手机直播连麦技术分析

直播火了，连麦直播也火了，那么说明是直播，连麦直播是什么。

手机直播连麦功能的特点，我们按下面三部分来聊一聊手机直播和直播连麦：

• 手机直播连麦功能的特点
• 人物画像和设计思维
• 一个有趣的连麦功能交互建议

手机直播连麦功能的特点

体验了斗鱼、NOW直播、美拍直播、淘宝直播、新浪直播、映客、me直播等直播平台、发现只有映客和me直播推出了手机直播的连麦功能。

我们从以下三点来展开分析直播连麦的特点：

1. 连麦功能的权限
2. 连麦人数和显示位置
3. 连麦交互流程

连麦权限

ME直播的连麦功能是没有权限设定的，所有的主播和观众都可以进行连麦，连麦的icon在直播页面的明显位置，很容易被发现，因此在ME直播的很多房间里，都可以看到主播与粉丝连线的画面。但看多了你会发现，能跟主播连线互动的要么是其他主播，要么是送礼物多的粉丝。

而映客的连麦功能是有权限设定的，并且门槛比较高，要求百万映票、等级80以上以及紫V认证的用户才能进行连线互动。这从某个方便来说对于质量上有了提高。

连麦人数和显示位置

ME直播只能单人连线，位置在屏幕右下方，相对不怎么遮挡视线。映客可以单人连线，也可以同时连线2个人。至于这个技术怎么实现的，后面会详细聊到。

连麦交互流程

ME直播的交互流程是每个人都可以体验到的，分为三个视角：发起连线人视角、主播视角、普通观众视角。通过不同的分级和角色实现不同的角色连接。

说了这么多，那这种技术具体怎么做的呢，这是我们做技术的需要关注的。首先来看一下直播的原理图：

正如上图所示，整个直播流程分为以下几个关键步骤：

1、主播客户端，将本地采集的视频推送到CDN；

2、CDN对视频流进行缓存以及转发；

3、观众客户端，拉取CDN中缓存视频流进行播放；

这其中最核心的就是CDN了，那神马事CDN呢？

CDN技术原理

CDN的全称为Content Delivery Network，即内容分发网络，是一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、网点分布不均匀等导致用户访问网站速度慢的问题。这中间就有了很多的CDN节点，简单一点理解就相当于我们开始学习计算机选择网络。具体实现是通过在现有的网络中，增加一层新的网络架构，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取所需的内容，解决之前网络拥塞、访问延迟高的问题，提高用户体验。

上图中，不同的流媒体走的节点和协议做了区分，网络拥塞减少，访问延迟降低，带宽得到良好的控制等等。 CDN直播中常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。

CDN的常用架构

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，所以架构不能统一而论。这里只是对一些基本的架构进行简单的剖析。

CDN主要包含：源站、缓存服务器、智能DNS、客户端等几个主要组成部分。

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。对于直播来说，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，由一台或数台服务器组成；当用户发起访问时，他的访问请求被智能DNS定位到离他较近的缓存服务器。如果用户所请求的内容刚好在缓存里面，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：是整个CDN技术的核心，它主要根据用户的来源，以及当前缓存服务器的负载情况等，将其访问请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，达到加速作用。

客户端：即发起访问的普通用户。对于直播来说，就是观众客户端，例如手机客户端，PC客户端。

用图表示如下：

整个流程描述如下：

主播开始进行直播，向智能DNS发送解析请求； 智能DNS返回最优CDN节点IP地址； 主播端采集音视频数据，发送给CDN节点，CDN节点进行缓存等处理； 观众端要观看此主播的视频，向智能DNS发送解析请求； 智能DNS返回最优CDN节点IP地址； 观众端向CDN节点请求音视频数据； CDN节点同步其他节点的音视频数据； CDN节点将音视频数据发送给观众端；

采用CDN的缺点

大概了解了CDN的技术原理后，我们在做直播选型时，还需要了解一个方案优缺点。接下来，我们来分析一下CDN的短板。

总结一下主要有如下短板:

播放延时（网络延时）

网络延时这里指的是从主播端采集，到观众端播放，这之间的时间差。这里不考虑主播段采集对视频进行编码的时间，以及观众端观看对视频进行解码的时间，仅考虑网络传输中的延时。例如说下图中的网络延时：

网络抖动

网络抖动，是指数据包的到达顺序、间隔和发出时不一致。比如说，发送100个数据包，每个包间隔1s发出。结果第27个包在传输过程中遇到网络拥塞，造成包27不是紧跟着26到达的，而是延迟到87后面才达。在直播中，这种抖动的效果实际上跟丢包是一样的。因为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。这个之前在云计算上都不是什么难事。

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。TCP一个很重要的特性是可靠性，即不会发生数据丢失的问题。为了保证可靠性，TCP在传输过程中有3次握手，见下图。首先客户端会向服务端发送连接请求，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，每次发送一批数据，得到服务端的“收到“确认后，继续发送下一批。TCP为了保证传到，会有自动重传机制。如果传输中发生了丢包，没有收到对端发出的“收到”信号，那么就会自动重传丢失的包，一直到超时。

由于互联网的网络状况是变化的，以及主播端的网络状况是无法控制的。所以当网络中丢包率开始升高时，重传会导致延时会不断增大，甚至导致不断尝试重连等情况，这样不能有效的缓存，严重情况下会导致观众端视频无法观看。

连麦

直播中，主播如果要与用户交互，常见有两种方式：
第一种方式：文字，这种比较常见，实现也比较简单，这里不再进行分析；这种比较简单
第二种方式：连麦，这样主播可以面对面与观众进行交互，增加了互动性；这种最网络的要求更高。

所以为了解决上面的问题，出现了RTMP协议。

RTMP是目前主播中最常用的协议，使用RTMP协议，可以实现最简单的一种连麦方式，当有连麦者时，则主播端和连麦者端，都分别推一路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流合成为一个画面。

解决连麦的第二种方式是：

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。

不过P2P在某些网络下无法穿透，有些观众根本无法与主播端进行交互； 主播端需要上传两路视频：一路P2P与连麦者进行交互，一路使用RTMP推到CDN。还要下载一路视频：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，网络较差时无法进行主播 主播端要进行多路视频的编码、解码，要求主播端设备配置比较高，较差的设备也无法进行主播； 只能支持一个连麦者，不能支持多个连麦者； 由于主播端和连麦者经过CDN合并成一路，因此，不能实现主播端和连麦者视频大小窗口切换。

还有一种方式就是通过CDn中转：

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。

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，所以主播的设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；

不过，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； 所以对CDN要求奇高；

在实际的网络直播中，我们常常会加入直播质量的监控，这里做了完备的数据上报及分析系统，基本上涵盖了各种关键性指标，既能反应直播的各种性能方便优化，同时也能辅助定位各种问题；这个是播放端的整体统计数据，下行带宽、卡顿率、缓冲大小、CPU占用率，这是一个宏观统计数据，反应了当前直播观看端的一个质量。有了直播质量监控，更精细一些我们可以做一些运营分析。

基于上面的问题，有人提出了基于SD-RTN的解决方案，有兴趣的可以去搜一下。

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，自动避免网络拥塞，并规避骨干网络故障的影响。

采用SD-RTN做直播有如下特点：

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。