求编码后的流媒体数据

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

源站响应CDN的请求，将流媒体分发到相应的CDN节点上

CDN将流媒体数据发送到客户端

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

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

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

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

8. 拉流到数据后，自然要进行解码

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

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

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

解码播放

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

这里我只列了一个，还有多方可参考

上述直播流程基本走通了

参考链接

Android 直播与弹幕