播放器技术分享（2）：缓冲区管理

搞音视频开发好些年，分享过许多博客文章，比如：前几年发布的《FFmpeg Tips》系列，《Android 音频开发》系列，《直播疑难杂症排查》系列等等。最近想把多年来开发和优化播放器的经验也分享出来，同时也考虑把自己业余时间开发的基于 ffmpeg 的播放器内核开源出来，希望能帮助到音视频领域的初学者。第一期文章要推出的内容主要涉及到播放器比较核心的几个技术点，大概的目录如下：

1. 播放器技术分享（1）：架构设计

2. 播放器技术分享（2）：缓冲区管理

3. 播放器技术分享（3）：音画同步

4. 播放器技术分享（4）：首开时间

5. 播放器技术分享（5）：延时优化

本篇是系列文章的第二篇，主要聊一聊播放器的缓冲区管理。

1 概述

在上一篇文章中，我们有提到利用缓冲区把单线程模型的数据流改造为多线程模型，从而可以有效抵抗网络和解码的抖动，防止频繁卡顿，同时也能充分利用多核 CPU 的计算能力，如下图所示：

播放器的读线程，将 IO 和 Parser 模块输出的”未解码“的音视频数据包放到”帧缓冲区“队列中，将解码后的数据，存放到”显示缓冲区“队列中。

2 缓冲区的作用

我们深挖一下，这个 “帧缓冲区” 和 “显示缓冲区” 究竟起到了一个什么作用 ？

2.1 帧缓冲区

帧缓冲区，作为“读线程”和“解码线程”之间的缓冲池，它主要起到了三个作用：

1. 抵抗网络抖动

2. 抵抗解码抖动

3. 避免被动丢帧导致花屏

假设没有“帧缓冲区”，即：IO -> Parser -> Decoder 整个流程是串行的，那么会有如下潜在问题：

1. IO 网络抖动的时候（比如：短暂拥塞，无法读到数据），那么整个数据链条都会被卡住，Decoder 只能干等着 IO 恢复

2. Decoder 同样会出现“抖动”，因为解码某些复杂的视频帧，会耗时比较久，如果 Decoder 卡住，同样 IO 模块也只能干等着

3. 因为整个流程是串行的，每一帧都必须 IO -> Parser -> Decoder 走完才会读取和处理下一帧，那么，当网络抖动的时候，会出现服务端的 TCP 协议栈缓存了较多的数据，在网络恢复的时候，下发到客户端的时候，因为接收不及时，导致 TCP 发送队列爆满而产生被动丢帧，从而使得后续因为数据不完整导致解码花屏

2.2 显示缓冲区

显示缓冲区，作为“解码线程”和“显示线程”之间的缓冲池，它主要起到了三个作用：

1. 实现 “音画同步” 的必要条件

2. 抵抗渲染抖动

假设没有“显示缓冲区”，即：Decoder -> Renderer 整个流程是串行的，那么会有如下潜在问题：

1. 无论是视频帧还是音频数据，都是解码完了就立马送入了渲染模块，无法添加音画同步的逻辑处理

2. 如果渲染模块出现“抖动”，会直接阻塞×××，无法异步去解码帧缓冲区中的数据，降低了效率

3 “主动缓冲” 与 “被动缓冲”

了解了缓冲区的作用，我们再看看缓冲区的数据是怎么被填充的 ？

缓冲区的数据填充，主要分为 2 种情况，第一种叫 “主动缓冲”，另一种叫做 “被动缓冲”

主动缓冲：是指播放器主动暂停缓冲区的数据消费，等待数据生产者逐渐填充数据，直到达到某种条件再恢复

被动缓冲：是指数据的消费速度赶不上生产速度，从而被动滞留了数据在缓冲区中

主动缓冲，多用于点播场景，为了降低频繁卡顿，在开始播放视频之前，会主动 buffering 一段时间（比如：10s）的数据，再开始播放。当缓冲区内的数据因为网络抖动等原因消耗完了，会再次启动 buffering，如此循环。

如图所示，假设播放器缓冲区内的数据低于 Low 这个水位点后，会主动暂停播放，启动 buffering 过程直到缓冲区中的数据达到 M 水位值。

被动缓冲，多出现在直播场景，可能有 2 种原因：

1. 手机等设备的解码性能不足，比如软解 1080P 的高清视频，导致视频的解码和渲染的速度赶不上视频的读取速度，导致数据堆积在“帧缓冲区”

2. 网络的频繁抖动，导致客户端无法及时拿到数据进行解码渲染，当网络恢复后，数据会迅速下发下来，但播放器已没有办法再快速消费掉（因为播放的速率是固定的，除非添加追帧的逻辑，后续文章会详细介绍）

4 缓冲区的大小怎么定 ？

理解了缓冲区的作用，那这两个缓冲区的大小如何制定呢 ？首先，我们需要知道这两个缓冲区大小究竟影响或者决定了什么 ？

1. 缓冲区越大 -> 抗抖动能力越强

2. 缓冲区越大 -> 内存占用越高

3. 缓冲区越大 -> 播放延时越大

由此可见，缓冲区也不是越大越好，需要根据实际的使用场景来决定。

“显示缓冲区” 其实是 解码线程 和 渲染线程 之间的桥梁，由于解码和渲染的抖动并不频繁，所以并不需要特别大的缓冲区，最低 3 帧左右即可，一帧在生产，一帧在消费，还有一帧在缓冲区中待命。

而 “帧缓冲区” 是用来抵抗网络抖动的，网络抖动往往是比较频繁的，抖动的时间也有时会比较久一些，所以 “帧缓冲区” 相对要设置得大一点，但以不过于影响内存和播放延时为前提。

对于直播场景，为了防止 “被动丢帧”，往往 “帧缓冲区” 默认是设置为 “无限大” 的，当检测到缓冲区达到一定阈值后，启动一些诸如主动丢帧或者倍数播放的方式，来快速消耗掉缓冲的内容，从而降低内存和延时。

5 缓冲区何时会主动清空 ？

有如下几种场景，播放器会主动清空缓冲区内的数据：

1. 播放器重置

2. 播放进度条被拖动

3. 消除累积延时

4. 系统内存告警

6 IJKPlayer 的缓冲区管理

ijkplayer 使用非常广泛，这里以它为例看看播放器缓冲区的真实案例是怎么样的 ？

1. 播放器打开后，缓冲 100ms，再开始播放

2. 如果遇到了卡顿（缓冲区为空），则暂停播放，缓冲到 1000ms，再开始播放

  3. 如果再次遇到卡顿，则缓冲到 2000ms 再播，依次类推，直到 5000ms

可以看出，它的缓冲区的最大阈值是逐步递增上去的，这是一个非常棒的用户体验优化，因为如果用户网络不是那么差的话，不用第一次缓冲就等 5s 了

7 总结

播放器的缓冲区管理，就分享到这里了，如有疑问的小伙伴欢迎来信 [email protected] 交流。另外，也欢迎大家关注我的新浪微博 @卢_俊 或者 微信公众号 @Jhuster 获取最新的文章和资讯。