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。
- 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。
- 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。
- 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。
- 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。
- 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。

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。

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。
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。
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):
{
"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。
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:
- 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。
- 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。
- 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。
- 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。