rtmp推流 webrtc_下一代低延时直播CDN：HLS、RTMP 与UDP +WebRTC

在上月落幕帷幕的多媒体领域技术盛会——LiveVideoStackCon2018音视频技术大会上，阿里云的高级技术专家李刚进行了《下一代低延时的直播CDN》技术分享。本文由云栖社区整理，并授权LiveVideoStack发布。

文 / 李刚

整理 / 云栖社区

一、直播场景回顾

下图列举了当下存在的一些常见的直播场景。

秀场直播是国内最早出现的直播形式，在各个直播平台上是比较常见的。

游戏直播，像斗鱼、虎牙、战旗等直播平台都是比较典型的游戏直播平台，游戏直播对码率要求比较高，观看人数也多，所以它也是流量贡献最大的直播形式。

移动直播是最近一两年比较火的直播形式，比较明显的特点就是推流和播放比较容易, 通过手机APP就可以进行直播，所以手机直播一般也是推流数最多的直播形式。

活动赛事直播，像今年夏天的世界杯，这类直播一般对交互要求不高，所以一般都是HLS播放形式，延迟相对其他都会多一些。

答题直播是今年年初左右出现的新型直播形式，每场直播的时间不长，突发流量比较高。

这些直播场景，在国内主要用HTTP-FLV和RTMP这种传输形式，这两种传播形式一般延时在3-5秒，当然这也会受视频本身GOP影响, 移动直播一般是1-2秒时间间隔，所以控制在3-5秒是比较容易的。但是游戏直播关键帧延时一般在8-10秒，所以游戏直播的延时更大一些。而活动赛事直播一般不会强调互动性，对流畅度比较高，所以会一般选用HLS，延时在10秒以上。

二、低延时直播需求

3~5秒延时对于多数常见的直播形式一般问题不大, 但是对于某些场景效果会很差。

对于连麦场景影响是最明显的, 连麦超过1秒，对话可能就没办法维持下去了。现在一般直播平台的连麦直播需求都会借助第三方的连麦服务，然后再推给直播CDN厂商。

在答题直播场景下, 一般都要求在一段时间内用户提交答案，如果有各别用户延迟比较大，这样对用户是不公平的。虽然直播平台仍然使用FLV的传输形式完成答题直播，但是基本都会采用SEI插帧等方法来解决时间同步问题, 需要平台的端和直播CDN做一些配合来完成。

除了连麦、答题场景之外，像在线课堂、在线拍卖等场景因为涉及到实时性的互动，对延时的要求也比较高。

从对业务的支持层面来看, 仅仅有RTMP、FLV这种3~5秒延时以上的直播形式已经不够了, 需要对更低延迟的直播业务进行支持。从技术的角度来看，国内常用的FLV、RTMP这种直播手段，本身是Adobe自己的标准, 而且很快会停止对Flash的维护, 另一方面WebRTC技术的兴起，Chrome、Safari等浏览器也都进行了支持，因此也需要对新的技术有一些调研和准备。

基于对于这些问题的思考, 阿里云CDN也开展了对低延时直播技术的研发。

三、短延时直播VS实时音视频通信

简单介绍下实时音视频通信和短延时直播的区别：<