共计 2264 个字符，预计需要花费 6 分钟才能阅读完成。
随着网络基础建设的发展和资费的下降，在这个内容消费升级的时代，文字、图片无法满足人们对视觉的需求，因此视频直播应运而生。承载了实时性 Real-Time 和交互性的直播云服务是直播覆盖各行各业的新动力。网易云信推出一系列文章，对视频直播技术进行深入讲解，本篇文章将向大家介绍 iOS 端的推流技术。
相关阅读推荐《短视频技术详解：Android 端的短视频开发技术》
《视频直播：Windows 中各类画面源的截取和合成方法总结》
《视频直播关键技术：流畅、拥塞和延时追赶》
直播架构想必了解过直播的人都清楚直播主要分为 3 部分: 推流 -> 流媒体服务器 -> 拉流。
而我们今天需要讲的就是推流这部分，它主要包括音视频采集，音视频前处理，音视频编码，推流和传输 4 个方面。但是由于网络的复杂性和大数据的统计，推流还需要有全局负载均衡调度 GSLB（Global Server Load Balance）, 以及实时的统计数据上报服务器，包括提供频道管理给用户运营，因此推流 SDK 需要接入 GSLB 中心调度，统计服务器，心跳服务器，用于推流分配到网络最好的节点，有大数据的统计和分析。
下图涵盖了直播相关的所有服务，红色小标的线条代表指令流向，绿色小标的线条代表数据流向。
直播技术点
音视频采集采集是所有环节中的第一环，我们使用的系统原生框架 AVFoundation 采集数据。通过 iPhone 摄像头 (AVCaptureSession) 采集视频数据，通过麦克风 (AudioUnit) 采集音频数据。目前视频的采集源主要来自摄像头采集、屏幕录制（ReplayKit）、从视频文件读取推流。
音视频都支持参数配置。音频可以设置采样率、声道数、帧大小、音频码率、是否使用外部采集、是否使用外部音频前处理；视频可以设置帧率、码率、分辨率、前后摄像头、摄像头采集方向、视频端显示比例、是否开启摄像头闪光灯、是否打开摄像头响应变焦、是否镜像前置摄像头预览、是否镜像前置摄像头编码、是否打开滤镜功能、滤镜类型、是否打开水印支持、是否打开 QoS 功能、是否输出 RGB 数据、是否使用外部视频采集。
音视频处理前处理模块也是主观影响主播观看效果最主要的环节。目前 iOS 端比较知名的是 GPUImage，提供了丰富的预处理效果，我们也在此基础上进行了封装开发。视频前处理包含滤镜、美颜、水印、涂鸦等功能，同时在人脸识别和特效方面接入了第三方厂商 FaceU。SDK 内置 4 款滤镜黑白、自然、粉嫩、怀旧；支持 16:9 裁剪；支持磨皮和美白（高斯模糊加边缘检测）；支持静态水印，动态水印，涂鸦等功能。音频前处理则包括回声抑制、啸叫、增益控制等。音视频都支持外部前处理。
音视频编码编码最主要的两个难点是:
1 处理硬件兼容性问题
2 在高 FPS、低 bitrate 和音质画质之间找个一个平衡点
由于 iOS 端硬件兼容性比较好，因此可以采用硬编。SDK 目前支持软件编码 openH264，硬件编码 VideoToolbox。而音频支持软件编码 FDK-AAC 和硬件编码 AudioToolbox。
视频编码的核心思想就是去除冗余信息:
空间冗余: 图像相邻像素之间有较强的相关性。
时间冗余: 视频序列的相邻图像之间内容相似。
编码冗余: 不同像素值出现的概率不同。
视觉冗余: 人的视觉系统对某些细节不敏感。
音视频发送推流 SDK 使用的流媒体协议是 RTMP（RealTime Messaging Protocol）。而音视频发送最困难的就是针对网络的带宽评估。由于从直播端到 RTMP 服务器的网络情况复杂，尤其是在 3G 和带宽较差的 Wifi 环境下，网络丢包、抖动和延迟经常发生，导致直播推流不畅。RTMP 基于 TCP 进行传输，TCP 自身实现了网络拥塞下的处理，内部的机制较为复杂，而且对开发者不可见，开发者无法根据 TCP 协议的信息判断当时的网络情况，导致发送码率大于实际网络带宽，造成比较严重的网络拥塞。因此我们自研开发了一款实时根据网络变化的 QoS 算法，用于实时调节码率、帧率、分辨率，同时将数据实时上报统计平台。
模块设计 & 线程模型模块设计鉴于推流的主流程分为上述描述的 4 个部分：音视频采集、音视频前处理、音视频编码、音视频发送。因此将推流 SDK 进行模块划分为 LSMediacapture 层（对外 API+ 服务器交互）、视频融合模块（视频采集 + 视频前处理）、音频融合模块（音频采集 + 音频前处理）、基础服务模块、音视频编码模块、网络发送模块。
线程模型推流 SDK 总共含有 10 个线程。视频包含 AVCaptureSession 的原始采集线程、前处理线程、硬件编码线程、数据流向定义的采集线程、编码线程、发送线程。音频包含 AudioUnit 包含的原始采集线程、数据流向定义的采集线程、编码线程、发送线程。在数据流向定义的采集线程、编码线程、发送线程之间会创建 2 个 bufferQueue，用于缓存音视频数据。采集编码队列可以有效的控制编码码率，编码发送队列可以有效自适应网络推流。
QoS& 跳帧下图是直播的主要流程，用户初始化 SDK，创建线程，开始直播，音视频数据采集，编码，发送。在发送线程下，音视频数据发送，QoS 开启，根据网络实时评估带宽，调整帧率，码率控制编码器参数，同时触发跳帧，调整分辨率控制采集分辨率参数。用户停止直播，反初始化 SDK，销毁线程。QoS& 跳帧可以有效的解决用户在网络不好的情况下，直播卡顿的问题。在不同的码率和分辨率情况下，都能够做到让用户流畅地观看视频直播。
以上就是 iOS 端推流技术的详细讲解。
另外，想要阅读更多关于视频直播技术的文章，可以移步网易云信博客。
