视频开发基础概念知识三

一、流媒体(直播需要用到流媒体)

• 流媒体开发：网络层负责传输(socket)，协议层负责网络打包(RTMP/HLS)，封装层(flv,ts)负责编码、解码数据的封装，编码层负责图像视频的压缩(H264/AAC)。
• 帧：每帧代表一副静止的图像。
• GOP：(Group of pictures)画面组，一个GOP就是一组连续的画面，每个画面都是一个帧，一个GOP就是很多帧的集合。
  直播数据：其实就是一组图片，包括I帧、P帧、B帧，当用户第一次观看的时候，会寻找I帧，而播放器会到服务器寻找到最近的I帧反馈给用户。因此，GOP增加了端到端的延迟，因为它必须要拿到最近的帧。
• 码率：图片进行压缩后每秒显示的数据量。
• 帧率：每秒显示的图片数(FPS)。帧越大越流畅，帧越小越卡顿。
  电影制作者发现一旦将帧数提升到24帧，人眼就能让组成影片的一幅幅图像流畅的合为一体（其实这是大脑的感觉），因此将24帧定为了行业标准。游戏制作公司一般把流畅游戏的标准定为30FPS，推荐标准定为60FPS，多数液晶显示器的刷新率也是60Hz。
• 压缩比：压缩前的每秒数据量/压缩后的每秒数据量(码率)。压缩比越高，也就意味着码率越低，画质越模糊。
• 视频文件格式：文件的后缀，比如：mp4、mp3、mov、wmv、avi。
  用处：根据文件格式，系统会自动判断用什么软件打开。注意一点，修改文件的格式并不会对文件本身造成太大的影响，如把avi改成mp4，其实文件还是avi。
• 视频封装格式：一种存储视频信息的容器，流式封装有TS、FLV等，索引式的封装有MP4、MOV、AVI等。
  主要作用：一个视频文件包含图像、音频以及一些配置信息(图像和音频的关联，怎么去解码它们等)，这些内容需要按照一定的规则，组织封装起来。
  疑问点：你会发现，视频的封装格式和视频的文件格式一样，因为一般视频文件格式的后缀名就是采用封装格式的名称，所以视频文件格式就是视频封装格式。

二、直播的基础知识

1、采集视频、音频

1.1 采集音视频编码框架

• AVFoundation:AVFoundation是用来播放和创建实时视听媒体数据框架，同时提供OC接口来操作这些视听数据，比如编辑、旋转、重编码。

1.2 音视频硬件设备

• CCD:图像传感器，用于图像采集和处理过程，把图像转换成电信号。
• 拾音器:声音传感器，用于声音的采集和处理过程，把声音转换成电信号。
• 音频采样数据:一般都是PCM格式。
• 视频采样数据:一般都是YUV或者RGB格式，由于采集到的音视频的体积非常大，所以需要经过压缩技术处理来提高传输效率。

2、视频处理（美颜、水印）

• 视频处理原理:因为视频最终通过GPU，一帧帧的渲染到屏幕上的，所以我们可以利用OpenGL ES，对视频进行各种加工，从而实现各种不同的效果。目前各种美颜和视频添加特效的APP都是用GUIImage这个框架实现的。

• GUIImage:GUIImage是一个基于OpenGL ES的一个强大的图像/视频处理框架，封装好了各种滤镜同时也可以编写自定义的滤镜，其本身内置了多达120多种的滤镜效果。

• OpenGL：OpenGL(Open Graphics Library)是个定义了一个跨编程语言、跨平台的编程接口的规格，它用于三维图象（二维的亦可）。OpenGL是个专业的图形程序接口，是一个功能强大，调用方便的底层图形库。

• OpenGL ES：OpenGL ES (OpenGL for Embedded Systems) 是 OpenGL三维图形 API 的子集，针对手机、PDA和游戏主机等嵌入式设备而设计。

三、视频编码、解码

1、视频编码框架

• FFMPEG：跨平台的开源视频框架，能实现如视频编码、解码、转码、串流、播放等丰富的功能。器支持的视频格式以及播放协议很丰富，几乎包含了所有的音视频编解码、封装格式以及播放协议。
• X264：把视频原数据YUV压缩成H264格式。
• VideoToolbox：苹果自带的视频硬编码API，在iOS8之后才开放。
• AudioToolbox：苹果自带的音频硬编码API。

2、视频编码技术

• 视频压缩编码标准：对视频进行压缩或者解压缩的编码技术，比如MPEG、H.264，这些视频编码技术是用来压缩编码视频的。
  主要作用：是将视频像素数据压缩成为视频码流，降低视频的数据量。一部上百G的电影压缩之后也就几G。
  注意：最影响视频质量的是其视频编码数据和音频编码数据，跟封装格式没多大关系。
• MPEG：一种视频压缩方式，采用看帧间压缩，仅存储连续帧之间有差别的地方，从而达到比较大的压缩比。
• H.264/AVC：一种视频压缩方式，采用事先预测和与MPEG中的P-B帧一样的帧预测方法压缩，它可以根据需要产生适合网络情况传输的视频流,还有更高的压缩比，有更好的图象质量。
  注意1：如果从单个画面清晰度比较，MPEG有优势；从动作连贯性上的清晰度，H.264有优势。
  注意2：H.264算法更加复杂，程序实现繁琐，运行它需要更多的处理器和内存资源。因此，运行H264对系统要求还是比较高的。
  注意3：由于264的实现更加灵活，它把一些实现留给了厂商自己去实现，虽然这样给实现带来了很多好处，但是不同产品之间互通成了很大的问题，造成了通过A公司的编码器编出的数据，必须通过A公司的解码器去解这样尴尬的事情。
• H.265/HEVC：一种视频压缩方式,基于H.264，保留原来的某些技术，同时对一些相关的技术加以改进，以改善码流、编码质量、延时和算法复杂度之间的关系，达到最优化设置。
• I帧：(关键帧)保留一副完整的画面，解码时只需要本帧数据就可以完成（包含了完整的画面）。
• P帧：(差别帧)保留本帧和之前帧的差别，解码时需要用之前缓存的画面叠加上本帧定义的差别，生成最终画面。（P帧没有完整画面，只有与前一帧画面差别的数据）
• B帧：(双向差别帧)保留的是本帧与前后帧的差别，解码B帧，不仅要取得之前缓存的画面，还要解码之后的画面，通过前后画面与本帧数据的叠加取得最终的画面。B帧的压缩率高，但是解码时也会更加耗费CPU。
• 帧内（Intraframe）压缩：当压缩一帧图像时，仅考虑本帧的数据而不考虑相邻帧之间的冗余信息,帧内一般采用有损压缩算法。
• 帧间（Interframe）压缩：时间压缩（Temporal compression），它通过比较时间轴上不同帧之间的数据进行压缩。帧间压缩一般是无损的。
• muxing（合成）：将视频流、音频流甚至是字幕流封装到一个文件中(容器格式（FLV，TS）)，作为一个信号进行传输。

三、音频编码技术与视频封装技术

• AAC、mp3：音频编码技术，用于压缩音频。
• 多码率：现实场景很复杂，有可能是WiFi，有可能4G、3G、甚至2G，那么怎么满足多方需求呢？多搞几条线路，根据当前网络环境自定义码率。常常看见视频播放软件中的1024，720，高清，标清，流畅等，指的就是各种码率。
• TS：一种流媒体封装格式，流媒体封装有一个好处，就是不需要加载索引再播放，大大减少了首次载入的延迟，如果片子比较长，mp4文件的索引相当大，影响用户体验。
  TS优点：两个TS片段可以无缝拼接，播放器能连续播放
• FLV：一种流媒体封装格式,由于它形成的文件极小、加载速度极快，使得网络观看视频文件成为可能,因此FLV格式成为了当今主流视频格式。

四、推流

• 数据传输框架：librtmp用来传输RTMP协议格式的数据。
• 流媒体数据传输协议：RTMP实时消息传输协议，Adobe Systems公司为Flash播放器和服务器之间音频、视频和数据传输开发的开放协议，因为是开放协议所以都可以使用了。
  1、RTMP协议用于对象、视频、音频的传输。
2、这个协议建立在TCP协议或者轮询HTTP协议之上。
3、RTMP协议就像一个用来装数据包的容器，这些数据可以是FLV中的视音频数据。一个单一的连接可以通过不同的通道传输多路网络流，这些通道中的包都是按照固定大小的包传输的。

五、流媒体服务器

常用服务器：

• SRS：一款国人开发的优秀开源流媒体服务器系统。
• BMS：也是一款流媒体服务器系统，但不开源，是SRS的商业版，比SRS功能更多
• nginx：免费开源web服务器，常用来配置流媒体服务器。
  数据分发：
• CDN：(Content Delivery Network)，即内容分发网络,将网站的内容发布到最接近用户的网络”边缘”，使用户可以就近取得所需的内容，解决 Internet网络拥挤的状况，提高用户访问网站的响应速度。
• CDN：代理服务器，相当于中介。
• 工作原理：请求流媒体数据
  1.上传流媒体数据到服务器（源站）
2.源站存储流媒体数据
3.客户端播放流媒体，向CDN请求编码后的流媒体数据
4.CDN的服务器响应请求，若节点上没有该流媒体数据存在，则向源站继续请求流媒体数据；若节点上已经缓存了该视频文件，则跳到第6步。
5.源站响应CDN的请求，将流媒体分发到相应的CDN节点上。
6.CDN将流媒体数据发送到客户端。
• 回源：当有用户访问某一个URL的时候，如果被解析到的那个CDN节点没有缓存响应的内容，或者是缓存已经到期，就会回源站去获取搜索。如果没有人访问，那么CDN节点不会主动去源站拿。
• 带宽：在固定时间可传输的数据总量。
  比如64位、800MHz的前端总线，它的数据传输率就等于64bit×800MHz÷8(Byte)=6.4GB/s（1Byte = 8bit）
• 负载均衡：由多台服务器以对称的方式组成一个服务器集合，每台服务器都具有等价的地位，都可以单独对外提供服务而无须其他服务器的辅助。
  1.通过某种负载分担技术，将外部发送来的请求均匀分配到对称结构中的某一台服务器上，而接收到请求的服务器独立地回应客户的请求。
2.均衡负载能够平均分配客户请求到服务器列阵，籍此提供快速获取重要数据，解决大量并发访问服务问题。
3.这种群集技术可以用最少的投资获得接近于大型主机的性能。
• QOS(带宽管理)：限制每一个组群的带宽，让有限的带宽发挥最大的效用。

六、拉流

• 直播协议：
  1、即时性要求较高或有互动需求的可以采用RTMP,RTSP
2、对于有回放或跨平台需求的，推荐使用HLS

• HLS：由Apple公司定义的用于实时流传输的协议,HLS基于HTTP协议实现，传输内容包括两部分，一是M3U8描述文件，二是TS媒体文件。可实现流媒体的直播和点播，主要应用在iOS系统。
  HLS是以点播的技术方式来实现直播.
HLS是自适应码率流播，客户端会根据网络状况自动选择不同码率的视频流，条件允许的情况下使用高码率，网络繁忙的时候使用低码率，并且自动在二者间随意切 换。这对移动设备网络状况不稳定的情况下保障流畅播放非常有帮助。
实现方法是服务器端提供多码率视频流，并且在列表文件中注明，播放器根据播放进度和下载速度自动调整。

• HLS与RTMP对比：HLS主要是延时比较大，RTMP主要优势在于延时低。
  HLS协议的小切片方式会生成大量的文件，存储或处理这些文件会造成大量资源浪费。
相比使用RTSP协议的好处在于，一旦切分完成，之后的分发过程完全不需要额外使用任何专门软件，普通的网络服务器即可，大大降低了CDN边缘服务器的配置要求，可以使用任何现成的CDN,而一般服务器很少支持RTSP。

• HTTP-FLV：基于HTTP协议流式的传输媒体内容。
  相对于RTMP，HTTP更简单和广为人知，内容延迟同样可以做到1~3秒，打开速度更快，因为HTTP本身没有复杂的状态交互。所以从延迟角度来看，HTTP-FLV要优于RTMP。

• RTSP：实时流传输协议,定义了一对多应用程序如何有效地通过IP网络传送多媒体数据.

• RTP：实时传输协议,RTP是建立在UDP协议上的，常与RTCP一起使用，其本身并没有提供按时发送机制或其它服务质量（QoS）保证，它依赖于低层服务去实现这一过程。

• RTP：RTP的配套协议,主要功能是为RTP所提供的服务质量（QoS）提供反馈，收集相关媒体连接的统计信息，例如传输字节数，传输分组数，丢失分组数，单向和双向网络延迟等等。

七、解码

解封装：

• demuxing（分离)：从视频流、音频流，字幕流合成的文件(容器格式（FLV，TS）)中， 分解出视频、音频或字幕，各自进行解码。
  音频编码框架 :
• fdk_aac：音频编码解码框架，PCM音频数据和AAC音频数据互转。
  解码介绍：
• 硬解码：使用GPU解码，减少CPU的使用。
  优点：播放流畅、低功耗，解码速度快。
缺点：兼容不好。
• 软解码：CPU解码
  优点：兼容好
缺点：加大CPU负担，耗电增加、没有硬解码流畅，解码速度相对慢。

八、播放

• ijkplayer：一个基于FFmpeg的开源Android/iOS视频播放器。
  API易于集成;
编译配置可裁剪，方便控制安装包大小；
支持硬件加速解码，更加省电;
简单易用，指定拉流URL，自动解码播放;

特别感谢，袁峥同学，上面的文字基本都是自己一个一个码出来的，我再次写下来他的总结只是为了加深记忆，且方便自己的阅读。
资料来源