華為云專家私房課：視頻傳輸技術選型的三大法寶

大家好，我是華為云視頻架構師黃挺，非常高興有機會參加LiveVideoStackCon音視頻技術大會，這次和大家分享的主題是：視頻傳輸面臨的挑戰和解決之道。

內容主要涵蓋以下幾個方面：視頻發展的特點、影響IPTV/OTT/RTC音視頻傳輸技術選擇的背后邏輯、結合對未來音視頻傳輸行業的洞察，華為云提出的新媒體網絡價值主張。

一、視頻發展三個特點

數字傳輸IP化，在TV領域，從傳統的數字電視基于Cable的傳輸，到IPTV領域，基于IP傳輸，以及在制作領域，從傳統基于SDI的傳輸，再到基于IP的傳輸，這些都是數字傳輸IP化的體現。數字傳輸IP化是視頻分發公域化的基礎。

視頻分發公域化，有公域化就有對應的私域化，私域化視頻分發一般是指在可管理網絡進行視頻分發，公域化一般是指基于互聯網分發，常見的有:從IPTV到OTT；從企業內部視頻會議到在線視頻會議；視頻分發公域化與視頻傳輸技術的發展密不可分。

業務體驗多樣化：就是不同業務對體驗的規格要求不同，主要存在三個方面：質量，規模，時延；如直播時延<5s；RTC時延<400ms；云游戲時延<10

這里我們看一下VR領域正在發生的變化。目前VR主要有兩類形態，一類是PC VR 如上圖，玩家在玩VR 游戲的時候頭盔需要連一根線到PC主機，游戲運行在PC主機上，活動靈活性受限。另外一類是一體機VR，這是ALL IN ONE 設計，沒有這個“辮子”，活動靈活性好，但是因為計算單元也在這個頭盔上，所以受限于功耗的問題，算力比較小。

目前有一個一體機+PC的方案，既沒有“辮子”，同時也可以使用PC的算力，即通過Wifi 將PC渲染出來的圖像經過編碼后傳輸到VR 頭盔。相對于PC VR，它可以看成是數字傳輸的IP化。

云VR 是更近一步的方案。云VR 直接使用云端的算力對游戲進行渲染，這個時候視頻就需要在公域網咯進行分發了，同時為了滿足體驗的要求，也需要通信技術和視頻傳輸技術的進一步優化。目前的體驗效果與理想狀況，還有一定差距。

前面講到除了時延還有很多體驗上的差異，比如在規模上，不同的業務對分發的要求也不一樣。例如云游戲除了對時延的要求較高，對質量的要求也同樣很高，如果大家玩過王者榮耀，就應該知道，如果只開30幀，會明顯感覺游戲畫面不夠順暢。

對不同應用場景下視頻需求的理解，也能更好的幫助我們理解不同業務領域對技術的選型邏輯，能夠讓我們更快的發現當前技術的不足。接下來，會分別從IPTV、OTT、RTC業務的角度，梳理音視頻傳輸技術選型背后的邏輯。

1. IPTV

1.1 IPTV 介紹

IPTV是由運營商主導建設的一套系統，IPTV的主要業務包括直播、點播、時移、回看和NPVR等，并且同時要達到TV級的質量要求，全天候不間斷的直播。IPTV主要的優勢是運營商可以自建一套可管理的網絡，來保障TV級別的用戶體驗。

IPTV使用的傳輸方式主要有兩種：一個是組播技術，主要應用在直播業務。這個技術大大降低了業務峰值時，流媒體服務器的壓力。另一個是單播技術，使用了RTSP 進行媒體信令控制，使用RTP 協議進行音視頻數據傳輸，單播技術主要應用在點播、時移、回看、NPVR等業務。

1.2 IPTV 直播業務（組播）挑戰

IPTV首要解決的問題是傳輸丟包帶來的花屏、卡頓等體驗問題。

目前采用了2個手段解決這個問題：FEC和ARQ（也叫RET）。FEC主要應用在組播場景；對于隨機丟包比較有效，同時因為是頻道級別的冗余生成，不需要為每個用戶獨立生成冗余報文，所以效率比較高。ARQ可以應用在組播和單播場景。他可以較好的解決連續丟包問題。組播場景下，一般這2個技術會同時使用。

IPTV一個關鍵的體驗指標是頻道切換時長。

頻道切換時長主要是指，用戶按下遙控器切臺按鈕到對應畫面出現的時間。這里我主要介紹一下組播場景下如何縮短這個時間。首先我們知道要讓畫面快速顯示，就要能夠快速解碼。而機頂盒加入組播組的時間取決于用戶何時切臺，這是隨機的，所以最初機頂盒收到的報文并不能立即開始解碼，這樣就會降低頻道切換的速度。

我們通過引入一個獨立的FCC服務器，機頂盒在加入組播組的同時向這個服務器請求一個單播流，FCC服務器可以確保每次請求都從I幀開始發送。這樣機頂盒最初收到報文時就可以解碼，從而提高頻道切換的速度。優化前頻道切換時長需要1-3s，優化后可以縮短到300-500ms。

IPTV本質上是TV領域音視頻傳輸技術的IP化，因為網絡條件比較好，所以在技術選擇上沒有太復雜，更多強調的是系統穩定性和跨廠家易集成性。

2.1? OTT 視頻點播

由于在線觀看用戶數龐大，OTT 視頻平臺首要解決的是視頻內容規模化分發的問題。首先，服務的范圍廣，需要面向全球用戶分發，視頻傳輸公域化、跨運營商提供服務；其次，用戶規模大；最后，需要低成本的同時保證服務穩定可靠。

目前主流解決方案是采用成熟的第三方CDN服務進行分發。例如Netflix，隨著業務規模的增大，走向自建CDN（Open Connect），但依舊對第三方CDN友好，這樣當自建CDN出現故障后，可以快速將流量切給第三方CDN的服務，確保業務的可用性。

此外，OTT視頻點播還面臨一系列體驗問題：例如：帶寬質量不穩定，導致播放體驗下降；終端因為CPU被占用影響播放器解碼穩定性；由于國家和地區的平均接入條件不同，如何讓一個內容同時滿足不同用戶不同終端的體驗要求。

2009開始相繼出現了HLS、MSS、DASH 等ABR技術，ABR 技術根據實時檢測用戶帶寬和終端側CPU 使用率，調整視頻流的質量。這些技術對HTTP CDN 也是友好的。不過，ABR 只是標準化了服務器與客戶端的實現規范。體驗的好壞，還取決于碼率自適應算法的優劣。

2.2?OTT 視頻直播

直播可以細分為E2E時延不敏感和敏感兩類。

第一類：例如新聞直播等，因為沒有和觀眾互動的要求屬于時延不敏感性。所以它們依然可以選擇對CDN友好的HLS和DASH協議，但是時延會高達10-30s。

第二類：例如網紅直播等，需要與觀眾進行彈幕、評論等互動，所以要求直播的E2E時延必須低于5s，這類廠家選擇的技術棧為時延更低的RTMP和HTTP FLV方式。

海外的技術棧選擇和國內有一些不同，因為海外要考慮大量web端客戶，低時延傳輸技術基本以CMAF格式為基礎。目前有三類技術：分別是DASH LL、LLHLS和LHLS。基于這個技術棧E2E時延也可以做到5s以內。

OTT個人直播體驗，還有一個非常重要的點就是上行推流的穩定性，因為一旦推流質量不好，全網的觀看質量都會下降。目前推流協議主要有三類：分別是RTMP、SRT和RIST，其中RTMP是主流，優勢是：成熟、穩定、生態好，各類編碼工具基本都支持。SRT和RIST是基于UDP傳輸，主要優勢是：長距離傳輸（例如：跨洋）、大碼率傳輸、弱網傳輸。另外相較于TCP層的擁塞算法優化，SRT和RIST可以在應用層優化傳輸算法，更新比較方便。一些大型跨洋直播的第一公里推流會使用這類協議。

SRT 有相對成熟的開源社區支持。RIST只定義了標準化的語法，允許實現廠家在此基礎上進行算法創新，而又不影響互相操作。

隨著疫情的持續，實時互動類需求快速爆發，RTC技術在文娛、直播連麥、在線教育、在線會議、醫療金融等場景下，有較為廣泛的應用。

3.1 RTC 架構的選擇

RTC 主要有MESH、SFU、MCU三類架構，MESH架構的優勢是簡單，不需要服務器參與。不足是當與會人越來越多，對客戶端CPU、網絡資源的壓力就會越來越大，最大不超過6人同時與會，改進方向是增加服務器，集中式架構：SFU、MCU。

SFU服務器只負責轉發客戶端的數據，相比較MESH 的方式客戶端的上行帶寬壓力和CPU 資源消耗都大大降低了。不足是：下行依舊需要多條流。通過MCU在服務端混流、轉碼可以解決這個問題，不足是：服務器端計算壓力變大，畫面組合靈活性不夠，部署成本相較于SFU更高。

集中式SFU和MCU架構適用小規模場景，例如傳統的企業內部視頻通話這類的私域化場景。隨著公域化業務興起，集中式的SFU和MCU架構就不能滿足要求了。舉個例子：一場會議其中用戶a、b在中國，用戶c、d在美國，集中式SFU如果部署在美國，則用戶a 和 b之間的通信效果不好；反之，則用戶c 和d之間的通信效果不好。

級聯式SFU 架構，允許一個會議跨越多個SFU。級聯SFU 的優勢是：允許會議加入方的人數動態增長；通過合適的路由策略，降低跨國、跨運營商傳輸帶寬成本；通過本地就近接入，使得終端可以與就近的SFU 進行快速的錯誤恢復，進而改善實時音視頻通信的體驗；架構的演進部分解決了RTC 業務公域化和規?；膯栴}。

而級聯SFU還有一部分問題沒有解決，例如：如何同時滿足同一房間內，不同網絡情況觀眾的體驗沒有問題，業界一般有2個技術：分別是SVC 和Simulcast。

Simulcast 也叫聯播，是由發送端向SFU 發送多個視頻流，質量級別不同，SFU 根據網絡條件，屏幕布局等情況，決定發送哪條流給接收端。聯播優勢是對傳統解碼器沒有額外的要求；劣勢是帶寬占用大。

SVC：即可伸縮編碼，以分層方式創建單個視頻流的編碼技術。每一層都增加了上一層的質量，支持時域、空域、質量域三種方式，SFU決定發送哪幾層流給接收端，目前主流是時域模式。優勢是帶寬占用小；劣勢是只有部分解碼器支持SVC解碼。

對比OTT ABR在服務器側完成多碼率編碼，RTC在端測完成多碼率編碼，減少了一次轉碼，這樣可以降低E2E時延，這也是業務體驗多樣化對技術選型帶來的不同。

因為RTC 主要應用于對低時延要求較高的業務場景，所以RTC采用了更為“積極” 的方式，應對網絡變化，來改進用戶體驗。

首先RTC 從傳輸底層技術上就選擇了RTP over UDP 實時流媒體傳輸方式，這為后續積極的應對策略提供了基礎。RTC共域傳輸較于IPTV私域傳輸更加豐富的丟包恢復手段，包括：FEC、NACK、RED、RTX和PLI等。

光有這些丟包恢復方法還不夠，客戶端還是需要有一定的Buffer，來抵抗網絡的抖動和丟包，否則重傳之后，這1幀可能就過時了。但是增加buffer又會帶來時延的增加，所以我們的端側有一個動態Jitter Buffer的算法，來解決丟包、亂序以及延遲到達的問題。同時也可以平滑顯示的幀率。

低時延核心的問題是避免網絡擁塞，一旦網絡中存在大量buffer，就會導致時延變大，這個時候就需要通過擁塞控制算法來解決。擁塞控制算法的目標是：讓“發送速率” 逼近 “可用速率”，同時保持盡可能低的“隊列占用率”。

RMCAT是一個IETF小組；他們的工作內容包括：定義需求；設計基于RTP的實時流媒體協議傳輸的擁塞控制算法。目前有三種RMCAT算法包括：GCC、NADA和SCReAM。其中GCC因為應用在Chrome瀏覽器上，是目前比較成熟的算法。包括GCC-REMB和新版本GCC-TFB。新版本的優勢是：由一端來控制算法，有利于版本演進，同時發端可以根據內容屬性的不同，分配不同的帶寬進行傳輸，更加靈活。

第一業務多。邊緣業務類型越來越多，從現在已經成熟的下載、點播、直播、RTC，在到正在快速發展的云游戲、云XR等；同一節點部署不同類型的服務，包括緩存、推流、拉流、轉發、云渲染等；而煙囪式架構面臨一系列問題：包括網絡、計算、存儲資源管理、差異化體驗管理等。

第二要求高。新的媒體表現形式沉浸感更強，對音視頻傳輸的要求更高。而且這種提高是全方位的，主要包括：

提升帶寬：從1M到10M再到VR屏幕的100M。

降低時延：從直播的5s到RTC的400ms到云游戲100ms再到云XR的20ms；同時新的業務也產生了對新的時延類型的要求，例如云游戲要解決的input lag，云XR在3dof場景下要解決rotation lag和在6dof場景下的position lag問題。

提高幀率：從平面視頻的30P，到未來的60P，甚至120P，而VR內容60P只是起步，90P算及格。未來如果需要滿足人眼極限要求的VR內容每秒需要大約2Gbps的數據。這還是經過壓縮之后的碼率。

增強渲染：從平面視頻的2D渲染，到VR中的3D渲染、空間音頻渲染，這樣沉浸感才能更強。

平面視頻的主要指標：包括秒開率，卡頓率、和播放成功率，而影響VR沉浸感體驗的因素則更多。

第三發展快。在行業競爭日益激烈的環境下，要求企業需要有差異化體驗，客觀上要求創新速度快，技術發展快， 在這個過程中我們的客戶遇到的痛點有：

開發工作量大，適配不同終端機型

耗電快，圖形處理為計算密集型處理

手機型號有要求，部分用戶無法享受

安裝包變大，影響app推廣和用戶下載體驗

如何應對這三大挑戰，我們提出了華為云新媒體網絡的價值主張。愿景是打造一張面向娛樂視頻、通信視頻、行業視頻的新媒體網絡，來滿足視頻高效傳輸的要求。

其中我們的價值主張是：

低時延、全互聯、大規模實時音視頻分發

高通量、沉浸式新媒體傳輸

端、邊、云協同創新，靈活定義媒體處理流水線

新媒體網絡同時具備以下特征：

扁平化：1套網絡，1套架構

廣覆蓋：全網2500+節點，全球覆蓋

全場景：使能娛樂、通信、行業視頻等各種場景

多連接：實現海量的、面向不同類型終端的連接

超體驗：從1080P至8K，毫秒級時延，極致抗丟包

低時延：利用邊緣云技術，支持毫秒級的低時延應用

低時延、全互聯、大規模實時音視頻分發

基于華為云的新媒體網絡，我們支持在線教育技術升級，打造更優的在線教育平臺。在傳統架構下，實現低時延互動與大規模分發需要用到2個產品RTC 和CDN，這樣存在4個問題：

CDN和RTC兩個網絡，問題定界困難，問題修復周期長。

旁路直播引入延時，學生在觀看和互動間切換存在3-5秒以上時差。

互動直播和直播兩套SDK，對接困難。

針對普通直播觀看學生，無法實現共享屏幕與教師畫面同步傳輸。

基于華為云新媒體網絡的架構，只需要一個華為RTC服務，就可以實現原來2個產品的功能，主要優勢有：

一套實時音視頻網絡，問題定位簡單，降低運維成本。

可支持學生在互動和觀看間自由無感切換，無時延。

統一架構，一套SDK覆蓋連麥，推流和播放，對接簡單，資源包消耗小。

可保證共享屏幕與教師畫面同步性。

高通量、沉浸式新媒體傳輸

華為云的Tile wise Streaming技術，解決了目前VR產業的兩大難題：第一VR頭盔算力有限，無法支持VR 8K內容的硬件要求；第二VR內容全量傳輸，帶寬消耗過大。

我們的解決方案是：將原始8K VR內容進行預處理，轉碼成兩條流，一個是4K全景背景流和一個高清前景流。同時對高清前景流進行Tile劃分。播放器會根據用戶的視場角，選擇對應的高清晰Tile分塊進行下載，同時下載4K全景背景流，用于轉頭時短暫使用。

這個方案的優勢是：4k硬解終端可以播放8K VR內容；網絡下載帶寬降低75%；我們通過端邊云協同，實現了用戶轉頭到高清畫面展示的延遲只需要100-200ms，人眼幾乎無法感知。

端、邊、云協同創新，靈活定義媒體處理流水線

目前斗魚攜手華為云打造云端特效市場，用算力釋放想象力，打造更佳互動的直播體驗。

這個方案的有幾大優勢：第一、為直播品臺提供了創新的玩法：特效直接在上云運行、APP消耗更低，主播再也不用擔心電池問題；云端服務器性能強勁，特效效果更優，高級特效算法選擇更多。

第二點形成算法生態：云端算法生態聚集各種特效，例如:不同臉型、膚色的美顏效果；創新周期更短，主播可以更快體驗到各種特效。

第三點優質的體驗：依托華為云新媒體網絡，基于華為RTC的實時美顏，時延可以做到低于400ms；新特效實時生效，無需更新APP。

視頻發展的三個特點：

數字傳輸IP化

視頻分發公域化

業務體驗多樣化

視頻傳輸技術選型的三大法寶：

業務需求：規模、質量、時延

視頻分發網絡：公域、私域

技術實施代價：技術復雜度、成本、生態

華為云新媒體網絡的三大價值主張：

低時延、全互聯、大規模實時音視頻分發；

高通量、沉浸式新媒體傳輸

端、邊、云協同創新，靈活定義媒體處理流水線

本次的分享就到這里，感謝各位專家的聆聽，希望未來能夠與大家在工作中進行深入的交流與合作，謝謝大家。

媒體處理 實時音視頻 視頻點播 視頻直播

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。