視頻直播流程

視頻直播的流程可以分為如下幾步：
采集 —>處理—>編碼和封裝—>推流到服務(wù)器—>服務(wù)器流分發(fā)—>播放器流播放

1.采集

采集是整個視頻推流過程中的第一個環(huán)節(jié)，它從系統(tǒng)的采集設(shè)備中獲取原始視頻數(shù)據(jù)，將其輸出到下一個環(huán)節(jié)。視頻的采集涉及兩方面數(shù)據(jù)的采集：音頻采集和圖像采集，它們分別對應(yīng)兩種完全不同的輸入源和數(shù)據(jù)格式。

音頻采集
音頻數(shù)據(jù)既能與圖像結(jié)合組合成視頻數(shù)據(jù)，也能以純音頻的方式采集播放，后者在很多成熟的應(yīng)用場景如在線電臺和語音電臺等起著非常重要的作用。音頻的采集過程主要通過設(shè)備將環(huán)境中的模擬信號采集成 PCM 編碼的原始數(shù)據(jù)，然后編碼壓縮成 MP3 等格式的數(shù)據(jù)分發(fā)出去。常見的音頻壓縮格式有：MP3，AAC，HE-AAC，Opus，F(xiàn)LAC，Vorbis (Ogg)，Speex 和 AMR等。
音頻采集和編碼主要面臨的挑戰(zhàn)在于：延時敏感、卡頓敏感、噪聲消除（Denoise）、回聲消除（AEC）、靜音檢測（VAD）和各種混音算法等。

圖像采集
將圖像采集的圖片結(jié)果組合成一組連續(xù)播放的動畫，即構(gòu)成視頻中可肉眼觀看的內(nèi)容。圖像的采集過程主要由攝像頭等設(shè)備拍攝成 YUV 編碼的原始數(shù)據(jù)，然后經(jīng)過編碼壓縮成 H.264 等格式的數(shù)據(jù)分發(fā)出去。常見的視頻封裝格式有：MP4、3GP、AVI、MKV、WMV、MPG、VOB、FLV、SWF、MOV、RMVB 和 WebM 等。
圖像由于其直觀感受最強并且體積也比較大，構(gòu)成了一個視頻內(nèi)容的主要部分。圖像采集和編碼面臨的主要挑戰(zhàn)在于：設(shè)備兼容性差、延時敏感、卡頓敏感以及各種對圖像的處理操作如美顏和水印等。

視頻采集的采集源主要有 攝像頭采集、屏幕錄制和從視頻文件推流。

2.處理

視頻或者音頻完成采集之后得到原始數(shù)據(jù)，為了增強一些現(xiàn)場效果或者加上一些額外的效果，我們一般會在將其編碼壓縮前進(jìn)行處理，比如打上時間戳或者公司 Logo 的水印，祛斑美顏和聲音混淆等處理。在主播和觀眾連麥場景中，主播需要和某個或者多個觀眾進(jìn)行對話，并將對話結(jié)果實時分享給其他所有觀眾，連麥的處理也有部分工作在推流端完成。

如上圖所示，處理環(huán)節(jié)中分為音頻和視頻處理，音頻處理中具體包含混音、降噪和聲音特效等處理，視頻處理中包含美顏、水印、以及各種自定義濾鏡等處理。

3.編碼和封裝

（1）編碼

如果把整個流媒體比喻成一個物流系統(tǒng)，那么編解碼就是其中配貨和裝貨的過程，這個過程非常重要，它的速度和壓縮比對物流系統(tǒng)的意義非常大，影響物流系統(tǒng)的整體速度和成本。同樣，對流媒體傳輸來說，編碼也非常重要，它的編碼性能、編碼速度和編碼壓縮比會直接影響整個流媒體傳輸?shù)挠脩趔w驗和傳輸成本。

視頻編碼的意義
原始視頻數(shù)據(jù)存儲空間大，一個 1080P 的 7 s 視頻需要 817 MB
原始視頻數(shù)據(jù)傳輸占用帶寬大，10 Mbps 的帶寬傳輸上述 7 s 視頻需要 11 分鐘
而經(jīng)過 H.264 編碼壓縮之后，視頻大小只有 708 k ，10 Mbps 的帶寬僅僅需要 500 ms ，可以滿足實時傳輸?shù)男枨?，所以從視頻采集傳感器采集來的原始視頻勢必要經(jīng)過視頻編碼。

基本原理
為什么巨大的原始視頻可以編碼成很小的視頻呢?這其中的技術(shù)是什么呢?核心思想就是去除冗余信息：
1）空間冗余：圖像相鄰像素之間有較強的相關(guān)性
2）時間冗余：視頻序列的相鄰圖像之間內(nèi)容相似
3）編碼冗余：不同像素值出現(xiàn)的概率不同
4）視覺冗余：人的視覺系統(tǒng)對某些細(xì)節(jié)不敏感
5）知識冗余：規(guī)律性的結(jié)構(gòu)可由先驗知識和背景知識得到

編碼器的選擇
視頻編碼器經(jīng)歷了數(shù)十年的發(fā)展，已經(jīng)從開始的只支持幀內(nèi)編碼演進(jìn)到現(xiàn)如今的 H.265 和 VP9 為代表的新一代編碼器，下面是一些常見的視頻編碼器：
1）H.264/AVC
2）HEVC/H.265
3）VP8
4）VP9
5）FFmpeg
注：音頻編碼器有Mp3, AAC等。

（2）封裝
沿用前面的比喻，封裝可以理解為采用哪種貨車去運輸，也就是媒體的容器。
所謂容器，就是把編碼器生成的多媒體內(nèi)容(視頻，音頻，字幕，章節(jié)信息等)混合封裝在一起的標(biāo)準(zhǔn)。容器使得不同多媒體內(nèi)容同步播放變得很簡單，而容器的另一個作用就是為多媒體內(nèi)容提供索引，也就是說如果沒有容器存在的話一部影片你只能從一開始看到最后，不能拖動進(jìn)度條，而且如果你不自己去手動另外載入音頻就沒有聲音。下面是幾種常見的封裝格式：
1）AVI 格式(后綴為 .avi)
2）DV-AVI 格式(后綴為 .avi)
3）QuickTime File Format 格式(后綴為 .mov)
4）MPEG 格式(文件后綴可以是 .mpg .mpeg .mpe .dat .vob .asf .3gp .mp4等)
5）WMV 格式(后綴為.wmv .asf)
6）Real Video 格式(后綴為 .rm .rmvb)
7）Flash Video 格式(后綴為 .flv)
8）Matroska 格式(后綴為 .mkv)
9）MPEG2-TS 格式 (后綴為 .ts)
目前，我們在流媒體傳輸，尤其是直播中主要采用的就是 FLV 和 MPEG2-TS 格式，分別用于 RTMP/HTTP-FLV 和 HLS 協(xié)議。

4.推流到服務(wù)器

推流是直播的第一公里，直播的推流對這個直播鏈路影響非常大，如果推流的網(wǎng)絡(luò)不穩(wěn)定，無論我們?nèi)绾巫鰞?yōu)化，觀眾的體驗都會很糟糕。所以也是我們排查問題的第一步，如何系統(tǒng)地解決這類問題需要我們對相關(guān)理論有基礎(chǔ)的認(rèn)識。
推送協(xié)議主要有三種：

RTSP（Real Time Streaming Protocol）：實時流傳送協(xié)議，是用來控制聲音或影像的多媒體串流協(xié)議, 由Real Networks和Netscape共同提出的；
RTMP(Real Time Messaging Protocol)：實時消息傳送協(xié)議，是Adobe公司為Flash播放器和服務(wù)器之間音頻、視頻和數(shù)據(jù)傳輸 開發(fā)的開放協(xié)議；
HLS(HTTP Live Streaming)：是蘋果公司(Apple Inc.)實現(xiàn)的基于HTTP的流媒體傳輸協(xié)議；
RTMP協(xié)議基于 TCP，是一種設(shè)計用來進(jìn)行實時數(shù)據(jù)通信的網(wǎng)絡(luò)協(xié)議，主要用來在 flash/AIR 平臺和支持 RTMP 協(xié)議的流媒體/交互服務(wù)器之間進(jìn)行音視頻和數(shù)據(jù)通信。支持該協(xié)議的軟件包括 Adobe Media Server/Ultrant Media Server/red5 等。
它有三種變種：

RTMP工作在TCP之上的明文協(xié)議，使用端口1935；
RTMPT封裝在HTTP請求之中，可穿越防火墻；
RTMPS類似RTMPT，但使用的是HTTPS連接；
RTMP 是目前主流的流媒體傳輸協(xié)議，廣泛用于直播領(lǐng)域，可以說市面上絕大多數(shù)的直播產(chǎn)品都采用了這個協(xié)議。
RTMP協(xié)議就像一個用來裝數(shù)據(jù)包的容器，這些數(shù)據(jù)可以是AMF格式的數(shù)據(jù),也可以是FLV中的視/音頻數(shù)據(jù)。一個單一的連接可以通過不同的通道傳輸多路網(wǎng)絡(luò)流。這些通道中的包都是按照固定大小的包傳輸?shù)摹?/p>

5.服務(wù)器流分發(fā)

流媒體服務(wù)器的作用是負(fù)責(zé)直播流的發(fā)布和轉(zhuǎn)播分發(fā)功能。
流媒體服務(wù)器有諸多選擇，如商業(yè)版的Wowza。但我選擇的是Nginx，它是一款優(yōu)秀的免費Web服務(wù)器，后面我會詳細(xì)介紹如何搭建Nginx服務(wù)器。

6.播放器流播放

主要是實現(xiàn)直播節(jié)目在終端上的展現(xiàn)。因為我這里使用的傳輸協(xié)議是RTMP， 所以只要支持 RTMP 流協(xié)議的播放器都可以使用，譬如：