目录：
RTMP（一）录屏直播理论入门
RTMP（二）搭建推流服务
RTMP （三）音视频采集与数据封包
RTMP（四）交叉编译与CameraX
RTMP （五）摄像头数据处理
RTMP （六）音视频编码推流
音频采集
- AudioRecord Android SDK 自带。直接在java端采集，相对方便，而且编码方式用的是MediaCodec，所以是首选
2.OpenSL ES 效率高，但是底层C++层和java来回传递麻烦
3.MediaRecord 但是我们无法干预采集过程
AudioRecord 采集
// 创建AudioRecord 录音
// 最小缓冲区大小
minBufferSize = AudioRecord.getMinBufferSize(
44100,
AudioFormat.CHANNEL_IN_MONO,
AudioFormat.ENCODING_PCM_16BIT);
audioRecord = new AudioRecord(
MediaRecorder.AudioSource.MIC,
44100,
AudioFormat.CHANNEL_IN_DEFAULT,
AudioFormat.ENCODING_PCM_16BIT,
minBufferSize);
音频数据
RTMP的音频数据相对视频比较简单，只需要根据是否为音频audio specific config(记录音频的格式)。如果为 audio specific config拼接0xAF，0x00，否则就只需要添加0xAF，0x00。
音频数据封包
RTMP音频包数据&FLV 格式&0xAF的由来
文件内容：Header，Version，Meta-Data (元数据 可以发也可以不发），音频数据，视频数据
RTMP 包中封装的音视频数据流，其实和FLV/tag封装音频和视频数据的方式是相同的，所以我们只需要按照FLV格式封装音视频即可。
我们的编码为，10:AAC，3:44100采样率，1:采样长度，1:声道。按照位数表示数据就为:0xAF
我们在Java端定义一个对应的RTMPPacckage 封包结构类
public class RTMPPackage {
public static final int RTMP_PACKET_TYPE_VIDEO = 0;
public static final int RTMP_PACKET_TYPE_AUDIO_HEAD = 1;
public static final int RTMP_PACKET_TYPE_AUDIO_DATA = 2;
private byte[] buffer;//buf
private int type;//类型
private long tms;//时间戳
...
}
所以我们的封包, byte 数据 封包 + 音频数据 封包
RTMPPacket *packet = malloc(sizeof(RTMPPacket));
// 因为我们会在音频数据前拼两个字节，才符合flv/rtmp 的格式
RTMPPacket_Alloc(packet,len + 2);
//10101111 根据flv的数据结构拼接
packet->m_body[0] = 0xAF;
// 可以播放的数据0x01,不能播放0x00
packet->m_body[1] = 0x01;
获取播放音频之前，先发送 audio Special config .这个不是可以播放的数据
0x12,0x08
//RTMPPackage 传给c++
RTMPPackage rtmpPackage = new RTMPPackage();
byte[] audioSpec = {0x12,0x08};
rtmpPackage.setBuffer(audioSpec);
rtmpPackage.setType(RTMPPackage.RTMP_PACKET_TYPE_AUDIO_HEAD);
rtmpPackage.setTms(0);
screenLive.addPacket(rtmpPackage);
音频的数据在编码后封包。RTMPPackage需要一个时间，这个时间一般是相对时间，先给出第一帧的时间，代码片段：
// 获取编码后的数据
index = mediaCodec.dequeueOutputBuffer(bufferInfo, 0);
//每次取完了，在让编码器塞数据
while (index >= 0 && isRecording) {
ByteBuffer outBuffer = mediaCodec.getOutputBuffer(index);
byte[] data = new byte[bufferInfo.size];
outBuffer.get(data);
// 第一帧时间
if (startTime == 0) {
startTime = bufferInfo.presentationTimeUs / 1000;//绝对是间
}
//TODO 送去推流，封装成RTMPackage 把data发送
rtmpPackage = new RTMPPackage();
rtmpPackage.setBuffer(data);
rtmpPackage.setType(RTMPPackage.RTMP_PACKET_TYPE_AUDIO_DATA);
//相对时间
rtmpPackage.setTms(bufferInfo.presentationTimeUs / 1000 - startTime);
screenLive.addPacket(rtmpPackage);
//释放输出队列，让其能存放新的数据
mediaCodec.releaseOutputBuffer(index, false);
index = mediaCodec.dequeueOutputBuffer(bufferInfo, 0);
}
RTMP视频数据 与 交叉编译
- rtmp & rtmps
rtmp librtmp库
rtmps librtmp 库 + openssl 库编译
用到了我之前文章介绍的RTMPDump：
是一个用来处理RTMP流媒体的开源工具包。它能够单独使用进行 RTMP的通信，也可以集成到FFmpeg中通过FFmpeg接口来使用RTMPDump。
交叉编译
在Android中可以直接借助NDK在JNI层调用RTMPDump来完成RTMP通信。但是首先必须得进行交叉编译。 RTMPDump源码结构如下:
在根目录下提供了一个 Makefile 与一些 .c 源文件。这里的源文件将会编译出一系列的可执行文件。然后我们需
要的并不是可执行文件，真正的对RTMP的实现都在librtmp子目录中。在这个子目录中同样包含了一个 Makefile
文件。通过阅读 Makefile 发现，它的源码并不多: OBJS=rtmp.o log.o amf.o hashswf.o parseurl.o 。因此我们 不进行预编译，即直接放入AS中借助 CMakeLists.txt 来进行编译。这么做可以让我们方便的对库本身进行调试或 修改(实际上我们确实会稍微修改这个库的源码)。
在AS中复制librtmp置于src/main/cpp/librtmp并为其编写CMakeLists.txt
#预编译宏
set(CMAKE_C_FLAGS "${CMAKE_C_FLAGS} -DNO_CRYPTO" )
#所有源文件放入 rtmp_source 变量
file(GLOB rtmp_source *.c)
#编译静态库
add_library(rtmp STATIC ${rtmp_source} )
在 app/CMakeLists.txt 中导入这个CMakeLists.txt
cmake_minimum_required(VERSION 3.10.2)
# 导 入 其 他 目 录 cmakelist
add_subdirectory(src/main/cpp/librtmp)
add_library(XXX SHARED ...)
#XXX需要链接rtmp库
target_link_libraries(XXX rtmp ...)
RTMP视频流格式与FLV很相似，通过查看FLV的格式文档，就能够知道RTMP视频数据应该怎么拼接。
视频采集封包
RTMP视频包数据 & FLV 格式
FLV tags 结构
| 字段 | 字节 | 描述 |
|---|---|---|
| 类型 | 1 | 0x08: 音频0x09: 视频0x12: 脚本(描述信息) |
| 数据大小 | 3 | 数据区的大小，不包括包头。 |
| 时间戳 | 3 | 当前帧相对时间戳，单位是毫秒。相对于第一个TAG时戳。 |
| 时戳扩展 | 1 | 如果时戳大于0xFFFFFF，将会存在字节。 |
| 流ID | 3 | 总是0 |
| 数据区 | n | 音、视频包 |
如图，第一个字节0x09 表示此段数据为视频，数据大小为0x00,0x00,0x2F即47，时间戳为 0x00,0x00,0x00,时间戳扩展也为0x00。(第二行)流ID:0x00,0x00,0x00。接下来就是视频数据，
通过此处的 数据大小字段得知，数据长为47字节。 则从0x17开始，一直到最后一行的0xC0，就是数据区域，而最后的
0x00,0x00,0x00,0x3A 即58，表示的是这个数据块除最后4个字节的总大小。本处为视频数据，那么从0x17 开始，数据内容则为下面的部分。
视频数据
| 字段 | 占位 | 描述 |
|---|---|---|
| 帧类型 | 4 | 1: 关键帧,2: 普通帧 ...... |
| 编码ID | 4 | 7: 高级视频编码 AVC... |
| 视频数据 | n | AVC则需要下面的AVCVIDEOPACKET |
AVCVIDEOPACKET
| 字段 | 字节 | 描述 |
|---|---|---|
| 类型 | 1 | 0:AVC 序列头(指导播放器如何解码) 1:其他单元(其他NALU) |
| 合成时间 | 3 | 对于AVC序列头,全为0 |
| 数据 | n | 类型不同，数据不同 |
视频数据中 0x17则表示了1:关键帧与7:高级视频编码 AVC，如果是普通帧，则此数据为0x27。而类型为: 0x00表示这段数据为AVC序列头(avc sequence header)。最后三个字节为合成时间。而如果类型为AVC序列 头接下来的数据就是下面的内容:
AVC 序列头
在AVCVIDEOPACKET 中如果类型为0，则后续数据为:
| 类型 | 字节 | 说明 |
|---|---|---|
| 版本 | 1 | 0x01 |
| 编码规格 | 3 | sps[1]+sps[2]+sps[3] (后面说明) |
| 几个字节表示 NALU 的长度 | 1 | 0xFF，包长为 (0xFF& 3) + 1，也就是4字节表示 |
| SPS个数 | 1 | 0xE1，个数为0xE1 & 0x1F 也就是1 |
| SPS长度 | 2 | 整个sps的长度 |
| sps的内容 | n | 整个sps |
| pps个数 | 1 | 0x01，不用计算就是1 |
| pps长度 | 2 | 整个pps长度 |
| pps内容 | n | 整个pps内容 |
0x01为版本，后续数据按照上表记录，最后四字节上面说过:为这个数据块除最后4个字节的总大小。其中 SPS与PPS是编码器在编码H.264视频时，在关键帧前会编码出的关于这个关键帧与需要参考该关键帧的B/P 帧如何解码的内容，如:宽、高等信息。
在AVCVIDEOPACKET 中如果类型为1(非AVC 序列头)，则后续数据为
| 类型 | 字节 | 说明 |
|---|---|---|
| 包长 | 由AVC 序列头中定义 | 后续长度 |
| 数据 | n | H.264数据 |
所以对于视频的数据封装，AVC序列头为:
int i = 0;
//AVC sequence header 与IDR一样
packet->m_body[i++] = 0x17;
//AVC sequence header 设置为0x00
packet->m_body[i++] = 0x00;
//CompositionTime
packet->m_body[i++] = 0x00;
packet->m_body[i++] = 0x00;
packet->m_body[i++] = 0x00;
//AVC sequence header
packet->m_body[i++] = 0x01;//configurationVersion 版本号1
packet->m_body[i++] = sps[1]; //profile 如baseline、main、 high
packet->m_body[i++] = sp[2]; //profile_compatibility 兼容性
packet->m_body[i++] = sp[3]; //profile level
packet->m_body[i++] =0xFF; // reserved(111111) + lengthSizeMinusOne(2位 nal 长度) 总是0xFF;
//sps
packet->m_body[i++] = 0xE1; //reserved(111) + lengthSizeMinusOne(5位 sps 个数) 总是0xe1
//sps length 2字节
packet->m_body[i++] = (sps_len >> 8) & 0xff; //第0个字节 packet->m_body[i++] = sps_len & 0xff; //第1个字节 memcpy(&packet->m_body[i], sps,sps_len);
i += sps_len;
/*pps*/
packet->m_body[i++] = 0x01; //pps number
//pps length
packet->m_body[i++] = (pps_len >> 8) & 0xff;
packet->m_body[i++] = pps_len & 0xff;
memcpy(&packet->m_body[i],pps, pps_len);
而对于非AVC序列头，关键字与非关键字，只有第一个字节0x17与0x27的区别:
packet->m_body[0] = 0x27;
if (buf[0] == 0x65) { //关键帧 packet->m_body[0] = 0x17;
LOGI("发送关键帧 data");
}
packet->m_body[1] = 0x01;
packet->m_body[2] = 0x00;
packet->m_body[3] = 0x00;
packet->m_body[4] = 0x00;
//长度
packet->m_body[5] = (len >> 24) & 0xff;
packet->m_body[6] = (len >> 16) & 0xff;
packet->m_body[7] = (len >> 8) & 0xff;
packet->m_body[8] = (len) & 0xff;
//buf为编码出的一帧h.264数据
memcpy(&packet->m_body[9], buf, len);
视频编码—H264
视频编码格式，使用H.264编码算法(压缩算法)压缩视频数据。
x264主页
H.264数据
H.264码流在网络中传输时实际是以NALU的形式进行传输的。NALU就是NAL UNIT，NAL单元。NAL全称Network Abstract Layer, 即网络抽象层。在H.264/AVC视频编码标准中，整个系统框架被分为了两个层面:视频编码层面 (VCL)和网络抽象层面(NAL)。其中，前者负责有效表示视频数据的内容，而后者则负责格式化数据并提供头 信息，以保证数据适合各种信道和存储介质上的传输。我们平时的每帧数据就是一个NAL单元。
往RTMP包中填充的就是NAL数据，但不是直接将编码出来的数据填充进去。 一段包含了N个图像的H.264裸数据，每个NAL之间由:
00 00 00 01或者 00 00 01
进行分割。在分割符之后的第一个字节，就是表示这个nal的类型。
0x67:sps
0x68: pps
0x65: IDR
在将数据加入RTMPPacket的时候是需要去除分割符的。
所以完整的封包代码为:
buf += 4; //跳过 0x00 0x00 0x00 0x01
len -= 4;
int body_size = len + 9;
RTMPPacket *packet = (RTMPPacket *) malloc(sizeof(RTMPPacket));
RTMPPacket_Alloc(packet, len + 9);
packet->m_body[0] = 0x27;
if (buf[0] == 0x65) { //关键帧
packet->m_body[0] = 0x17;
LOGI("发送关键帧 data");
}
packet->m_body[1] = 0x01;
packet->m_body[2] = 0x00;
packet->m_body[3] = 0x00;
packet->m_body[4] = 0x00;
//长度
packet->m_body[5] = (len >>24) & 0xff;
packet->m_body[6] = (len >> 16) & 0xff;
packet->m_body[7] = (len >> 8) & 0xff;
packet->m_body[8] = (len) & 0xff;
//数据
memcpy(&packet->m_body[9], buf, len);
NALU
NALU就是NAL UNIT，nal单元。NAL全称Network Abstract Layer, 即网络抽象层，H.264在网络上传输的结构。一 帧图片经过 H.264编码器之后，就被编码为一个或多个片(slice)，而装载着这些片(slice)的载体，就是 NALU 了 。