编码与格式 / 系统课时

区分推流、拉流与服务端转封装

区分推流、拉流与服务端转封装

搭建直播链路时,首先要明确视频由谁发送、谁接收,以及媒体服务器究竟做了什么。本篇以一场 1080p 直播为例,梳理采集端、推流端、媒体服务器、分发网络和播放端的关系,并区分简单转发、转封装与转码,帮助你选择合适的传输方案。

学习目标

  • 画出一条完整直播链路,指出推流与拉流的方向和职责。
  • 判断简单转发、转封装与转码分别改变了哪些媒体属性。
  • 根据播放协议、设备兼容性和服务器成本选择处理方式。

直播链路中的五个角色

以主播使用 OBS 直播、观众使用浏览器观看为例,典型链路包含五个角色。

  1. 采集端:摄像头和麦克风产生原始视频帧、PCM 音频采样。摄像头可以输出 1920×1080、30 fps 的画面。
  2. 推流端:OBS 对音视频编码、封装,再通过 RTMP 等协议向媒体服务器持续发送数据。采集与推流也可以由同一个应用完成。
  3. 媒体服务器:接收和管理直播流,按需要执行转发、转封装或转码,并为下游提供播放入口。
  4. 分发网络:CDN 或边缘媒体节点将直播内容分发到靠近观众的位置,减少源站带宽压力。
  5. 播放端:浏览器、手机或电视从播放入口获取媒体数据,经过解封装、解码与缓冲后输出画面和声音。

直播采集、推流、媒体服务器、CDN 与播放端的结构关系

需要注意,CDN 并不是每套直播系统的必经节点。只有几十名观众的内网直播,媒体服务器可以直接服务播放端;面向数万名公网观众时,通常需要分发网络承担并发访问。

推流与拉流到底有什么不同

推流是发布者主动向接入服务发送连续媒体数据,拉流是观看端向播放服务请求和获取媒体数据。两者描述的是连接中的数据角色,不等同于固定的传输协议。

对比项 推流 拉流
典型发起方 OBS、手机直播 SDK 浏览器、播放器
主要目的 发布实时媒体 获取并播放媒体
常见协议 RTMP、SRT、WHIP HLS、HTTP-FLV、WebRTC、WHEP
关注指标 上传稳定性、编码码率、断线重连 首帧时间、卡顿率、端到端延迟

例如主播向 rtmp://live.example.com/live 发布流名 room01,媒体服务器便可把该流注册为一个可播放资源。播放端可能通过 https://play.example.com/live/room01.m3u8 获取 HLS 播放列表及媒体分片。两个 URL 只是路径示例,并非可直接访问的直播服务。

在 HLS 中,播放器先请求播放列表,再连续请求分片或部分分片;WebRTC 则在建立会话后持续接收实时媒体包。因此,拉流不一定意味着反复下载完整视频文件。

简单转发、转封装与转码

这三种处理方式最容易混淆。判断方法是分别观察编码数据、封装格式和媒体参数有没有变化。

处理方式 视频编码是否改变 容器或传输包装是否改变 典型用途
简单转发 不变 通常不变 将已接入的媒体包转送给其他节点或观众
转封装 不变 改变 将兼容的编码流由 FLV 包装转换为其他封装
转码 通常改变编码数据 可以同时改变 降分辨率、降码率、改变编码格式

简单转发不重新进行视频编码。例如媒体服务器将收到的 RTMP 数据按原有编码和封装继续转发给另一台支持 RTMP 的服务器。具体实现仍可能处理连接、时间戳或协议控制信息,并不意味着逐字节无修改。

转封装也叫 Remux。假设输入是 H.264 视频和 AAC 音频,封装在 FLV 中;当输出容器支持这些编码及其必要参数时,可以不重新编码,改为 MPEG-TS 或 fragmented MP4 等封装。处理过程中仍需转换封装所需的编码配置、时间戳表示及样本格式。

转码则需要解码后重新编码。例如将 1080p、约 4 Mbps 的 H.264 视频生成 720p、约 2 Mbps 的 H.264 视频,或转换成播放设备支持的其他编码格式。转码消耗明显更多 CPU 或 GPU 资源,而且有可能增加延迟和画质损失。

直播简单转发、转封装与转码的处理路径对比

用 FFmpeg 验证转封装与转码

准备一个包含 H.264 视频和 AAC 音频的本地文件 input.mp4,并确保 FFmpeg 和 ffprobe 已加入系统 PATH。下面先将 MP4 转封装为 MPEG-TS,不重新编码。

bash
ffmpeg -i input.mp4 -map 0:v:0 -map 0:a:0 -c copy -f mpegts remux.ts

预期结果:命令成功结束并生成 remux.ts。执行以下命令验证编码及封装信息。

bash
ffprobe -v error -show_entries format=format_name -show_entries stream=codec_name,codec_type -of json remux.ts

预期输出示例(流的顺序与具体格式名称可能随文件和版本不同):

json
{
  "streams": [
    {"codec_name": "h264", "codec_type": "video"},
    {"codec_name": "aac", "codec_type": "audio"}
  ],
  "format": {"format_name": "mpegts"}
}

可以看到编码仍是 H.264 和 AAC,而外层容器已经成为 MPEG-TS。-c copy 表示复制编码流,不进行解码和重新编码;这里的 -map 明确选取第一路视频和第一路音频,因此输入必须同时包含这两路媒体。

再执行一次真正的视频转码,保留原有 AAC 音频编码。

bash
ffmpeg -i input.mp4 -map 0:v:0 -map 0:a:0 -vf scale=-2:720 -c:v libx264 -b:v 2000k -c:a copy output-720p.mp4

预期结果:生成高度为 720 像素、宽度按比例计算且为偶数的 MP4 文件;视频由 libx264 重新编码,目标平均视频码率约为 2000 kbit/s,实际文件码率可能有偏差。可通过 ffprobe -v error -select_streams v:0 -show_entries stream=width,height,codec_name,bit_rate -of json output-720p.mp4 检查视频属性。

这里使用的是文件处理来验证媒体处理原理,并不等于已经搭建直播服务器。实际直播中,同样的转封装或转码逻辑可以运行在媒体服务链路上,但还要处理时间戳连续性、缓冲、网络抖动和断流恢复。

为一场直播选择合理链路

假设主播以 H.264、AAC、1080p30、视频 4 Mbps 推流,观众主要使用浏览器和手机观看,预计同时在线 1000 人。

优先采用以下策略:

  1. 主播通过 RTMP 将单路编码流发布到媒体服务器,减少推流端重复上传。
  2. 对支持 HLS 的播放环境,服务器将兼容的音视频转封装为 HLS 使用的 MPEG-TS 或 fMP4 分片,并经 CDN 分发。
  3. 如果部分设备无法流畅播放 1080p,再增加一档 720p、约 2 Mbps 的视频转码输出,形成不同清晰度的播放档位。
  4. 如果业务要求接近实时的互动延迟,单纯使用常规 HLS 通常不合适,应评估 WebRTC 或经过专门低延迟配置的其他方案。

仅计算视频码率,1000 名观众都观看 4 Mbps 的流时,理论出站吞吐约为 4 Gbps;如果有一半观众改看 2 Mbps 的档位,则约为 3 Gbps。此估算不含音频、协议开销、冗余和回源流量,不能直接作为带宽采购值。

实际设计时,应先确认目标播放器支持的协议与编码,再决定是否转封装;只有遇到清晰度、码率或编解码兼容需求时才增加转码。把简单转发、转封装和转码分清楚,才能避免无意义的重复编码和额外服务器成本。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

区分推流、拉流与服务端转封装

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通