通常我們所說的視頻，是指連續(xù)的圖象變化每秒  超過 24 幀(Frame)畫面以上時，根據(jù)視覺暫留原理，人眼無法辨別單幅的靜態(tài)畫面，看上去是平滑連續(xù)的視覺效果，這樣連續(xù)的畫面叫做視頻。

而媒體轉(zhuǎn)碼是指將一段多媒體包括音頻、視頻或者其他的內(nèi)容從一種編碼格式轉(zhuǎn)換成為另外一種編碼格式。其中內(nèi)容分發(fā)網(wǎng)絡就是大家常說的 CDN，這里主要包含流媒體服務器，負載均衡，路由重定向，視頻轉(zhuǎn)碼，視頻錄制存儲，防盜鏈，性能等相關(guān)技術(shù)內(nèi)容。

本文主要從直播概述、直播架構(gòu)、業(yè)務功能和場景來介紹下阿里云 CDN 直播系統(tǒng)。

一、視頻相關(guān)詞匯介紹
在講解直播 CDN 技術(shù)之前，我們先來了解一些直播視頻的相關(guān)詞匯。

• 碼率：數(shù)據(jù)傳輸時單位時間傳送的數(shù)據(jù)位數(shù)，一般用的單位是 kbps 即千位每秒。通俗一點的理解就是取樣率，單位時間內(nèi)取樣率越大，精度就越高，處理出來的文件就越接近原始文件，但是文件體積與取樣率是成正比的，所以幾乎所有的編碼格式重視的都是如何用最低的碼率達到最少的失真。但是因為編碼算法不一樣，所以也不能用碼率來統(tǒng)一衡量音質(zhì)或者畫質(zhì)。
• 幀：是一段數(shù)據(jù)的組合，數(shù)據(jù)傳輸?shù)幕締挝?。就是影像動畫中最小單位的單幅影像畫面，相當于電影膠片上的每一格鏡頭。一幀就是一副靜止的畫面，連續(xù)的幀就形成動畫，如電視圖像等。
• 幀率：每秒顯示幀數(shù)，幀率表示圖形處理器處理場時每秒鐘能夠更新的次數(shù)。高的幀率可以得到更流暢、更逼真的動畫。

一般來說 30fps 就是可以接受的，但是將性能提升至 60fps 則可以明顯提升交互感和逼真感，但是一般來說超過 75fps 一般就不容易察覺到有明顯的流暢度提升了。如果幀率超過屏幕刷新率只會浪費圖形處理的能力，因為監(jiān)視器不能以這么快的速度更新，這樣超過新率的幀率就浪費掉了。

音頻幀一般可以獨立解碼，直播播放。而視頻分為視頻關(guān)鍵幀和非關(guān)鍵幀，關(guān)鍵幀可以獨立解碼渲染，播放器拿到后可以直接看到畫面，一般 10K 以上甚至幾十 K；其他非關(guān)鍵幀解碼依賴于前面的一些視頻幀，播放器會根據(jù)前面的幀和這一幀來解碼產(chǎn)生畫面，非關(guān)鍵幀一般大小是幾 K 甚至不到 1K。對于播放器來說，服務器一般會從視頻關(guān)鍵幀開始發(fā)送，這樣才不會產(chǎn)生花屏。

對于節(jié)點上直播服務器存儲的內(nèi)容，如果是文件加速，節(jié)點上存儲的內(nèi)容很明確，就是文件數(shù)據(jù), URL 不變的話文件數(shù)據(jù)內(nèi)容也不變。但是對于直播來講，傳輸?shù)木褪菐瑪?shù)據(jù)，緩存的也是不斷變化的幀序列數(shù)據(jù)。
下圖可以看到，當前的服務器緩存了 V1-V3 五幀數(shù)據(jù)，當 V4 這個關(guān)鍵幀出現(xiàn)了，服務器把之前的丟掉，開始緩存 V4 開始的音視頻數(shù)據(jù)，以這個策略保證過來的播放端都是當前最新的數(shù)據(jù)。一般直播服務器都是用這個策略來進行服務器緩存的。

常見的 CDN 加速包括文件加速、點播、直播三種業(yè)務。最開始阿里云 CDN 是從文件加速開始，針對的主要是內(nèi)部客戶，如淘寶，它的圖片非常多，支持的都是小文件加速。隨著各 BU 的端產(chǎn)品衍生，逐漸會支持大的文件下載業(yè)務。等阿里云 CDN 正式作為產(chǎn)品上線商業(yè)化時候，開始支持點播業(yè)務。2015 年下半年，開始支持直播業(yè)務。
二、直播概述
通常，視頻直播常見兩種形式是手機直播和游戲直播，手淘、陌陌、映客的典型的手機直播平臺，游戲直播就是像斗魚、全民 TV 等平臺。其實對于播放端來講，直播和點播都是向服務器獲取視頻數(shù)據(jù)，播放端對聲音和畫面進行播放的過程。從這個角度來講，直播和點播區(qū)別并不大。

直播和點播的區(qū)別
對于視頻點播，用戶在觀看的時候，可以隨時選擇快進和回退，直播卻不能。對于視頻網(wǎng)站上的視頻文件來講，點播可以選擇今天看或明天看，但是直播卻不能選擇時間，像每周末的聯(lián)賽只在固定的時間播放。一些機頂盒提供回看的功能，也屬于點播。

簡而言之，直播就是每一幀數(shù)據(jù)打上時序標簽后進行流式傳輸?shù)倪^程。發(fā)送端源源不斷的采集音視頻數(shù)據(jù)，經(jīng)過編碼、封包、推流、再經(jīng)過分發(fā)網(wǎng)絡進行擴散傳播，播放端再源源不斷地下載數(shù)據(jù)并按時序進行解碼播放。如此就產(chǎn)生了邊生產(chǎn)、邊傳輸、邊消費的直播過程。
我們將視頻直播整個流程主要分為幾個關(guān)鍵階段：視頻采集、前處理、編碼、推流、轉(zhuǎn)碼、分發(fā)、播放，下圖為簡化版直播系統(tǒng)的基本架構(gòu)，后面我們再詳細展開。

• 1、采集，是視頻直播開始的第一個環(huán)節(jié)，用戶可以通過不同的終端采集視頻，也就是主播直播的過程。iOS 端適配性較好，采集起來比較簡單。Android 端因為一直以來市面機型多版本復雜種種情況，加大了一個庫適配所有硬件的難度，采集起來相對比較困難。PC 端則和攝像頭驅(qū)動聯(lián)系緊密，目前市面上最好的 PC 端源免費軟件是 OBS。
• 2、前處理，業(yè)內(nèi)有一種說法，80% 的主播沒有美顏根本沒法看。所以美顏已經(jīng)是對視頻源進行前處理的標配功能，除此之外還有水印、模糊特效等，針對不同的手機系統(tǒng)提供不同的處理庫。
• 3、編碼，編碼時候我們需要處理的硬件兼容性問題和尋求碼率和畫質(zhì)之前的平衡是最大的兩個問題。iOS 系統(tǒng)硬件兼容性比較好，可以采用硬編，Android 系統(tǒng)則還是因為硬件機型問題，大多采用軟編。
• 4、推流與轉(zhuǎn)碼，在數(shù)據(jù)傳輸?shù)恼麄€過程中從主播端到服務器端，再到邊緣節(jié)點，以及從邊緣節(jié)點到播放端。為了讓采集端的流適配各個平臺端不同協(xié)議，一般都會在服務端進行轉(zhuǎn)碼處理，將視頻文件轉(zhuǎn)成不同格式，支持 RTMP、HLS 和 FLV 等不同的協(xié)議。
• 5、分發(fā)，隨著移動直播興起和游戲直播的持續(xù)火熱，網(wǎng)絡直播平臺支持億高并發(fā)是理論上應該做到的，為了優(yōu)化終端觀看直播的體驗，一般都會采用 CDN 進行內(nèi)容分發(fā)加速，實現(xiàn)高并發(fā)等能力。
• 6、客戶端播放，也就是解碼和渲染，目前 iOS 端的播放兼容性較好，Android 的硬件解碼和編碼一樣也存在兼容性問題。通常秒開、低延時等問題是需要在播放端來克服的。

三、直播架構(gòu)
這是一張阿里云直播全景解決方案的圖，這里包括詳細的推流端推流，直播中心的流存儲，轉(zhuǎn)碼截圖錄制等視頻處理，CDN 智能調(diào)度與分發(fā)，最后到播放端播放整個過程。

• 對于推流端推流，目前主要使用的是 RTMP 協(xié)議，播放可以使用 RTMP、HTTP FLV 和 HLS 協(xié)議，常用的推流端是 OBS、手機 APP、FFmpeg；播放端包括 Flash、VLC、HTML5、手機 APP 等形式；
• 視頻直播中心擁有穩(wěn)定的推流上行鏈路，支持連麥、IM、直播間管理等分豐富的直播服務端實現(xiàn)流能力；
• CDN 直播分發(fā)提供流暢的播放下行鏈路，700 多個國內(nèi)節(jié)點和 300 多個海外節(jié)點，還有豐富的小運營商節(jié)點。
• 對于播放端，我們做了首屏秒開優(yōu)化和弱網(wǎng)跳幀播放，確保用戶體驗。

就視頻直播服務器的一個進程上來講，我們可以認為一個推流端和多個播放端是一種非常典型的發(fā)布和訂閱的關(guān)系。從下圖可以看到，主播完成發(fā)布動作，這條直播內(nèi)容也就是這一路流推動到服務器，三個觀眾也就是訂閱者，從服務器拉流，也就是用播放動作來完成推流。這種進程內(nèi)部、節(jié)點之間的發(fā)布、訂閱關(guān)系是一種級聯(lián)的關(guān)系，CDN 的直播分發(fā)就是依靠這種模式構(gòu)建。

那下面我們從 CDN 分發(fā)的角度來基礎架構(gòu)是怎樣的。內(nèi)容通過存儲集群到達發(fā)布集群，再通過骨干中轉(zhuǎn)環(huán)境的 L2，利用 CDN 智能調(diào)度到達 L1，也就是距離用戶最近的節(jié)點，從順利的推送給用戶。

四、業(yè)務功能及場景
對于直播來講，轉(zhuǎn)碼業(yè)務功能非常重要。轉(zhuǎn)碼后會在原始流名上加后綴，下圖是轉(zhuǎn)碼前后的畫質(zhì)、碼率的區(qū)別。和轉(zhuǎn)碼相關(guān)的有水印、動態(tài)模板、延遲轉(zhuǎn)碼等功能

截圖也是比較重要的業(yè)務，比如說直播平臺頁面分類下有很多張圖片，刷新后圖片會變化，都是靠周期性截圖來完成。除此之外，阿里云也開放對直播進行動態(tài)配置、錄制、開播斷流回調(diào)、推流播放鑒權(quán)、斷流、黑名單、禁播、各種接口 API、轉(zhuǎn)推其他廠商、觸發(fā)式拉流、連麥、播放純音頻 / 視頻等。
另外比較重要的是直播數(shù)據(jù)的監(jiān)控，對客戶和我們來說，能時刻關(guān)注直播情況，掌握直播數(shù)據(jù)，對于防范問題來說是十分必要的。視頻監(jiān)控是用來記錄一路流重要信息，比如常見的視頻碼率、播放流量和在線人數(shù)、視頻幀率監(jiān)控。視頻的特性是每秒鐘幀率比較固定，視頻幀大概是 20~30 幀 / 秒, 造成卡頓的主要原因一般是網(wǎng)絡鏈路的抖動，有了全鏈路秒級幀率監(jiān)控圖之后, 排查問題變得非常的方便, 針對一路流卡頓以及客戶提出的各種問題可以很快的就明確原因。

正常的監(jiān)控圖應該是一條直線，上圖的幀率出現(xiàn)的突刺，就是因為公網(wǎng)網(wǎng)絡連接抖動后統(tǒng)計出來的數(shù)據(jù)降低。對于一路流多個播放端來講，服務器會不斷把幀數(shù)據(jù)寫給播放端，一旦網(wǎng)絡抖動，遇到寫不出去的情況會將這一幀放到連接的等待隊列里，超出了幀隊列的長度限制，服務器會選擇丟幀。一般這種情況產(chǎn)生是因為網(wǎng)絡抖動的比較嚴重，我們也會以此為依據(jù)來確定網(wǎng)絡全鏈路的質(zhì)量，用紅綠顏色來標注區(qū)分正常和非正常的鏈路質(zhì)量。

那以上的架構(gòu)和業(yè)務功能都可以應用于哪些場景呢？我們也對阿里云視頻直播 CDN 服務的客戶場景進行了歸類匯總，主要有以下五個方向：

• 1、UGC 互動直播：不僅提供推流到播放的全套直播解決方案，而且集成成熟的互動解決方案，包括 IM，連麥等功能。例如：一直播、映客等直播互動平臺。
• 2、電商直播：為電商直播提供全套直播解決方案，支持動態(tài)擴展的直播技術(shù)架構(gòu)，無需擔心直播促銷涌入的峰值流量擔憂。例如：手淘等電商直播平臺。
• 3、體育賽事／大型綜藝節(jié)目直播：為熱門的賽事和綜藝直播提供動態(tài)擴展的直播服務，通過 CDN 和 PCDN 的分發(fā)，用戶無需為突然涌入的流量擔憂。例如：CCTV5，等電視直播平臺。
• 4、游戲直播：對游戲直播提供各種采集設備的接入，以及直播的錄制功能，便于游戲直播平臺提供點播服務。例如：全民，熊貓，等游戲直播平臺。
• 5、在線教育／財經(jīng)直播：提供直播鑒權(quán)、直播防盜鏈、URL 加密等功能，為教育、財經(jīng)類的直播提供安全保障。例如：第一財經(jīng)等財經(jīng)平臺和知圖教育等教育類直播平臺。