深度解读MediaBox SDKs如何实现技术架构升级

本专栏将分享阿里云视频云MediaBox系列技术文章，深度剖析音视频开发利器的技术架构、技术性能、开发能效和最佳实践，一起开启音视频的开发之旅。本文为MediaBox技术架构篇，重点从音视频终端SDK的技术架构、优化设计、架构优势等方面，介绍MediaBox SDKs如何实现技术架构升级。

善师｜作者

流媒体时代，越来越多的企业，投入到短视频、直播、音视频通话等相关的业务研发中来，特别是手机移动端，作为用户流量的主要入口，成为愈发激烈的流媒体竞争战场。

在此浪潮下，众多App厂商纷纷涌入音视频赛道，并且往往接入不止一个音视频业务，可能涉及直播、播放器、音视频通话等多项音视频服务。

过去，厂商在接入多个音视频业务时，通常需要接入多个音视频SDK，带来的结果是包体积极速增大，同时接入效率低下，无法做到快速上线，从而导致在竞争中错失先机。

MediaBox音视频终端SDK正是为了解决企业这一痛点而生的。

01 概念说明

MediaBox音视频终端SDK（MediaBox SDKs），以统一的技术底座，形成一系列不同能力的SDK，为客户提供灵活、易用、高效的接入体验。音视频终端SDK，与音视频低代码开发AUI Kits，以及基于行业生态合作构建的音视频场景方案，共同组成了MediaBox音视频终端一体化套件大图。

从业务维度划分，MediaBox SDKs是阿里云视频云基础终端能力的集合，包含了播放器、直播、超低延迟直播、实时音视频通信、短视频创作等音视频服务能力。

从技术能力划分，音视频终端SDK提供音视频采集、前处理、音视频编码、封装/解封装、媒体网络传输、音视频解码、后处理、音视频渲染等各项技术能力。

02 技术架构

为了构建一个高性能、高可用、高灵活性、可插拔、易扩展性的SDK，我们将SDK的媒体引擎分为微内核、媒体组件和端基础能力组件三个部分。

微内核：作为业务SDK的核心和控制中枢，负责串联和管理各个媒体组件，形成业务的pipeline，主要由消息中心、调度中心、链接管理、队列管理、组件管理、插件管理和监控中心几个部分组成。

媒体组件：音视频媒体处理的基本能力单元，由音视频采集、前后处理、音视频编解码、文件封装解封装，媒体网络输出以及媒体渲染等部分组成。

端基础能力：端侧高可用配套基础能力，提供License、配置下发、异常管理、埋点等多种端侧能力。

03 优化设计

通常，音视频端侧SDK没有统一的内核、组件，每个SDK都是独立的业务开发，不存在功能复用，这就无法对组件进行统一迭代优化，而是需要对不同SDK分别进行性能、功能优化，或者进行兼容性适配，从而导致无法快速应用到业务上。

对此，阿里云视频云MediaBox对终端SDK的内核、组件进行优化设计，实现高性能、高稳定、高可用的架构升级：

• 微内核设计，将所有业务基于统一的微内核进行重构；

• 综合所有SDK的组件，统一抽离、沉淀媒体组件，保证所有组件能力一致、行为一致、性能稳定；

• 统一所有端侧基础能力，对SDK业务统一授权，增加端侧排障和异常预警能力，保证高可用。

1、微内核设计

在综合考虑各个SDK原本的引擎层设计之后，我们基于原有的业务模式，设计了一套可用于所有音视频SDK的微内核。

为了实现高性能和高稳定性，确保内核简单好用，且不对业务造成损伤，我们采用的微内核设计由以下几部分组成：

• 消息中心：负责各个业务组件间的消息分发；

• 调度中心：负责各个业务组件运行任务的线程调度；

• 链接管理：负责管理媒体引擎各个业务组件间的链接关系；

• 队列管理：消息队列管理，配合调度中心，管理当前的任务队列；

• 组件管理：负责管理业务的所有组件，负责注册、反注册组件；

• 监控管理：对组件的数据处理进行监控，及时发现消息处理或者数据处理的异常；

• 插件管理：预埋了插件化设计，方便定制插件，扩展能力。

2、组件抽离和复用

我们对视频云终端SDK用到的媒体组件进行组件化管理，统一抽离、复用以及统一优化迭代。各个音视频SDK中的组件分布情况如图所示：

以直播场景和短视频拍摄场景下的业务Pipeline为例，展示各组件的串联效果：

直播场景下的业务Pipeline

短视频拍摄场景下的业务Pipeline

3、组件开发设计

在应用端开发过程中，研发同学往往会将一个功能复杂的库，分割为若干个功能责职单一的小组件，并通过Maven（Android）或者 Cocoapod（iOS）进行组件的管理。然后Gradle 和Xcode 会自动梳理组件间的依赖关系，让业务同学不用关心各个组件，只需关心业务本身即可。

但是，视频云终端SDK，构建的目标产物是SDK，而不是App。因此，我们在面对SDK这种跨多平台终端时，需要对多平台代码进行管理，功能组件代码分布为：C++代码（主要代码）、object-c代码（iOS）、Java代码（Android）以及 WebAssembly。截止到目前为止，还没有一款好的工具，具备管理混合代码能力，满足多个平台的开发需求。

为此，我们参考CPM，Java Maven，Cocoapod以及Npm等包管理方案，为MediaBox终端SDK量身定制了一套具备多平台的组件管理和依赖的解决方案，通过可调试、高效编译、依赖冲突预警等能力，使得组件可以大规模复用，并实现统一版本迭代。

* 针对不同平台的组件做同一的组件化使用管理，后续会有ACPM组件的专项文章介绍，敬请期待。

4、统一基础能力建设

除了媒体处理部分的统一外，基础能力也进行了整合和统一。比如License管理，以前，每个SDK都有自己的License管理，客户使用时，需要在不同的地方开通授权，而我们增加统一授权后，客户只需通过统一的控制台申请授权，并下载对应类型的MediaBox音视频终端SDK即可。

1）统一授权

2）统一崩溃捕获

通过崩溃捕获的能力，可以捕捉到我们SDK的异常（非我们SDK的不捕获），并第一时间进行分析和修复，打造高稳定性的SDK。

除此之外，我们还增加了线上异常预警、配置下发及埋点能力，针对客户突发异常或者线上兼容性问题实现排障和适配。

04 架构优势

经过音视频终端SDK架构的优化设计后，我们实现了MediaBox一个内核、多个业务引擎，统一的媒体组件和完整的端侧基础能力建设。主要成果如下：

• 高复用率。端侧媒体组件全复用，代码复用率高达80%，整体SDK包大小下降60%；

• 高可靠性。经过几个版本的迭代，MediaBox SDK的线上稳定性提升，SDK崩溃下降至十万之一；

• 高灵活性。MediaBox SDK可以满足客户各种业务的组合能力，比如直播和播放器的组合，直播和实时音视频的组合，更灵活地满足客户的需求；

• 高性能。通过统一的微内核，统一监管性能指标，内存和CPU占用都有所下降。

基于这样的技术架构，MediaBox将分散的各个SDK，组合成全功能统一出包，并最终组建成视频云MediaBox SDKs产品大家族。

了解更多音视频终端SDK产品信息，欢迎加入官方答疑钉钉群咨询交流：钉钉