• 範文正文

到處都在談直播，直播技術目前越來越大眾化，但也面臨著更多的挑戰。本次分享主要介紹直播的一般流程，CDN的技術原理及架構，CDN直播技術的難點和對應的解決方案。希望能夠給大家帶來幫助，更希望能推動實時直播技術的改進和改革。下面是本文的要點：

• 直播的一般流程；

• CDN的技術原理及架構；

• CDN直播的技術難點和應對方案；

• 基於SD-RTN的，針對低延遲、強互動場景的直播技術。

直播的流程

正如上圖所示，整個直播流程分為以下幾個關鍵步驟：

• 主播客戶端，將本地採集的視訊推送到CDN；

• CDN對視訊流進行快取以及轉發；

• 觀眾客戶端，拉取CDN中快取視訊流進行播放；

可以看到CDN在這裡起到了關鍵的作用，2016也是一個CDN崛起的年代，網宿、快網、七牛、高升、藍汛、觀止雲、騰訊雲、百度雲、阿里雲等CDN紛紛表示對直播進行了支援，直播也逐漸成為了CDN的標配。

那麼接下來了解一下CDN的技術原理。

CDN技術原理

CDN的全稱為Content Delivery Network，即內容分發網路，是一個策略性部署的整體系統，主要用來解決由於網路頻寬小、使用者訪問量大、網點分佈不均勻等導致使用者訪問網站速度慢的問題。

CDN的技術原理見上圖，具體實現是通過在現有的網路中，增加一層新的網路架構，將網站的內容釋出到離使用者最近的網路節點上，這樣使用者可以就近獲取所需的內容，解決之前網路擁塞、訪問延遲高的問題，提高使用者體驗。

對於直播來說，則將Web伺服器換作主播客戶端，如下圖所示。

由於視訊佔用頻寬較大，與普通的Web服務差別較大，這樣CDN的優勢更能體現出來：網路擁塞減少，訪問延遲降低，頻寬得到良好的控制等等。

另外，CDN直播中常用的流媒體協議包括RTMP、HLS、HTTP FLV等。

• RTMP（Real Time Messaging Protocol）是基於TCP的，由Adobe公司為Flash播放器和伺服器之間音訊、視訊傳輸開發的開放協議。

• HLS（HTTP Live Streaming）是基於HTTP的，是Apple公司開放的音視訊傳輸協議。

• HTTP FLV則是將RTMP封裝在HTTP協議之上的，可以更好的穿透防火牆等。

CDN的常用架構

CDN架構設計比較複雜，並且不同的CDN廠商，對其架構進行不斷的優化，所以架構也不能統一而論。這裡只是對一些基本的架構進行簡單的剖析。

CDN主要包含源站、快取伺服器、智慧DNS、客戶端等幾個主要組成部分。

源站是指釋出內容的原始站點。新增、刪除和更改網站的檔案，都是在源站上進行的；另外快取伺服器所抓取的物件也全部來自於源站。對於直播來說，源站為主播客戶端。

快取伺服器是直接提供給使用者訪問的站點資源，由一臺或數臺伺服器組成；當用戶發起訪問時，他的訪問請求被智慧DNS定位到離他較近的快取伺服器。如果使用者所請求的內容剛好在快取裡面，則直接把內容返還給使用者；如果訪問所需的內容沒有被快取，則快取伺服器向鄰近的快取伺服器或直接向源站抓取內容，然後再返還給使用者。

智慧DNS是整個CDN技術的核心，它主要根據使用者的來源，以及當前快取伺服器的負載情況等，將其訪問請求指向離使用者比較近且負載較小的快取伺服器。通過智慧DNS解析，讓使用者訪問同服務商下、負載較小的伺服器，可以消除網路訪問慢的問題，達到加速作用。

客戶端即發起訪問的普通使用者。對於直播來說，就是觀眾客戶端。

對於直播來說，CDN整體架構如下圖：

主要流程為：

1. 主播開始進行直播，向智慧DNS傳送解析請求；

2. 智慧DNS返回最優CDN節點IP地址；

3. 主播端採集音視訊資料，傳送給CDN節點，CDN節點進行快取等處理；

4. 觀眾端要觀看此主播的視訊，向智慧DNS傳送解析請求；

5. 智慧DNS返回最優CDN節點IP地址；

6. 觀眾端向CDN節點請求音視訊資料；

7. CDN節點同步其他節點的音視訊資料；

8. CDN節點將音視訊資料傳送給觀眾端；

說了這麼多CDN的技術和原理，不知道您看累了沒，那麼CDN直播是否萬事大吉了呢？接下來分析一下CDN的難點和解決方案。

CDN難點：播放延時

一提到直播，大家肯定會想到播放延時的問題，那為什麼會播放延時了？我們從以下幾個方面分析：

1. 網路延時

網路延時這裡指的是從主播端採集，到觀眾端播放，之間的時間差。這裡不考慮主播段採集對視訊進行編碼的時間，以及觀眾端觀看對視訊進行解碼的時間，僅考慮網路傳輸中的延時。例如說下圖中的網路延時：

假設在該鏈路上有快取，時間為T_{max_cache}，那麼從主播到觀眾的延時T_delay為：

另外，資料傳輸過程中還涉及到邏輯上的互動，例如包的重傳以及確認，以及快取上的一些邏輯等，會在這個基礎上又增加很多。

那麼來簡單估算一下大概的網路延時。眾所周知，光在真空中的速度約為300,000km/s，而在其他介質中光速會大大降低，所以在普通光纖中，工程上一般認為傳輸速度是200,000km/s。從現實上來說，可以參考如下：

路線距離（km）往返時延（ms）北京到上海1,20012北京到紐約11,000110赤道周長40,000400

所以說，在節點較少、網路情況較好的情況下，那麼網路延時對應也是最小，加上一定的快取，可以控制延時在1s~2s左右。但是節點多、網路差的情況下，網路延時會對應增大，經驗來說延時可以達到15s以上。

2. 網路抖動

網路抖動，是指資料包的到達順序、間隔和發出時不一致。比如說，傳送100個數據包，每個包間隔1s發出。結果第27個包在傳輸過程中遇到網路擁塞，造成包27不是緊跟著26到達的，而是延遲到87後面才達。在直播中，這種抖動的效果實際上跟丟包是一樣的。因為你不能依照接收順序把內容播放出來，否則會造成失真。

網路抖動，會造成播放延時對應增大。如果網路中抖動較大，會造成播放卡頓等現象。

如上圖所示，主播端t3和t5發出的包，分別在t3'和t5'到達，但是中間延時增大，即發生了網路抖動。這樣造成觀眾端觀看視訊的延時會不斷增大。

3. 網路丟包

CDN直播中用到的RTMP、HLS、HTTP FLV等協議都是在TCP的基礎之上。TCP一個很重要的特性是可靠性，即不會發生資料丟失的問題。為了保證可靠性，TCP在傳輸過程中有3次握手，見下圖。首先客戶端會向服務端傳送連線請求，服務端同意後，客戶端會確認這次連線。這就是3次握手。接著，客戶端就開始傳送資料，每次傳送一批資料，得到服務端的“收到”確認後，繼續傳送下一批。TCP為了保證傳到，會有自動重傳機制。如果傳輸中發生了丟包，沒有收到對端發出的“收到”訊號，那麼就會自動重傳丟失的包，一直到超時。

由於網際網路的網路狀況是變化的，以及主播端的網路狀況是無法控制的。所以當網路中丟包率開始升高時，重傳會導致延時會不斷增大，甚至導致不斷嘗試重連等情況，這樣不能有效的快取，嚴重情況下會導致觀眾端視訊無法觀看。

解決方案

拋棄傳統的基於TCP協議的方案，從底層協議和佈網上開始，使用基於UDP協議的方案。SD-RTN（Software-Defined Real Time Net work），軟體定義實時傳輸網路，是一種新型的專為內容實時傳輸而設計，基於UDP協議的網路架構。SD-RTN通過在網際網路上不同地區的資料中心放置軟體組網單元，相互連線互相排程，在現有的公共網際網路基礎上構建一層新的虛擬網路。能夠實時根據各節點的連線、傳輸狀況、負載狀況、到使用者的距離和響應時間，自動分配最優最通暢的傳輸路徑，達到實時傳輸需要的質量保障級別。

CDN與SD-RTN對比情況如下：

• 基本原理不同。CDN是儲存轉發結構，設計目的是在各個邊緣節點快取待分發內容，結構上從源站到觀眾是傘狀多級快取放大方式。SD-RTN本質上一個實時傳輸網路，使用者的資料在網路單元內部和傳輸線路上都以實時交換方式傳送，UDP實現的傳輸協議，不會因為前一個包的丟失或延遲導致下後續包的延遲送達，而丟包可以用對延遲更友好的方式修復或補償出來，從而能夠保證最低延遲。

• 底層協議不同。SD-RTN採用了專為實時傳輸設計的UDP協議，避免了採用TCP的延時不可控缺點。能夠大大縮短互動延時，延時可從CDN方案的數秒，降低到數百毫秒。

• 內容分發機制不同。SD-RTN是基於自定義路由，選擇最優傳輸路徑，直接將內容端到端傳輸，資料在網路單元中從不快取，從而最大可能的降低延遲，同時內容安全性也更好。CDN是將內容緩存於快取伺服器中，再將內容就近下發，所以CDN更適合做內容分發，一對多的場景。

• 使用場景不同。SD-RTN適用於要求極低時延的實時互動場景，例如網路電話、視訊會議、有主播與觀眾互動需求的互動直播等。CDN適用於對時延要求不高的場景，例如對延時要求不高、類似電視的單點直播、網站加速等。

SD-RTN的優勢如下：

• 時延大大縮短。直播延時可從基於TCP的方案的數秒，降低到數百毫秒。這一延遲範圍，屬於實時通訊或準實時通訊延遲的範疇。在這一級別上，主播和觀眾可以基本重現在現場活動中的互動體驗，從而大大釋放了內容製作者的潛力，也為業務運營者創造新業務形式打開了無限的空間和可能。

• 抗丟包能力強。一般來說，SD-RTN中可以針對使用者網路使用更多的策略模型和技術，這樣在30%丟包時，依然能夠進行正常直播。而基於TCP的直播方案在丟包2%時就明顯示卡頓，達到30%經常已斷開連線，無法進行直播。

CDN難點：連麥

直播中，主播如果要與使用者互動，常見有兩種方式：

• 第一種方式：文字，這種比較常見，實現也比較簡單，這裡不再進行分析；

• 第二種方式：連麥，這樣主播可以面對面與觀眾進行互動，增加了互動性；

由於連麥方式比較複雜，這裡進行詳細分析。

1. 多路RTMP流實現

前面提到，RTMP是目前主播中最常用的協議，使用RTMP協議，可以實現最簡單的一種連麥方式，如下圖。

當有連麥者時，則主播端和連麥者端，都分別推一路RTMP流到CDN，CDN再將這兩路RTMP流傳送給觀眾端，觀眾端將兩路RTMP流合成為一個畫面。這種方式的優點是實現簡單，但缺點比較多：

• 主播與連麥者如果要進行互動，則考慮到上面分析的延時問題，在這裡延時需要至少加大一倍，這樣對於實時互動來說，完全無法接受；

• 主播與連麥者互動時，聲音會產生干擾，形成迴音；

• 觀眾端要接收兩條視訊流，頻寬、流量消耗過大，並且兩路視訊流解碼播放，耗費CPU等資源也非常多；

這樣看來，這種方式弊大於利，基本不可取。

2. 主播端與連麥者P2P

第二種方式，是主播端與連麥者之間使用P2P方式進行互動，然後主播端將自己和連麥者的視訊進行合併，再推到CDN上，CDN再發送給觀眾端，如下圖：

這種方式的優點有兩個，一是主播和連麥者之間使用P2P，網路質量較好，延遲較小，保證了兩者之間互動不會有非常大的延時；二是可以解決聲音的干擾問題，消除回聲。缺點是：

• P2P在某些網路下無法穿透，有些觀眾根本無法與主播端進行互動；

• 主播端需要上傳兩路視訊：一路P2P與連麥者進行互動，一路使用RTMP推到CDN。還要下載一路視訊：連麥者P2P傳送過來的互動資料。所以主播端要求頻寬需要較高，網路較差時無法進行主播；

• 主播端要進行多路視訊的編碼、解碼，要求主播端裝置配置比較高，較差的裝置也無法進行主播；

• 只能支援一個連麥者，不能支援多個連麥者；

• 由於主播端和連麥者經過CDN合併成一路，因此，不能實現主播端和連麥者視訊大小視窗切換。

綜合來說，P2P方式在一定程度上可以解決連麥的問題。

3. 伺服器端合圖

另外一種方式，是主播和連麥者都將視訊推送到CDN中，然後CDN內部對這幾路視訊進行合圖，再將其傳送給觀眾端。如下圖：

這種方式的優缺點如下：

優點

• 主播和連麥者各路視訊都使用RTMP推送到CDN，可以保證延時較小；

• 由於CDN進行視訊合圖和傳送，所以主播不需要很高的頻寬；

• 由於CDN進行視訊合圖，所以主播的裝置不需要配置非常高；

• 沒有聲音干擾問題；

• 可以支援多個連麥者連麥；

缺點

• CDN需要進行視訊的合圖，需要額外開發工作，並且邏輯比較複雜；

• CDN需要進行視訊的合圖，需要消耗較高伺服器資源；

• CDN合圖後的佈局難控制；

• 據目前所知，還沒有CDN支援這種方案；

解決方案

使用前文中提到的SD-RTN方案，由於其延遲較低，主播和觀眾可以通過音訊實時互動，而不會感到延遲過大而不自然。使用SD-RTN，可以很好的解決多路RTMP、P2P連麥、伺服器端合圖這幾種方案的弱勢，並且開發難度降低，合圖佈局等都可以很好的在客戶端上進行控制。

具體SD-RTN的架構可以參考下圖：

客戶端均通過UDP連線SD-RTN架構服務，通過SD-RTN的就近接入策略，讓使用者就近接入質量最好的資料節點，經過傳輸延遲和質量優化的最優路徑，自動避免網路擁塞和骨幹網路故障的影響，將資料傳送給其他客戶端。若有常規的長延遲旁路直播，則可以將主播與連麥者合成一路直播流，通過RTMP推到CDN，進行下發。連線這一路的觀眾，不能參與連麥互動，達到了最佳直播效果。

嘉賓介紹 單輝，資深實時雲端計算架構師，負責多媒體後臺開發。原2345.com實時雲端計算架構師，主導輸入法自然語言處理、實時雲端計算方案搭建及開發。曾任職華為、JEDAT，研究UMTS、LTE等資料來源解析統計，參與電子設計自動化產品等開發。在實時雲端計算，資料處理方面有深厚的經驗積累