网易视频云朱玲：互动直播场景下的视频核心技术实践

用户需要什么样的互动直播？

据朱玲介绍，通过长期的用户调研和市场研究，网易视频云发现互动直播用户最为关心的有三个问题：

1、低延时。延时最大不超过500ms，当然越小越好；

2，流畅。每秒最少十几帧，24fps～30fps，接近电影、电视的播放速率 ，用户体验佳；

3，清晰。用客观标准衡量的话，当视频编码后与原始视频的峰值信噪比。要高于30db，主观感受清晰。

那么，首先需要解决的就是低延时问题。延时指的是端到端延时，包括发送端、网路传输、接收端播放延时，其中延时占比最大的是传输延时。市场上很多直播服务采用了RTMP/TCP协议，将视频数据流封装成FLV格式进行传输，TCP协议在网络OSI模型中属于传输层协议，通过拥塞控制、流量控制等算法实现可靠链接。

然而TCP协议中通过丢包重传、拥塞避免等算法来做拥塞控制，虽然保障了传输的可靠性，延时也在增大。一些公司通过修改TCP协议栈来解决延时问题，网易视频云在互动直播方面选择了UDP作为传输协议。

朱玲介绍说，UDP协议本身没有QoS，在流畅度方面存在一些问题。网易视频云给出的解决方案是通过RTP/RTCP半传输半应用层协议来实现可靠传输控制方案。一方面，RTP标准协议是为了传输实时多媒体应用而生的，有着丰富的扩展以及补充协议，弥补了UDP协议的不足；另一方面，思科、Google普遍采用这种方案来实现传输流控，可以说这是一种工业界的标准，更适用于第三方标准应用对接。

据朱玲介绍，针对用户的基本需求，为满足和提升用户体验。网易视频云自主研发了一整套的视频流传输架构，视频采集后经过编码，RTP封装，发送RTP以及RTCP的sender report到对端，对端在接收、解码过程中，将流量监控信息实时通过标准RTCP协议反馈给发送端，进行编码以及发送的控制。

视频传输在实践过程中遇到了哪些挑战？

在实际的视频传输过程中，往往还会遇到很多意想不到的问题，比如受限于编码器对不同内容图像的编码效率以及压缩率不同，RTP包的产生并不是均匀的，往往会有burst；在IP网络中，各个分组从发送方到接收方所历经的网络途径可能不同，从而各个分组的传输时延也各不相同，甚至容易发生分组的到达次序发生变化；最终在接收端出现乱序、延时抖动、丢包等，用户端出现卡顿、花屏、无法播放等一系列问题。

朱玲解释说，网易视频云主要从三个方面来解决这些问题，即平滑发送、抗丢包、抗抖动。

首先是平滑发送。在发送端维护一个rtp数据包buffer，一个发送优先级队列，当rtp数据包产生后并不是立刻发送，而是存放到buffer中缓存，并开启一个发送定时器线程，将数据包从数据buffer中取出，存放在优先级队列中，进行发送，我们在发送之前，会进行网络探测，根据探测到的可用带宽，自适应的调节发送速率。

其次解决丢包问题。网络丢包分为两种情况，一种是网络中存在的固有，随机丢包，譬如联路层的传输误码，另一种是网络拥塞丢包。针对这两种不同的丢包，应该采用不同的解决方法，一种是前向纠错更正FEC, 另一种是ARQ自动请求重传。对于互动这种这种延时敏感的应用场景，网易视频云选择FEC作为丢包解决方案。

“为了解决丢包问题，我们的思路是尽力传输的基础上进行拥塞控制，尽量避免发生拥塞丢包，当联路存在不可避免的随机丢包，通过FEC,增强传输的鲁棒性；利用接收端反馈信息，估计当前可用带宽，避免拥塞；编码器在当前估计的可用带宽下，选择合适的编码策略，达到带宽利益最大化传输。”朱玲介绍说。

网易视频云是怎么解决的？

朱玲介绍了网易视频云解决拥塞问题的思路。在接收端根据流量监控，实时反馈当前网络联路状况，反馈给发送端，发送端根据反馈的丢包信息，添加合适的冗余包，并结合接收端发送的带宽估计信息，估计当前的可用带宽，并进行视频编码控制。

除了丢包问题，影响直播体验的另一个常见情况就是延时抖动。所谓抖动，就是每个数据包到达对端的时间延时是动态变化，可能由于路由联路的选择变更，网络拥塞等造成，它的直接后果就是，会导致对端播放的不流畅。为了解决抖动问题，网易视频云在接收和播放中引入了JitterBuffer的策略。

朱玲总结说，实验以及线上用户的统计数据表明，网易视频云的互动直播产品完全满足用户需求，平均延时在网络较好情况下，端到端延时控制在200ms左右，在网络不稳定丢包率在20%以内，网易视频云依然能提供较为流畅清晰的视频体验。