1小时学会：最简单的iOS直播推流（九）flv 编码与音视频时间戳同步

最简单的iOS 推流代码，视频捕获，软编码(faac，x264)，硬编码（aac，h264），美颜，flv编码，rtmp协议，陆续更新代码解析，你想学的知识这里都有，愿意懂直播技术的同学快来看！！

源代码：https://github.com/hardman/AWLive

前文介绍了如何获取音视频的aac/h264数据，那么如何将数据写入rtmp流中呢？
rtmp最初是Adobe Flash用于音视频播放的一个实时传输协议。而flv正是Adobe推出的一个视频格式，因此rtmp协议支持flv视频流。
这里可以我们把获取的aac/h264的数据，直接转成flv格式的视频帧，然后按照时间戳依次发送给服务端即可。

flv格式简介

flv总体来说是一个简单的视频格式，它包含2部分：header 和 body。

header是固定格式的数据，表示本文件是一个flv文件。
header的长度是9个字节。

header后面紧跟着body数据。body是由一个一个称为的tag数据组成。
tag其实就是一个固定格式的数据块，构造方式同header类似，只是叫法不同而已。

tag分为3种。script tag，video tag，audio tag。
script tag是flv的第一个tag，用于放一些视频信息的，比如duration，width，height等。script tag对于flv格式的视频文件比较重要，对于rtmp来说，可以不写入script tag。
video tag是视频数据的封装，也就是我们获取的h264数据基础之上，增加一些flv特定的数据。
audio tag同video tag类似，是acc数据的封装。

代码解析

flv相关代码在 aw_encode_flv.h和aw_encode_flv.c中。
此模块提供了flv编码(aac+h264)功能。

这个模块的暴露给外部的api为2部分：

//一部分是创建flv的方法
//写入header
extern void aw_write_flv_header(aw_data **flv_data);
//写入flv tag
extern void aw_write_flv_tag(aw_data **flv_data, aw_flv_common_tag *common_tag);

//第二部分是所有tag的构造
//script tag
extern aw_flv_script_tag *alloc_aw_flv_script_tag();
extern void free_aw_flv_script_tag(aw_flv_script_tag **);

//audio tag
extern aw_flv_audio_tag *alloc_aw_flv_audio_tag();
extern void free_aw_flv_audio_tag(aw_flv_audio_tag **);

//video tag
extern aw_flv_video_tag *alloc_aw_flv_video_tag();
extern void free_aw_flv_video_tag(aw_flv_video_tag **);

外部使用时，可根据具体数据先创建不同的tag，填充好各个数据，然后使用aw_write_flv_tag方法将tag写入aw_data中。
可用上述方法可以构造出完整的flv文件。

aw_data

aw_data是为了方便文件数据的读取/写入和管理而创建的工具模块。
此模块已处理了大端小端差异，能够让文件读写更加方便快捷。
相关代码在aw_data.h / aw_data.c中。

flv header

extern void aw_write_flv_header(aw_data **flv_data){
    uint8_t
    f = 'F', l = 'L', v = 'V',//FLV
    version = 1,//固定值
    av_flag = 5;//5表示av，5表示只有a，1表示只有v
    uint32_t flv_header_len = 9;//header固定长度为9
    data_writer.write_uint8(flv_data, f);
    data_writer.write_uint8(flv_data, l);
    data_writer.write_uint8(flv_data, v);
    data_writer.write_uint8(flv_data, version);
    data_writer.write_uint8(flv_data, av_flag);
    data_writer.write_uint32(flv_data, flv_header_len);
    
    //first previous tag size 根据flv协议，每个tag后要写入当前tag的size，称为previous tag size，header后面需要写入4字节空数据。
    data_writer.write_uint32(flv_data, 0);
}

flv body

注意
如果是要构造flv文件，写入header之后就可以写入script tag了。
如果是使用rtmp协议，则无需构造header，也无需script tag。可直接写入 video tag和audio tag。
若使用rtmp协议必须在首帧写入AVCDecoderConfigurationRecord (包含sps pps数据)和 AudioSpecificConfig，否则服务端无法正常解析音视频数据。

flv的body是由一个接一个的tag构成的。
一个flv tag分为3部分：tag header + tag body + tag data size。

extern void aw_write_flv_tag(aw_data **flv_data, aw_flv_common_tag *common_tag){
    //写入header
    aw_write_tag_header(flv_data, common_tag);
    //写入body
    aw_write_tag_body(flv_data, common_tag);
    //写入data size
    aw_write_tag_data_size(flv_data, common_tag);
}

tag header

static void aw_write_tag_header(aw_data **flv_data, aw_flv_common_tag *common_tag){
    //header 长度为固定11个字节
    //写入tag type，video：9 audio：8 script：18
    data_writer.write_uint8(flv_data, common_tag->tag_type);
    //写入body的size(data_size为整个tag的长度)
    data_writer.write_uint24(flv_data, common_tag->data_size - 11);
    //写入时间戳
    data_writer.write_uint24(flv_data, common_tag->timestamp);
    data_writer.write_uint8(flv_data, common_tag->timestamp_extend);
    //写入stream id为0
    data_writer.write_uint24(flv_data, common_tag->stream_id);
}

script tag body

static void aw_write_script_tag_body(aw_data **flv_data, aw_flv_script_tag *script_tag){
    //script tag写入规则为：类型-内容-类型-内容...类型-内容
    //类型是1个字节整数，可取12种值：
    //    0 = Number type
    //    1 = Boolean type
    //    2 = String type
    //    3 = Object type
    //    4 = MovieClip type
    //    5 = Null type
    //    6 = Undefined type
    //    7 = Reference type
    //    8 = ECMA array type
    //    10 = Strict array type
    //    11 = Date type
    //    12 = Long string type
    // 比如：如果类型是字符串，那么先写入1个字节表类型的2。另，写入真正的字符串前，需要写入2个字节的字符串长度。
    // data_writer.write_string能够在写入字符串前，先写入字符串长度，此函数第三个参数表示用多少字节来存储字符串长度。
    // script tag 的结构基本上是固定的，首先写入一个字符串: onMetaData，然后写入一个数组。
    // 写入数组需要先写入数组编号1字节：8，然后写入数组长度4字节：11。
    // 数组同OC的Dictionary类似，可写入一个字符串+一个value。
    // 所以每个数组元素可先写入一个字符串，然后写入一个Number Type，再写入具体的数值。
    // 结束时需写入3个字节的0x000009表示数组结束。
    // 下面代码中的duration/width/filesize均遵循此规则。

    //2表示类型，字符串
    data_writer.write_uint8(flv_data, 2);
    data_writer.write_string(flv_data, "onMetaData", 2);
    
    //数组类型：8
    data_writer.write_uint8(flv_data, 8);
    //数组长度：11
    data_writer.write_uint32(flv_data, 11);
    
    //写入duration 0表示double，1表示uint8
    data_writer.write_string(flv_data, "duration", 2);
    data_writer.write_uint8(flv_data, 0);
    data_writer.write_double(flv_data, script_tag->duration);
    //写入width
    data_writer.write_string(flv_data, "width", 2);
    data_writer.write_uint8(flv_data, 0);
    data_writer.write_double(flv_data, script_tag->width);
    ...
    ...
    ...
    //写入file_size
    data_writer.write_string(flv_data, "filesize", 2);
    data_writer.write_uint8(flv_data, 0);
    data_writer.write_double(flv_data, script_tag->file_size);
    
    //3字节的0x9表示数组结束
    data_writer.write_uint24(flv_data, 9);
}

video tag body

static void aw_write_video_tag_body(aw_data **flv_data, aw_flv_video_tag *video_tag){
    // video tag body 结构是这样的：
    // frame_type(4bit) + codec_id(4bit) + h264_package_type(8bit) + h264_composition_time(24bit) + video_tag_data(many bits)
    // frame_type 表示是否关键帧，关键帧为1，非关键帧为2（当然还有更多取值，请参考[flv协议](https://wuyuans.com/img/2012/08/video_file_format_spec_v10.rar)
    // codec_id 表示视频协议：h264是7 h263是2。
    // h264_package_type表示视频帧数据的类型，2种取值：sequence header（也就是前面说的 sps pps 数据，rtmp要求首帧发送此数据，也称为AVCDecoderConfigurationRecord），另一种为nalu，正常的h264视频帧。
    // h264_compsition_time：cts是pts与dts的差值，flv中的timestamp表示的应该是pts。如果h264数据中不包含B帧，那么此数据可传0。
    // video_tag_data 即纯264数据。

    uint8_t video_header = 0;
    video_header |= video_tag->frame_type << 4 & 0xf0;
    video_header |= video_tag->codec_id;
    data_writer.write_uint8(flv_data, video_header);
    
    if (video_tag->codec_id == aw_flv_v_codec_id_H264) {
        data_writer.write_uint8(flv_data, video_tag->h264_package_type);
        data_writer.write_uint24(flv_data, video_tag->h264_composition_time);
    }
    
    switch (video_tag->h264_package_type) {
        case aw_flv_v_h264_packet_type_seq_header: {
            data_writer.write_bytes(flv_data, video_tag->config_record_data->data, video_tag->config_record_data->size);
            break;
        }
        case aw_flv_v_h264_packet_type_nalu: {
            data_writer.write_bytes(flv_data, video_tag->frame_data->data, video_tag->frame_data->size);
            break;
        }
        case aw_flv_v_h264_packet_type_end_of_seq: {
            //nothing
            break;
        }
    }
}

audio tag body

static void aw_write_audio_tag_body(aw_data **flv_data, aw_flv_audio_tag *audio_tag){
    // audio tag body的结构是这样的：
    // sound_format(4bit) + sound_rate(sample_rate)(2bit) + sound_size(sample_size)(1bit) + sound_type(1bit) + aac_packet_type(8bit) + aac_data(many bits)
    // sound_format 表示声音格式，2表示mp3，10表示aac，一般是aac
    // sound_rate 采样率，表示1秒钟采集多少个样本，可选4个值，0表示5.5kHZ，1表示11kHZ，2表示22kHZ，3表示44kHZ，一般是3。
    // sound_size 采样尺寸，单个样本的size。2个选择，0表示8bit，1表示16bit。
    // 直观上看，采样率和采样尺寸应该和质量有一定关系。采样率高，采样尺寸大效果应该会好，但是生成的数据量也大。
    // sound_type 表示声音类型，0表示单声道，1表示立体声。(立体声有2条声道)。
    // aac_packet_type表示aac数据类型，有2种选择：0表示sequence header，即 必须首帧发送的数据(AudioSpecificConfig)，1表示正常的aac数据。

    uint8_t audio_header = 0;
    audio_header |= audio_tag->sound_format << 4 & 0xf0;
    audio_header |= audio_tag->sound_rate << 2 & 0xc;
    audio_header |= audio_tag->sound_size << 1 & 0x2;
    audio_header |= audio_tag->sound_type & 0x1;
    data_writer.write_uint8(flv_data, audio_header);
    
    if (audio_tag->sound_format == aw_flv_a_codec_id_AAC) {
        data_writer.write_uint8(flv_data, audio_tag->aac_packet_type);
    }
    switch (audio_tag->aac_packet_type) {
        case aw_flv_a_aac_package_type_aac_sequence_header: {
            data_writer.write_bytes(flv_data, audio_tag->config_record_data->data, audio_tag->config_record_data->size);
            break;
        }
        case aw_flv_a_aac_package_type_aac_raw: {
            data_writer.write_bytes(flv_data, audio_tag->frame_data->data, audio_tag->frame_data->size);
            break;
        }
    }
}

tag data size

根据flv协议，每个flv tag结束时，需要写入此tag的全部长度：header+body的长度，header长度固定为11字节，而body的长度可通过上面构造body时写入的数据进行计算。

static void aw_write_tag_data_size(aw_data **flv_data, aw_flv_common_tag *common_tag){
    data_writer.write_uint32(flv_data, common_tag->data_size);
}

上面的data_size由外部使用此模块的函数，在创建tag时计算出来的。
可以看aw_sw_faac_encoder.c中的aw_encoder_create_audio_tag方法：

extern aw_flv_audio_tag *aw_encoder_create_audio_tag(int8_t *aac_data, long len, uint32_t timeStamp, aw_faac_config *faac_cfg){
    aw_flv_audio_tag *audio_tag = aw_sw_encoder_create_flv_audio_tag(faac_cfg);
    ...
    ...
    //此处计算的data_size长度为 11(tag header size) + body header size(即下面的header_size，表示body中除去aac data的部分) + aac data size
    audio_tag->common_tag.data_size = audio_tag->frame_data->size + 11 + audio_tag->common_tag.header_size;
    return audio_tag;
}

这是本项目的处理方式。当然data size也可以在写入header和body时，同步计算出来。

flv时间戳

flv的tag中有2个字段表示时间戳，一个是 timestamp(pts)，一个是Composition Time(cts)。
pts表示展示时间戳，表示这一帧什么时候展示。
说cts之前有必要介绍一下dts，dts表示解码时间戳。
我们知道h264中有3种视频帧，I帧，P帧，B帧。
I和P帧不必说。
因为B帧的存在，可能会令后面的视频帧先于前面的视频帧解析，这样就需要在视频帧信息中保存dts。
flv中的cts可以做这件事情，cts = pts - dts。

另一个问题是，rtmp中的flv时间戳有一个规则就是，音频+视频帧须按照pts递增顺序发送。
因为音频和视频有各自的帧率，每个音视频帧可计算出各自的时间戳。
由于音频和视频在不同的线程中编码，编码后的音视频会合并到相同的线程中发送。
因为编码速度等各种原因，编码后的数据合并到相同线程时，可能并不是按照时间戳升序排列的。

为了保证排序，有2种办法解决此问题:

1. 将数据缓存起来，每次发送前都保证发送的是最早的数据帧。
2. 以音频（或视频）为主，一旦遇到视频（或音频）帧时间戳小于已经发送的时间戳，则调整视频（或音频）帧时间戳。

推流时保存发送的flv文件

根据本文介绍，我们可以把发送到rtmp服务器的数据保存到本地flv文件。
可以修改aw_streamer.c文件。

1. 当调用aw_streamer_open_rtmp_context时创建aw_data，并写入flv header和flv script tag。
2. 调用aw_streamer_send_video_data和aw_streamer_send_audio_data时，将video tag和audio tag写入aw_data中。
3. 当调用aw_streamer_close_rtmp_context时，将aw_data写入到本地文件，保存成flv格式，然后释放aw_data。

至此，flv编码介绍完毕。

文章列表

1. 1小时学会：最简单的iOS直播推流（一）项目介绍
2. 1小时学会：最简单的iOS直播推流（二）代码架构概述
3. 1小时学会：最简单的iOS直播推流（三）使用系统接口捕获音视频
4. 1小时学会：最简单的iOS直播推流（四）如何使用GPUImage，如何美颜
5. 1小时学会：最简单的iOS直播推流（五）yuv、pcm数据的介绍和获取
6. 1小时学会：最简单的iOS直播推流（六）h264、aac、flv介绍
7. 1小时学会：最简单的iOS直播推流（七）h264/aac 硬编码
8. 1小时学会：最简单的iOS直播推流（八）h264/aac 软编码
9. 1小时学会：最简单的iOS直播推流（九）flv 编码与音视频时间戳同步
10. 1小时学会：最简单的iOS直播推流（十）librtmp使用介绍
11. 1小时学会：最简单的iOS直播推流（十一）sps&pps和AudioSpecificConfig介绍（完结）