计算机网络 / 系统课时

5.3 音视频、直播为什么用 UDP

音视频、直播为什么用 UDP

🎯 学习目标:理解实时音视频为何宁可丢包也不用 TCP 的可靠重传。

实时场景的核心矛盾:延迟 vs 完整

视频通话、直播、在线游戏有个共同特点:数据的"时效性"远比"完整性"重要。

想象视频通话卡了一下,丢了第 100 帧。如果用 TCP:它会停下来重传第 100 帧,后面第 101、102 帧即使到了也得排队等着(队头阻塞),等重传的旧帧补齐,画面已经卡了几百毫秒——但这时你早就想看当前的画面,那个迟到的旧帧根本没用了。

用 UDP 就干脆:第 100 帧丢了?跳过,直接播第 101 帧。观感是"轻微花屏一闪而过",远好过"画面冻住等重传"。

TCP 的队头阻塞在实时场景是灾难

text
TCP:帧1 帧2 [帧3丢了] 帧4 帧5 → 帧4/5 到了也不能播,必须等帧3重传补齐 → 卡顿
UDP:帧1 帧2 [帧3丢了] 帧4 帧5 → 帧3 跳过,帧4/5 立即播放 → 流畅(轻微瑕疵)

对实时媒体,"晚到的数据 = 无用的数据",重传反而添乱。这是 UDP 在音视频领域统治地位的根本原因。

实时媒体丢包时等待重传与按播放期限继续的区别

但可靠性不能完全不要

纯 UDP 也不行——丢太多会花屏、卡音。所以实时音视频在 UDP 之上叠加应用层的选择性可靠:

  • RTP/RTCP:承载媒体流并反馈丢包率、抖动,据此动态调码率;
  • FEC(前向纠错):发冗余数据,丢少量包能直接恢复,不用重传;
  • 关键帧优先:视频关键帧(I 帧)丢了影响大,可以选择性重传;普通帧丢了就算了;
  • 抖动缓冲(Jitter Buffer):接收端缓冲几十毫秒,平滑网络抖动。

这套"UDP + 应用层按需可靠"的组合,兼顾了低延迟和可接受的画质。

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

5.3 音视频、直播为什么用 UDP

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