流媒体之HLS——综述（二）

[时间：2018-03] [状态：Open]
[关键词：流媒体，stream，HLS]

本文是上一篇的后续部分，链接如下：HLS协议综述

2 playlist(m3u8)介绍

HLS中的playlist是一个UTF-8编码的文本文件，其中包含了URL和描述性标签。一个常规的playlist如下所示：

#EXT-X-VERSION:3
#EXTM3U
#EXT-X-TARGETDURATION:10
#EXT-X-MEDIA-SEQUENCE:1
 
# Old-style integer duration; avoid for newer clients.
#EXTINF:10,
http://media.example.com/segment0.ts
 
# New-style floating-point duration; use for modern clients.
#EXTINF:10.0,
http://media.example.com/segment1.ts
#EXTINF:9.5,
http://media.example.com/segment2.ts
#EXT-X-ENDLIST

其中以'#'打头的行都是标签，HLS标准规定对于标准中未定义的标签，可以直接忽略；也就是说'#'也可以作为注释行。这里说明下上面M3U8文件的构成：

• #EXT-X-VERSION:<n> 表示协议的版本号，而且每个M3U8中只能出现一次该标签。对于具体版本号的定义，可以参考标准的第7节。
• #EXTM3U作为M3U文件的标识符，可以用于文件类型识别，这是必须的字段。
• #EXT-X-TARGETDURATION:<s>表示最长分片的时长，这是必须的字段。
• #EXT-X-MEDIA-SEQUENCE:<number>表示playlist文件中第一个分片的序列号（整数值）。如果M3U8文件中没有该字段，则playlist中第一个分片的序列号必须是0。
• #EXTINF:<duration>,[<title>]表示下一个分片的时长。对于每个分片，必须有该字段。 对于#EXT-X-VERSION小于3的情况下，duration必须是整数；其他情况下duration可以是浮点数和整数。title是一个可选字段，仅用于增强可读性。
• #EXT-X-ENDLIST 该字段表示分片结束，不会在playlist文件中添加新的分片。

上面介绍的是最常见的playlist，还有一种playlist，仅包含播放节目列表信息，在HLS中称为master playlist。其示例如下：

#EXTM3U
#EXT-X-STREAM-INF:PROGRAM-ID=1, BANDWIDTH=1280000,AVERAGE-BANDWIDTH=1000000, RESOLUTION=720x480
http://example.com/low.m3u8
#EXT-X-STREAM-INF:PROGRAM-ID=2, BANDWIDTH=2560000,AVERAGE-BANDWIDTH=2000000, RESOLUTION=1080x720
http://example.com/mid.m3u8
#EXT-X-STREAM-INF:PROGRAM-ID=3, BANDWIDTH=7680000,AVERAGE-BANDWIDTH=6000000, RESOLUTION=1920x1080
http://example.com/high.m3u8
#EXT-X-STREAM-INF:PROGRAM-ID=4, BANDWIDTH=65000,CODECS="mp4a.40.5"
http://example.com/audio-only.m3u8

其中包含的标签说明如下：
#EXT-X-STREAM-INF:<attribute-list>用于标识一个Variant Stream，这是由一系列的Redition组成的。该标签的属性列表中包含了Variant Stream的描述信息。例如：

• BANDWIDTH表示Variant Stream中的峰值比特率，单位bits/s。
• AVERAGE-BANDWIDTH表示Variant Stream中的平均比特率，单位bits/s。
• CODECS包含Variant Stream中音视频编码格式相关的信息，比如上面的"mp4a.40.5"。
• RESOLUTION包含Variant Stream中对应视频流的分辨率。
• FRAME-RATE表示Variant Stream中的视频帧率。

M3U8中还有一个标签需要关注下，EXT-X-PLAYLIST-TYPE。该标签只有两个值：EVENT、VOD。EVENT指的是分片工具只能在M3U8末尾添加新的分片的信息，但不能删除老的分片，通常比较适用于直播+录播的情况（既要提供给客户端点播功能，也要对实时场景进行录制，直播完成之后EVENT就自然退化为VOD）。但是对于M3U8中存在#EXT-X-ENDLIST标签时，可以忽略EXT-X-PLAYLIST-TYPE。
还有一种情况，如果M3U8中不存在#EXT-X-ENDLIST以及EXT-X-PLAYLIST-TYPE标签，则服务器端可以任意更新playlist内容。

到此我们基本介绍了完了M3U8的格式。

3 服务器端和客户端的主要实现逻辑

HLS之服务器端

在第一部分介绍过，HLS的服务器端包括三个部分：转码器、分片器、分发端。对于VOD而言，这三个部分是可以独立工作的，并不需要太多的配合。但对于直播而言，三者需要密切配合，以保证直播的实时性和流畅度。典型的服务器端逻辑是这样的：

1. 将原始音视频数据或者多媒体素材通过转码器编码复用；
2. 将复用后的文件切片，并生成对应的M3U8（注意切片应该符合HLS规范）；
3. 为每个切片生成对应的URL，并更新M3U8文件；
4. 直播需要实时更新Playlist对应的M3U8，点播生成完成之后服务器端不得修改Playlist

HLS之客户端

从逻辑上来讲，HLS客户端更为简单。其典型处理逻辑如下：

1. 通过给定URI获取 Playlist。若是Master Playlist，客户端需选择一个Variant Stream来播放。
2. 客户端检查#EXT-X-VERSION版本是否满足。
3. 客户端应该忽略不可识别的 tags，忽略不可识别的属性键值对。
4. 加载Media Playlist file，并选择一个segment开始播放；
5. 播放完成一个segment之后，根据客户端当前的具体情况选择一个新的segment，并重复执行播放操作；
6. 对于直播，需要定期刷新Media Playlist file，并选择合适的segment播放。

4 码率切换的基本逻辑

从HLS协议的定义来看，所有的码率切换策略都是有客户端定义的。服务器端仅仅提供几种可供选择的码率。所以主要的码率切换逻辑也是在客户端完成。

客户端判断是否切换的主要因素如下：

1. 设备实际下载速度
2. 设备运行情况（CPU、内存、以及屏幕分辨率）

比较简单的客户端会直接根据实际下载速度和Variant Stream标称的码率做比较，如果满足就上切，不满足就下切。

当然在实际切换时还需要考虑播放器的用户体验，最好做到平滑切换，用户没有直接的可见的播放卡顿。

5 常见的开源HLS框架

到目前为止，我所遇到的HLS播放框架主要有：ffmpeg中的HLS模块、AOSP中的HLS模块。当然在Mac或iOS中原生就支持HLS，不过没有源码。

6 总结

后面的文章将中主要关注ffmpeg和AOSP中的HLS相关的实现。同时会给出一个基于ffmpeg搭建的HLS直播系统（本地文件模拟的直播源）。

本文主要简单总结了HLS协议相关的基础知识，以及HLS服务器端和客户端的常规实现逻辑。仅供后续参考及查阅。

参考

1. APPLE-HLS
2. IETF-HTTP Live Streaming
3. HLS 协议详解