直播火了。连麦直播在火的路上。

那末，这些连麦技术方案，真的能连吗？本文将常见的，不常见的直播技术方案进行了比较，各位同学自己甄别。

首先，基础知识普及，技术上直播的流程是甚么？

1、直播的流程

正如上图所示，全部直播流程分为以下几个关键步骤：
1、主播客户端，将本地收集的视频推送到CDN；
2、CDN对视频流进行缓存和转发；
3、观众客户端，拉取CDN中缓存视频流进行播放；

可以看到CDN在这里起到了关键的作用，2016也是1个CDN突起的年代，网宿、快网、7牛、高升、蓝汛、观止云、腾讯云、百度云、阿里云等CDN纷纭表示对直播进行了支持，直播也逐步成了CDN的标配。

那末接下来了解1下CDN的技术原理。

2、CDN技术原理

CDN的全称为Content Delivery Network，即内容分发网络，是1个策略性部署的整体系统，主要用来解决由于网络带宽小、用户访问量大、网点散布不均匀等致使用户访问网站速度慢的问题。

CDN的技术原理见上图，具体实现是通过在现有的网络中，增加1层新的网络架构，将网站的内容发布到离用户最近的网络节点上，这样用户可以就近获得所需的内容，解决之前网络堵塞、访问延迟高的问题，提高用户体验。

对直播来讲，则将Web服务器换作主播客户端，以下图所示。

由于视频占用带宽较大，与普通的Web服务差别较大，这样CDN的优势更能体现出来：网络堵塞减少，访问延迟下降，带宽得到良好的控制等等。

另外，CDN直播中经常使用的流媒体协议包括RTMP，HLS，HTTP FLV等。

• RTMP（Real Time Messaging Protocol）是基于TCP的，由Adobe公司为Flash播放器和服务器之间音频、视频传输开发的开放协议。
• HLS（HTTP Live Streaming）是基于HTTP的，是Apple公司开放的音视频传输协议。
• HTTP FLV则是将RTMP封装在HTTP协议之上的，可以更好的穿透防火墙等。

3、CDN的经常使用架构

CDN架构设计比较复杂。不同的CDN厂商，也在对其架构进行不断的优化，所以架构不能统1而论。这里只是对1些基本的架构进行简单的剖析。

CDN主要包括：源站、缓存服务器、智能DNS、客户端等几个主要组成部份。

源站：是指发布内容的原始站点。添加、删除和更改网站的文件，都是在源站上进行的；另外缓存服务器所抓取的对象也全部来自于源站。对直播来讲，源站为主播客户端。

缓存服务器：是直接提供给用户访问的站点资源，由1台或数台服务器组成；当用户发起访问时，他的访问要求被智能DNS定位到离他较近的缓存服务器。如果用户所要求的内容恰好在缓存里面，则直接把内容返还给用户；如果访问所需的内容没有被缓存，则缓存服务器向邻近的缓存服务器或直接向源站抓取内容，然后再返还给用户。

智能DNS：是全部CDN技术的核心，它主要根据用户的来源，和当前缓存服务器的负载情况等，将其访问要求指向离用户比较近且负载较小的缓存服务器。通过智能DNS解析，让用户访问同服务商下、负载较小的服务器，可以消除网络访问慢的问题，到达加速作用。

客户端：即发起访问的普通用户。对直播来讲，就是观众客户端。

对直播来讲，CDN整体架构以下图：

主要流程为：

1. 主播开始进行直播，向智能DNS发送解析要求；
2. 智能DNS返回最优CDN节点IP地址；
3. 主播端收集音视频数据，发送给CDN节点，CDN节点进行缓存等处理；
4. 观众端要观看此主播的视频，向智能DNS发送解析要求；
5. 智能DNS返回最优CDN节点IP地址；
6. 观众端向CDN节点要求音视频数据；
7. CDN节点同步其他节点的音视频数据；
8. CDN节点将音视频数据发送给观众端；

4、CDN的短板

大概了解了CDN的技术原理后，我们在做直播选型时，还需要了解1个方案优缺点。接下来，我们来分析1下CDN的短板。

4.1 短板：播放延时

连麦直播的困难主要是播放延时！播放延时从何而来？

4.1.1 网络延时

网络延时这里指的是从主播端收集，到观众端播放，这之间的时间差。这里不斟酌主播段收集对视频进行编码的时间，和观众端观看对视频进行解码的时间，仅斟酌网络传输中的延时。例如说下图中的网络延时：

另外，数据传输进程中还触及到逻辑上的交互，例如包的重传和确认，和缓存上的1些逻辑等，会在这个基础上又增加很多。

那末来简单估算1下大概的网络延时。尽人皆知，光在真空中的速度约为300,000km/s，而在其他介质中光 速会大大下降，所以在普通光纤中，工程上1般认为传输速度是200,000km/s。从现实上来讲，可以参考以下：

所以说，在节点较少、网络情况较好的情况下，那末网络延时对应也是最小，加上1定的缓存，可以控制延时在1s~2s左右。但是节点多、网络差的情况下，网络延时会对应增大，经验来讲延时可以到达15s以上。

4.1.2 网络抖动

网络抖动，是指数据包的到达顺序、间隔和发出时不1致。比如说，发送100个数据包，每一个包间隔1s发出。结果第27个包在传输进程中遇到网络堵塞，造成包27不是紧随着26到达的，而是延迟到87后面才达。在直播中，这类抖动的效果实际上跟丢包是1样的。由于你不能依照接收顺序把内容播放出来，否则会造成失真。

网络抖动，会造成播放延时对应增大。如果网络中抖动较大，会造成播放卡顿等现象。

如上图所示，主播端t3和t5发出的包，分别在t3’和t5’到达，但是中间延时增大，即产生了网络抖动。这样造成观众端观看视频的延时会不断增大。

4.1.3 网络丢包

CDN直播中用到的RTMP、HLS、HTTP FLV等协议都是在TCP的基础之上。TCP1个很重要的特性是可靠性，即不会产生数据丢失的问题。为了保证可靠性，TCP在传输进程中有3次握手，见下图。首先客户端会向服务端发送连接要求，服务端同意后，客户端会确认这次连接。这就是3次握手。接着，客户端就开始发送数据，每次发送1批数据，得到服务真个“收到“确认后，继续发送下1批。TCP为了保证传到，会有自动重传机制。如果传输中产生了丢包，没有收到对端发出的“收到”信号，那末就会自动重传丢失的包，1直到超时。

由于互联网的网络状态是变化的，和主播真个网络状态是没法控制的。所以当网络中丢包率开始升高时，重传会致使延时会不断增大，乃至致使不断尝试重连等情况，这样不能有效的缓存，严重情况下会致使观众端视频没法观看。

4.2 短板：连麦

直播中，主播如果要与用户交互，常见有两种方式：

第1种方式：文字，这类比较常见，实现也比较简单，这里不再进行分析；
第2种方式：连麦，这样主播可以面对面与观众进行交互，增加了互动性；
由于连麦方式比较复杂，这里进行详细分析。

4.2.1 多路RTMP流实现

前面提到，RTMP是目前主播中最经常使用的协议，使用RTMP协议，可以实现最简单的1种连麦方式，以下图。

当有连麦者时，则主播端和连麦者端，都分别推1路RTMP流到CDN，CDN再将这两路RTMP流发送给观众端，观众端将两路RTMP流合成为1个画面。这类方式的优缺点以下：

• 优点
  
  • 实现简单；
• 缺点
  
  • 主播与连麦者如果要进行交互，斟酌到上面分析的延时问题，在这里延时需要最少加大1倍。这样对实时交互来讲，完全没法接受；
  • 主播与连麦者交互时，声音会产生干扰，构成回音；
  • 观众端要接收两条视频流，带宽、流量消耗过大，并且两路视频流解码播放，耗费CPU等资源也非常多；
  • 这样看来，这类方式弊大于利，基本不可取。

4.2.2 主播端与连麦者P2P

第2种方式，是主播端与连麦者之间使用P2P方式进行交互，然后主播端将自己和连麦者的视频进行合并，再推到CDN上，CDN再发送给观众端，以下图：

这类方式的优缺点以下：

• 优点
  
  • 主播和连麦者之间使用P2P，网络质量较好，延迟较小，保证了二者之间交互不会有非常大的延时；
  • 解决声音的干扰问题，消除回声；
• 缺点
  
  • P2P在某些网络下没法穿透，有些观众根本没法与主播端进行交互；
  • 主播端需要上传两路视频：1路P2P与连麦者进行交互，1路使用RTMP推到CDN。还要下载1路视频：连麦者P2P发送过来的交互数据。所以主播端要求带宽需要较高，网络较差时没法进行主播
  • 主播端要进行多路视频的编码、解码，要求主播端装备配置比较高，较差的装备也没法进行主播；
  • 只能支持1个连麦者，不能支持多个连麦者；
  • 由于主播端和连麦者经过CDN合并成1路，因此，不能实现主播端和连麦者视频大小窗口切换。

综合来讲，P2P方式在1定程度上可以解决连麦的问题。

4.2.3 服务器端合图

另外1种方式，是主播和连麦者都将视频推送到CDN中，然后CDN内部对这几路视频进行合图，再将其发送给观众端。以下图：

这类方式的优缺点以下：

• 优点
  
  • 主播和连麦者各路视频都使用RTMP推送到CDN，可以保证延时较小；
  • 由于CDN进行视频合图和发送，所以主播不需要很高的带宽；
  • 由于CDN进行视频合图，所以主播的装备不需要配置非常高；
  • 没有声音干扰问题；
  • 可以支持多个连麦者连麦；
• 缺点
  
  • CDN需要进行视频的合图，需要额外开发工作，并且逻辑比较复杂；
  • CDN需要进行视频的合图，需要消耗较高服务器资源；
  • CDN合图后的布局难控制；
  • 据目前所知，还没有CDN支持这类方案；

5、基于SD-RTN的解决方案

声网Agora.io，在开发互动直播解决方案时，抛弃传统的基于TCP协议的CDN方案，从底层协议和布网上开始，创建了基于UDP协议的SD-RTN方案。

（1）甚么是SD-RTN

SD-RTN（Software-Defined Real Time Net work），软件定义实时传输网络，是1种新型的专为内容实时传输而设计的网络架构。通过在互联网上不同地区的数据中心放置软件组网单元，相互连接相互调度，在现有的公共互联网基础上构建1层新的虚拟网络。SD-RTN系统能够实时根据各节点的连接和传输状态、负载状态和到用户的距离和响应时间，自动分配最优、最通畅的传输路径，到达实时传输需要的质量保障级别。

（2）SD-RTN与CDN有何不同

• 基本原理不同。CDN是存储转发结构，设计目的是在各个边沿节点缓存待分发内容，结构上从源站到观众是伞状多级缓寄存大方式。SD-RTN本质上1个实时传输网络，用户的数据在网络单元内部和传输线路上都以实时交换方式传送，从而能够保证最低延迟。

• 底层协议不同。SD-RTN采取了专为实时传输设计的UDP协议，避免了采取TCP的延时不可控缺点。能够大大缩短交互延时，延时可从CDN方案的数秒，下降到数百毫秒。

• 内容分发机制不同。SD-RTN是基于自定义路由，选择最优传输路径，直接将内容端到端传输，数据在网络单元中从不缓存，从而最大可能的下降延迟，同时内容安全性也更好。CDN是将内容缓存于缓存服务器中，再将内容就近下发。

• 使用处景不同。SD-RTN适用于要求极低时延的实时互动场景，例如网络电话、视频会议、有主播与观众交互需求的互动直播等。CDN适用于对时延要求不高的场景，例如对延时要求不高、类似电视的单点直播、网站加速等。若硬要将CDN改造用于互动直播，那末其结构上对下降延迟的不适应性，始终会成为质量改进需求的瓶颈。

（3）SD-RTN相较CDN，有何优点

1、时延大大缩短。

直播延时可从CDN方案的数秒，下降到数百毫秒。这1延迟范围，属于实时通讯或准实时通讯延迟的范畴。在这1级别上，主播和观众可以基本重现在现场活动中的交互体验，从而大大释放了内容制作者的潜力，也为业务运营者创造新业务情势打开了无穷的空间和可能。

比如，在这1延迟下，主播和观众可以不光通过文字交互，也能够通过音频实时交互，而不会感到延迟过大而不自然。这类交互体验，在手机上也更自然，比打字更符合人的自然习惯。业务运营方固然可以把这1功能当作比文字互动更高级别的特权能力，仅仅对付费或是1定级别、身份的用户才可以直接和主播语音互动。业务运营者也能够利用此类功能创造类似课堂，或小剧院的现场互动氛围，让主播可以听得到观众的提问，或是掌声、叹息，乃至嘘声，实现自然的台上台下交互和有沉醉感的互动直播体验。加上辅助功能，体验上可以任意规定谁可以发声，谁不可以，这中间的可能性是无穷的。

更重要的是，即使在1般的连麦直播场景，这样的体验也能够帮助这类低延迟观众（我们称为“近场观众”）在上麦互动的时候实现平滑体验，不用每次切换就黑屏1次，好像节目中断1样。

对近场观众，即使是在网络较差的时候，基本上能够保证延迟不超过1秒，极少数观众延迟不超过2秒。相对CDN，即使在网络质量无问题时，也有3秒以上延迟。实测网络丢包仅仅10%，就能够让延迟拉大到10秒。这样的丢包率，在手机的无线信号下可是常常出现的。

所有这些，都要归公于声网SD-RTN的实时传输保障能力。UDP实现的传输协议，不会由于前1个包的丢失或延迟致使下后续包的延迟投递，而丢包可以用对延迟更友好的方式修复或补偿出来。不采取这个机制是没法到达这样的延迟保障效果的。

2、抗丢包能力强。

使用声网的技术，30%丢包时，仍然能够进行正常直播。而基于TCP的CDN直播方案在丢包2%时就明显卡顿，到达30%常常已断开连接。

（3）基于SD-RTN的直播架构与特性

下图是声网Agora.io互动直播的架构图

客户端均通过UDP连接SD-RTN（Agora Global Network），通过SD-RTN的就近接入策略，让使用者就近接入质量最好的数据节点，通过Agora Global Network的软件定义优化路由，经过传输延迟和质量优化的最优路径，自动避免网络堵塞，并规避骨干网络故障的影响。

若有常规的长延迟旁路直播需求，则可以将主播与连麦者合成1路直播流，通过RTMP推到CDN，进行下发。连接这1路的观众，不能参与连麦互动（称为“远场观众”）。

主要特点以下：

1、可以支持更多的主播交互，目前支持7人视频交互，100人语音交互。
2、当有观众连麦时，其他观众端收到的多路视频，观众端可以动态选择布局；
3、声网Agora.io会将直播视频推送到CDN，其他观众（网页端等）可以直接观看；
4、当有观众连麦时，声网Agora.io会将视频合图后推送到CDN，其他观众（网页端等）可以观看到连麦者与主播的互动；
5、在经过RTMP推流前的观众端，可以进行大小流切换，自主选择视频大小窗口的切换。

【本文作者】

单辉 声网Agora.io 高级开发工程师