如何快速的開發一個完整的iOS直播app(原理篇)

前言

大半年沒寫部落格了，但我一直關注著網際網路的動向，最近會研究很多東西，並分享，今年移動直播行業的興起，誕生了一大批網紅，甚至明星也開始直播了，因此不得不跟上時代的步伐，由於第一次接觸的原因，因此花了很多時間瞭解直播，整理了直播的原理，當前只是原理篇，後續會持續釋出實戰篇，教你從零開始搭建一個完整的iOS直播app，希望能幫助到更多的人更快的瞭解直播。

一、個人見解（直播難與易）

直播難：個人認為要想把直播從零開始做出來，絕對是牛逼中的牛逼，大牛中的大牛，因為直播中運用到的技術難點非常之多，視訊/音訊處理，圖形處理，視訊/音訊壓縮，CDN分發，即時通訊等技術，每一個技術都夠你學幾年的。

直播易：已經有各個領域的大牛，封裝好了許多牛逼的框架，我們只需要用別人寫好的框架，就能快速的搭建一個直播app，也就是傳說中的站在大牛肩膀上程式設計。

二、瞭解直播

熱門直播產品

映客，鬥魚，熊貓，虎牙，花椒等等

直播效果圖

1.一個完整直播app功能(來自落影loyinglin分享)

• 1、聊天
  • 私聊、聊天室、點亮、推送、黑名單等;
• 2、禮物
  • 普通禮物、豪華禮物、紅包、排行榜、第三方充值、內購、禮物動態更新、提現等；
• 3、直播列表
  • 關注、熱門、最新、分類直播使用者列表等；
• 4、自己直播
  • 錄製、推流、解碼、播放、美顏、心跳、後臺切換、主播對管理員操作、管理員對使用者等；
• 5、房間邏輯
  • 建立房間、進入房間、退出房間、關閉房間、切換房間、房間管理員設定、房間使用者列表等；
• 6、使用者邏輯
  • 普通登陸、第三方登陸、註冊、搜尋、修改個人資訊、關注列表、粉絲列表、忘記密碼、檢視個人資訊、收入榜、關注和取關、檢索等；
• 7、觀看直播
  • 聊天資訊、滾屏彈幕、禮物顯示、載入介面等；
• 8、統計
  • APP業務統計、第三方統計等；
• 9、超管
  • 禁播、隱藏、稽核等；

2.一個完整直播app原理

直播原理：把主播錄製的視訊，推送到伺服器，在由伺服器分發給觀眾觀看。

直播環節：推流端（採集、美顏處理、編碼、推流）、服務端處理（轉碼、錄製、截圖、鑑黃）、播放器（拉流、解碼、渲染）、互動系統（聊天室、禮物系統、贊）

3.一個完整直播app實現流程

1.採集、2.濾鏡處理、3.編碼、4.推流、5.CDN分發、6.拉流、7.解碼、8.播放、9.聊天互動

4.一個完整直播app架構

5.一個完整直播app技術點

三、瞭解流媒體（直播需要用到流媒體）

• 流媒體開發:網路層(socket或st)負責傳輸，協議層(rtmp或hls)負責網路打包，封裝層(flv、ts)負責編解碼資料的封裝，編碼層(h.264和aac)負責影象，音訊壓縮。
• 幀:每幀代表一幅靜止的影象
• GOP:（Group of Pictures）畫面組，一個GOP就是一組連續的畫面，每個畫面都是一幀，一個GOP就是很多幀的集合
  • 直播的資料，其實是一組圖片，包括I幀、P幀、B幀，當使用者第一次觀看的時候，會尋找I幀，而播放器會到伺服器尋找到最近的I幀反饋給使用者。因此，GOP Cache增加了端到端延遲，因為它必須要拿到最近的I幀
  • GOP Cache的長度越長，畫面質量越好
• 位元速率：圖片進行壓縮後每秒顯示的資料量。
• 幀率：每秒顯示的圖片數。影響畫面流暢度，與畫面流暢度成正比：幀率越大，畫面越流暢；幀率越小，畫面越有跳動感。
  • 由於人類眼睛的特殊生理結構，如果所看畫面之幀率高於16的時候，就會認為是連貫的，此現象稱之為視覺暫留。並且當幀速達到一定數值後，再增長的話，人眼也不容易察覺到有明顯的流暢度提升了。
• 解析度：(矩形)圖片的長度和寬度，即圖片的尺寸
• 壓縮前的每秒資料量:幀率X解析度(單位應該是若干個位元組)
• 壓縮比:壓縮前的每秒資料量/位元速率 （對於同一個視訊源並採用同一種視訊編碼演算法，則：壓縮比越高，畫面質量越差。）
• 視訊檔案格式：檔案的字尾，比如.wmv,.mov,.mp4,.mp3,.avi,
  • 主要用處，根據檔案格式，系統會自動判斷用什麼軟體開啟,
    注意: 隨意修改檔案格式，對檔案的本身不會造成太大的影響，比如把avi改成mp4,檔案還是avi.
• 視訊封裝格式：一種儲存視訊資訊的容器，流式封裝可以有TS、FLV等，索引式的封裝有MP4,MOV,AVI等，
  • 主要作用：一個視訊檔案往往會包含影象和音訊，還有一些配置資訊(如影象和音訊的關聯，如何解碼它們等)：這些內容需要按照一定的規則組織、封裝起來.
  • 注意：會發現封裝格式跟檔案格式一樣，因為一般視訊檔案格式的字尾名即採用相應的視訊封裝格式的名稱,所以視訊檔案格式就是視訊封裝格式。
• 視訊封裝格式和視訊壓縮編碼標準：就好像專案工程和程式語言，封裝格式就是一個專案的工程，視訊編碼方式就是程式語言，一個專案工程可以用不同語言開發。

四、直播基礎知識介紹：

1.採集視訊、音訊

* 1.1 採集視訊、音訊編碼框架 *

• AVFoundation:AVFoundation是用來播放和建立實時的視聽媒體資料的框架，同時提供Objective-C介面來操作這些視聽資料，比如編輯，旋轉，重編碼

* 1.2 視訊、音訊硬體裝置 *

• CCD:影象感測器： 用於影象採集和處理的過程，把影象轉換成電訊號。
• 拾音器:聲音感測器： 用於聲音採集和處理的過程，把聲音轉換成電訊號。
• 音訊取樣資料:一般都是PCM格式
• 視訊取樣資料: 一般都是YUV,或RGB格式，採集到的原始音視訊的體積是非常大的，需要經過壓縮技術處理來提高傳輸效率

2.視訊處理（美顏，水印）

• 視訊處理原理:因為視訊最終也是通過GPU，一幀一幀渲染到螢幕上的，所以我們可以利用OpenGL ES，對視訊幀進行各種加工，從而視訊各種不同的效果，就好像一個水龍頭流出的水，經過若干節管道，然後流向不同的目標
  • 現在的各種美顏和視訊新增特效的app都是利用GPUImage這個框架實現的,.

* 視訊處理框架 *

• GPUImage : GPUImage是一個基於OpenGL ES的一個強大的影象/視訊處理框架,封裝好了各種濾鏡同時也可以編寫自定義的濾鏡,其本身內建了多達120多種常見的濾鏡效果。
• OpenGL:OpenGL（全寫Open Graphics Library）是個定義了一個跨程式語言、跨平臺的程式設計介面的規格，它用於三維圖象（二維的亦可）。OpenGL是個專業的圖形程式介面，是一個功能強大，呼叫方便的底層圖形庫。
• OpenGL ES:OpenGL ES (OpenGL for Embedded Systems) 是 OpenGL三維圖形 API 的子集，針對手機、PDA和遊戲主機等嵌入式裝置而設計。

3.視訊編碼解碼

* 3.1 視訊編碼框架 *

• FFmpeg:是一個跨平臺的開源視訊框架,能實現如視訊編碼,解碼,轉碼,串流,播放等豐富的功能。其支援的視訊格式以及播放協議非常豐富,幾乎包含了所有音視訊編解碼、封裝格式以及播放協議。
  • -Libswresample:可以對音訊進行重取樣,rematrixing 以及轉換取樣格式等操 作。
  • -Libavcodec:提供了一個通用的編解碼框架,包含了許多視訊,音訊,字幕流 等編碼/解碼器。
  • -Libavformat:用於對視訊進行封裝/解封裝。
  • -Libavutil:包含一些共用的函式,如隨機數生成,資料結構,數學運算等。
  • -Libpostproc:用於進行視訊的一些後期處理。
  • -Libswscale:用於視訊影象縮放,顏色空間轉換等。
  • -Libavfilter:提供濾鏡功能。
• X264:把視訊原資料YUV編碼壓縮成H.264格式
• VideoToolbox:蘋果自帶的視訊硬解碼和硬編碼API，但是在iOS8之後才開放。
• AudioToolbox:蘋果自帶的音訊硬解碼和硬編碼API

* 3.2 視訊編碼技術 *

• 視訊壓縮編碼標準：對視訊進行壓縮(視訊編碼)或者解壓縮（視訊解碼）的編碼技術,比如MPEG，H.264,這些視訊編碼技術是壓縮編碼視訊的
  • 主要作用:是將視訊畫素資料壓縮成為視訊碼流，從而降低視訊的資料量。如果視訊不經過壓縮編碼的話，體積通常是非常大的，一部電影可能就要上百G的空間。
  • 注意:最影響視訊質量的是其視訊編碼資料和音訊編碼資料，跟封裝格式沒有多大關係
• MPEG:一種視訊壓縮方式，它採用了幀間壓縮，僅儲存連續幀之間有差別的地方 ，從而達到較大的壓縮比
• H.264/AVC:一種視訊壓縮方式,採用事先預測和與MPEG中的P-B幀一樣的幀預測方法壓縮，它可以根據需要產生適合網路情況傳輸的視訊流,還有更高的壓縮比，有更好的圖象質量
  • 注意1:如果是從單個畫面清晰度比較，MPEG4有優勢；從動作連貫性上的清晰度，H.264有優勢
  • 注意2:由於264的演算法更加複雜，程式實現煩瑣，執行它需要更多的處理器和記憶體資源。因此，執行264對系統要求是比較高的。
  • 注意3:由於264的實現更加靈活，它把一些實現留給了廠商自己去實現，雖然這樣給實現帶來了很多好處，但是不同產品之間互通成了很大的問題，造成了通過A公司的編碼器編出的資料，必須通過A公司的解碼器去解這樣尷尬的事情
• H.265/HEVC:一種視訊壓縮方式,基於H.264，保留原來的某些技術，同時對一些相關的技術加以改進，以改善碼流、編碼質量、延時和演算法複雜度之間的關係，達到最優化設定。
  • H.265 是一種更為高效的編碼標準，能夠在同等畫質效果下將內容的體積壓縮得更小，傳輸時更快更省頻寬
  • I幀:(關鍵幀)保留一副完整的畫面，解碼時只需要本幀資料就可以完成（因為包含完整畫面）
• P幀:(差別幀)保留這一幀跟之前幀的差別，解碼時需要用之前快取的畫面疊加上本幀定義的差別，生成最終畫面。（P幀沒有完整畫面資料，只有與前一幀的畫面差別的資料）
• B幀:(雙向差別幀)保留的是本幀與前後幀的差別，解碼B幀，不僅要取得之前的快取畫面，還要解碼之後的畫面，通過前後畫面的與本幀資料的疊加取得最終的畫面。B幀壓縮率高，但是解碼時CPU會比較累
• 幀內（Intraframe）壓縮:當壓縮一幀影象時，僅考慮本幀的資料而不考慮相鄰幀之間的冗餘資訊,幀內一般採用有失真壓縮演算法
• 幀間（Interframe）壓縮:時間壓縮（Temporal compression），它通過比較時間軸上不同幀之間的資料進行壓縮。幀間壓縮一般是無損的
• muxing（合成）：將視訊流、音訊流甚至是字幕流封裝到一個檔案中(容器格式（FLV，TS）)，作為一個訊號進行傳輸。

* 3.3 音訊編碼技術 *

• AAC，mp3：這些屬於音訊編碼技術,壓縮音訊用

* 3.4位元速率控制 *

• 多位元速率:觀眾所處的網路情況是非常複雜的，有可能是WiFi，有可能4G、3G、甚至2G，那麼怎麼滿足多方需求呢？多搞幾條線路，根據當前網路環境自定義位元速率。
  • 列如：常常看見視訊播放軟體中的1024，720，高清，標清，流暢等，指的就是各種位元速率。

* 3.5 視訊封裝格式 *

• TS : 一種流媒體封裝格式，流媒體封裝有一個好處，就是不需要載入索引再播放，大大減少了首次載入的延遲，如果片子比較長，mp4檔案的索引相當大，影響使用者體驗
  • 為什麼要用TS:這是因為兩個TS片段可以無縫拼接，播放器能連續播放
• FLV: 一種流媒體封裝格式,由於它形成的檔案極小、載入速度極快，使得網路觀看視訊檔案成為可能,因此FLV格式成為了當今主流視訊格式

4.推流

* 4.1 資料傳輸框架 *

librtmp:用來傳輸RTMP協議格式的資料

* 4.2 流媒體資料傳輸協議 *

• RTMP:實時訊息傳輸協議,Adobe Systems公司為Flash播放器和伺服器之間音訊、視訊和資料傳輸開發的開放協議，因為是開放協議所以都可以使用了。
  • RTMP協議用於物件、視訊、音訊的傳輸。
  • 這個協議建立在TCP協議或者輪詢HTTP協議之上。
  • RTMP協議就像一個用來裝資料包的容器，這些資料可以是FLV中的視音訊資料。一個單一的連線可以通過不同的通道傳輸多路網路流，這些通道中的包都是按照固定大小的包傳輸的

  chunk:訊息包

5.流媒體伺服器

* 5.1常用伺服器 *

• SRS：一款國人開發的優秀開源流媒體伺服器系統
• BMS:也是一款流媒體伺服器系統，但不開源，是SRS的商業版，比SRS功能更多
• nginx:免費開源web伺服器，常用來配置流媒體伺服器。

* 5.2資料分發 *

• CDN：(Content Delivery Network)，即內容分發網路,將網站的內容釋出到最接近使用者的網路”邊緣”，使使用者可以就近取得所需的內容，解決 Internet網路擁擠的狀況，提高使用者訪問網站的響應速度.
  • CDN：代理伺服器，相當於一箇中介。
  • CDN工作原理：比如請求流媒體資料
    • 1.上傳流媒體資料到伺服器（源站）
    • 2.源站儲存流媒體資料
    • 3.客戶端播放流媒體，向CDN請求編碼後的流媒體資料
    • 4.CDN的伺服器響應請求，若節點上沒有該流媒體資料存在，則向源站繼續請求流媒體資料；若節點上已經快取了該視訊檔案，則跳到第6步。
    • 5.源站響應CDN的請求，將流媒體分發到相應的CDN節點上
    • 6.CDN將流媒體資料傳送到客戶端
• 回源：當有使用者訪問某一個URL的時候，如果被解析到的那個CDN節點沒有快取響應的內容，或者是快取已經到期，就會回源站去獲取搜尋。如果沒有人訪問，那麼CDN節點不會主動去源站拿.
• 頻寬:在固定的時間可傳輸的資料總量，
  • 比如64位、800MHz的前端匯流排，它的資料傳輸率就等於64bit×800MHz÷8(Byte)=6.4GB/s
• 負載均衡: 由多臺伺服器以對稱的方式組成一個伺服器集合，每臺伺服器都具有等價的地位，都可以單獨對外提供服務而無須其他伺服器的輔助.
  • 通過某種負載分擔技術，將外部傳送來的請求均勻分配到對稱結構中的某一臺伺服器上，而接收到請求的伺服器獨立地迴應客戶的請求。
  • 均衡負載能夠平均分配客戶請求到伺服器列陣，籍此提供快速獲取重要資料，解決大量併發訪問服務問題。
  • 這種群集技術可以用最少的投資獲得接近於大型主機的效能。
• QoS（頻寬管理）:限制每一個組群的頻寬，讓有限的頻寬發揮最大的效用

6.拉流

• 直播協議選擇：
  • 即時性要求較高或有互動需求的可以採用RTMP,RTSP
  • 對於有回放或跨平臺需求的，推薦使用HLS
• 直播協議對比 :

• HLS:由Apple公司定義的用於實時流傳輸的協議,HLS基於HTTP協議實現，傳輸內容包括兩部分，一是M3U8描述檔案，二是TS媒體檔案。可實現流媒體的直播和點播，主要應用在iOS系統
  • HLS是以點播的技術方式來實現直播
  • HLS是自適應位元速率流播，客戶端會根據網路狀況自動選擇不同位元速率的視訊流，條件允許的情況下使用高位元速率，網路繁忙的時候使用低位元速率，並且自動在二者間隨意切
    換。這對移動裝置網路狀況不穩定的情況下保障流暢播放非常有幫助。
  • 實現方法是伺服器端提供多位元速率視訊流，並且在列表檔案中註明，播放器根據播放進度和下載速度自動調整。
• HLS與RTMP對比:HLS主要是延時比較大，RTMP主要優勢在於延時低
  • HLS協議的小切片方式會生成大量的檔案，儲存或處理這些檔案會造成大量資源浪費
  • 相比使用RTSP協議的好處在於，一旦切分完成，之後的分發過程完全不需要額外使用任何專門軟體，普通的網路伺服器即可，大大降低了CDN邊緣伺服器的配置要求，可以使用任何現成的CDN,而一般伺服器很少支援RTSP。
• HTTP-FLV:基於HTTP協議流式的傳輸媒體內容。
  • 相對於RTMP，HTTP更簡單和廣為人知，內容延遲同樣可以做到1~3秒，開啟速度更快，因為HTTP本身沒有複雜的狀態互動。所以從延遲角度來看，HTTP-FLV要優於RTMP。
• RTSP:實時流傳輸協議,定義了一對多應用程式如何有效地通過IP網路傳送多媒體資料.
• RTP:實時傳輸協議,RTP是建立在UDP協議上的，常與RTCP一起使用，其本身並沒有提供按時傳送機制或其它服務質量（QoS）保證，它依賴於低層服務去實現這一過程。
• RTCP:RTP的配套協議,主要功能是為RTP所提供的服務質量（QoS）提供反饋，收集相關媒體連線的統計資訊，例如傳輸位元組數，傳輸分組數，丟失分組數，單向和雙向網路延遲等等。

7.解碼

* 7.1 解封裝 *

• demuxing（分離）：從視訊流、音訊流，字幕流合成的檔案(容器格式（FLV，TS）)中， 分解出視訊、音訊或字幕，各自進行解碼。

* 7.2 音訊編碼框架 *

• fdk_aac:音訊編碼解碼框架，PCM音訊資料和AAC音訊資料互轉

* 7.3 解碼介紹 *

• 硬解碼：用GPU來解碼，減少CPU運算
  • 　優點：播放流暢、低功耗，解碼速度快，
    * 缺點：相容不好
• 軟解碼：用CPU來解碼
  • 優點：相容好
    * 缺點：加大CPU負擔，耗電增加、沒有硬解碼流暢，解碼速度相對慢

8.播放

• ijkplayer:一個基於FFmpeg的開源Android/iOS視訊播放器
  • API易於整合；
  • 編譯配置可裁剪，方便控制安裝包大小；
  • 支援硬體加速解碼，更加省電
  • 簡單易用，指定拉流URL，自動解碼播放.

9.聊天互動

• IM:(InstantMessaging)即時通訊:是一個實時通訊系統，允許兩人或多人使用網路實時的傳遞文字訊息、檔案、語音與視訊交流.
  • IM在直播系統中的主要作用是實現觀眾與主播、觀眾與觀眾之間的文字互動.
    * 第三方SDK *
• 騰訊雲：騰訊提供的即時通訊SDK，可作為直播的聊天室
• 融雲：一個比較常用的即時通訊SDK，可作為直播的聊天室

五、如何快速的開發一個完整的iOS直播app

1、利用第三方直播SDK快速的開發

七牛雲:七牛直播雲是專為直播平臺打造的全球化直播流服務和一站式實現SDK端到端直播場景的企業級直播雲服務平臺.

網易視訊雲：基於專業的跨平臺視訊編解碼技術和大規模視訊內容分發網路，提供穩定流暢、低延時、高併發的實時音視訊服務，可將視訊直播無縫對接到自身App.

2、第三方SDK公司為什麼要提供SDK給我們？

• 希望把我們的產品和它綁在一條船上，更加的依賴它。
• 技術生錢，幫養一大批牛B的程式設計師

3、直播功能：自研還是使用第三方直播SDK開發？

第三方SDK開發: 對於一個初創團隊來講，自研直播不管在技術門檻、CDN、頻寬上都是有很大的門檻的，而且需要耗費大量的時間才能做出成品，不利於拉投資。

自研：公司直播平臺大，從長遠看，自研可以節省成本，技術成面比直接用SDK可控多了。

4.第三方SDK好處

• 降低成本
  • 使用好的第三方企業服務，將不用再花高價請獵頭去挖昂貴的大牛，也不用去安撫大牛們個性化的脾氣
• 提升效率
  • 第三方服務的專注與程式碼整合所帶來的方便，所花費的時間可能僅僅是1-2個小時，節約近99%的時間，足夠換取更多的時間去和競爭對手鬥智鬥勇，增加更大的成功可能性
• 降低風險
  • 藉助專業的第三方服務，由於它的快速、專業、穩定等特點，能夠極大地加強產品的競爭能力（優質服務、研發速度等），縮短試錯時間，必將是創業中保命的手段之一
• 專業的事，找專業的人來做
  • 第三方服務最少是10-20人的團隊專注地解決同一個問題，做同一件事情。第三方服務所帶來的支援效果，絕不是通過1-2個人處理所能對比的，難道不是嗎