实时音频抗弱网技术揭秘
本文由百度智能云-视频云技术架构师——柯于刚 在百度开发者沙龙线上分享的演讲内容整理而成。内容从抗弱网技术意义出发,梳理抗弱网的概念与方法,结合百度RTC抗弱网过程中遇到的问题,重点分享抗弱网技术优化的探索与实践。希望本次分享能够让开发者对抗弱网技术有一个全面的认识并掌握一定的webRTC优化方法
文/ 柯于刚
整理/ 百度开发者中心
视频回放:http://developer.baidu.com/live.html?id=9
本次分享的主题是:实时音频抗弱网技术揭秘,内容主要分为以下三个方面:
- RTC抗弱网技术的意义
- RTC抗弱网技术解析
- 百度RTC抗弱网实践与探索
1.抗弱网技术的意义
在开发过程中,直播、点播 CDN 等云服务往往会经过从「能用」、「好用」到「大规模使用」等阶段。
类似地,RTC 正处于从「能用」走向「好用」的过程中。我们需要提升用户的视频观赏体验,实现标准化的服务,而抗弱网技术是一个关键性的步骤。
另一方面,不同于RTMP、RTSP 等「尽力而为」的网络协议,它们只解决网络问题;RTC 是一个面向视频交付的协议,联动传输和编解码,形成可靠的视频交付。因此,抗弱网技术是实现全场景交付的支撑性技术。2.RTC抗弱网技术解析
2.1 抗弱网涉及的环节和常用手段
2.1.1抗弱网涉及的环节
最典型的RTC系统结构通常包括两个部分:平台侧和终端。
而平台侧通常又分以下两部分: - 用户端接入, 包括信令和媒体。
- 服务间流的中转和控制,包括媒体分发、调度。
2.1.2 RTC抗弱网的技术手段
抗弱网的技术手段可以归纳为2个层面,包含4个方法。
「2个层面」即网络层面和音视频层面。
「4个方法」包括:
(1)自适应方法。自适应地对网络的带宽进行评估、合理使用带宽,并根据带宽自适应地调整码率。
(2)纠错方法。针对丢包、丢帧等情况,通过前向纠错,在网络数据包、视频、音频层面上进行纠错。
(3)缓存方法。针对网络抖动、设备不稳定、设备性能有限等问题,设置视频、音频的缓存区。
(4)调度方法。尽可能地将用户调度到最好的接入点,或在服务器侧进行中转,实现最优的内容分发调度,从而解决低延时和稳定性问题。
2.2 WebRTC抗弱网技术简介
WebRTC 提供了包含一系列组件的低延时框架,主要环节包括:编码、发送、接收和解码。
绝大部分自研系统的架构也与此类似,但会在具体实现过程中对算法做相应的调整。
编码环节:就发送方而言,我们需要根据其网络情况自适应地采用合适的码率;就接收方而言,我们会通过 Simulcast、SVC 等编码手段根据网络情况自适应地选择接收方法。此外,我们还可以通过动态 Gop 根据场景控制传输压力。
发送环节:首先进行带宽估计和分配。如果发生了数据错误,我们会进行 RTX 重传,或采取 FEC 等手段。此外,我们还可以采用 PACING实现网络的平滑发送,并确定数据带宽使用和发送的优先级。
接受环节:需要与发送方就带宽的估计、重传等操作进行配合。我们可以通过 NACK 请求发送方重新发送数据包,或者通过 RTCP 的反馈指示接收方实际的接受情况,也可以通过动态视频、音频缓存适应网络的抖动。
解码环节:需要解决错误隐藏问题,在数据出错之后尽可能提升用户体验。此外,我们还需要针对不均衡、不稳定的网络实现稳定的持续输出。
之前的流媒体协议主要作用在网络层面,没有实现网络和编解码环节的联动,而WebRTC 可以大大提升对弱网的适应性。
2.3 抗弱网技术总览
进一步归纳,抗弱网技术主要需要解决丢包、延时、乱序抖动、限速、网络质量突变等情况。我们会在带宽评估、带宽分配、带宽使用、缓存、解码渲染等环节上解决上述问题。
在进行带宽估计时,我们可以采用基于丢包、基于时延、基于 ACK 带宽的方法,也可以通透与探测实现带宽估计;
在进行带宽分配时,我们可以通过网络情况动态地分配视频、音频的编码码率,实现 FEC 前向纠错和相互纠错重传的带宽预分配。
在带宽使用方面,对于纠错后分配的带宽,我们需要通过 Nack、Sack、FEC 等数据重传,或通过 Pacing 等技术确定数据的优先级,提升发送的均衡性;
就缓存技术而言,WebRTC 中提供了面向视频的 JitterBuff 和面向音频的 NetEQ,从而适应网络的抖动、修补数据的残缺、将网络数据包转换成音频帧或视频帧。
2.4 关键技术解析
2.4.1 带宽评估——TCC基本理解
TCC 是一种带宽评估技术,其输入为接收状况的反馈,该数据会输入给带宽估计的三个控制点:丢包估计、延时估计、确认带宽估计。
丢包估计:根据丢包率的大小,在上次评估的带宽基础上,判断是增加带宽还是降低带宽。
延时估计:采用 Aimd 调节实现「和」式的带宽增加,以及乘法级的带宽降低。具体实现方式:分别计算再发送端和接收端,连续两个包之间的差值之差,拟合线性回归函数,根据斜率判定网络是拥塞、轻载、稳定,再确定如何调节带宽,带宽基值依赖于接受方反馈带宽估值,调节方式依照和增乘减方式。
确认带宽估计:基于FeedBack接收统计丢包率,采用贝叶斯评估接收方到码率,该值作为延时估计的带宽基值。
我们对丢包估计得出的带宽值和由 Aimd 处理后的时延估计结果取最小值,从而得到最终的带宽评估结果。值得一提的是,确认带宽估计提供带宽需要调节的基准值,而丢包估计和时延估计则提供调节意向。
2.4.2 TCC的优缺点
TCC技术的设计优点包括:
- 采用「丢包+延时」网络拥塞检测方法,实现了边界性的保护。
- 面向视频应用,考虑未充分使用的带宽、应用已确认的带宽,并探测估计出的带宽是否有效。
TCC 技术的不足之处在于:
- 所有估计强烈依赖反馈,接收端会影响发送端。
- 发送方的丢包、延时拥塞估计都基于统计实现,反映灵敏度低。
- 未覆盖高抖动等场景。
2.4.3 带宽分配
带宽分配最典型的应用场景是对视频和音频的带宽分配。就音频而言,其带宽主要包含音频的原始码率以及为重传、纠错预留的带宽。大部分的带宽将分配给视频,视频的带宽分为三部分:
(1)视频原始码率(2)前向纠错的 FEC带宽(3)视频的 Nack 所需要的带宽。
需要指出的是,Nack 的带宽不是预分配得到的,而是根据之前的网络情况统计得出。在具体实现中,我们会采取一些保护措施,
例如:要求视频 FEC 的码率加上实际重传的码率小于等于最终分配给视频的带宽的一半。在这种设置下,WebRTC 的抗丢包率约为20-30%,我们可以根据实际的丢包、延时情况改变 nack+fec 的带宽分配比例,从而提升抗丢包率。
2.4.4 带宽使用——NACK+重传
带宽使用主要涉及重传和 FEC 两个场景。就重传而言,如上图所示,发送端的 host1 丢掉了 101、102 两个包。
接收方发现丢包的时机可能有两个:
(1)在接收 103 号包时,基于包序规则发现丢掉了前两个包,因此重新对发送方申请发送 101 和 102 号包。
(2)如果重新请求后经过了 RTT+退避期的时间仍然没有收到这两个包,则会通过基于超时的方式重传包,避免了
NACK 的风暴。
发送方收到NACK的请求之后,也会采取一定的措施进行控制。如:同一个RTP包,在两次重传间会隔1倍的RTT,通过这种方式可以保护因多次发送导致的带宽占用。
2.4.5 带宽使用——前向纠错FEC
前向纠错 FEC 技术经历了从 UlpFEC 到FlexFEC 的发展。UlpFEC 是一种基于行式的生成方式,如果连续丢掉了两个包就很难恢复。为此,FlexFEC 采取了行列交织的方式,即使连续丢包也有可能恢复,但是会引入额外的计算开销,计算开销与恢复率成正比。FEC 在稳定环境(例如,丢包率成正态分布)中较为容易恢复,然而在现实网络中的效果会有一定的降低。
在启用 FEC 时,我们要进行发送端和接收端的 SDP 协商,并根据当前网络带宽状况选择是否开启。就 FEC 的参数而言,我们需要设定帧内的 FEC,确定每个 FEC 包由多少数据包生成、行列矩阵的组成,以及带宽的使用情况。目前,WebRTC 根据 FEC 通过异或计算生成 FEC 包,记录包的依赖关系,并根据它恢复出丢失的原始 RTP 包。
2.4.6 视频缓存与解码——JitterBuff基本理解
JitterBuff 的输入为网络的 RTP 包,输出为一个视频帧,它实现了以下功能:
(1)一套动态缓存机制,处理丢包、超时、乱序、延迟、帧残缺等异常情况。
(2)一套将 RTP 包解码成帧的控制机制,确定还原帧的时机、参考关系,以及根据 RTP 包还原残缺帧的方法。
(3)计算网络抖动延时,通过卡尔曼滤波,预测包到达的时间,实现出帧的平滑性。
2.7 音视频缓存与解码——NetEQ基本理解
NetEQ 被用于实现音频的动态缓存,通过计算网络抖动,实现 RTP 包的缓存、去重、排序、纠错等功能。
NetEQ 采用直方图估算平稳抖动,通过峰值检测应对突发变化情况。当缓存中数据不足时,降低出帧的频率;当缓存中数据过多时,提升出帧频率,从而实现均匀出帧。对于空帧,NetEQ 会根据前帧和后帧拟合出补偿帧。日前,Opus 编码格式下开启 DTX 的帧内 FEC 后,抗弱网的能力会大大提升。
3.百度RTC抗弱网实践与探索
3.1 百度RTC抗弱网总览
RTC是一种低延时的通信技术,也可以被用于低延时直播等场景,更好的实现对弱网的适应性。
RTC 抗弱网技术主要被应用于 1对1、N对N,以及流场景下。我们不仅需要考虑如何应对媒体环境下的抗弱网问题,还需要从接入、调度、用户体验的角度考虑如何抗弱网。
3.2 媒体抗弱网实践
就媒体抗弱网而言,
在带宽估计阶段,我们首先要判断丢包的类型,确定对带宽的调整方案,提升抗乱序抖动效果、提升对网络变化感知的灵敏度。
在带宽分配阶段,我们以清晰和流畅为目标导向,根据对丢包率、延时、抖动的统计情况,预测恢复效果,动态调整 ARQ、FEC,以及编码带宽比。
在带宽使用阶段,我们需要精细地考虑重传机制,优化接收方发起重传的时机和发送方发送数据包的时机,从而避免重传风暴,保证重传的有效性。在重传 Nack 请求丢失时,我们需要及早发现并尽可能快速恢复。此外,我们还需要重点优化音频的连续丢包问题、采用 Pacing Sender 优化,也会结合解码环节采用多码流的 Simulcast 和 SVC 技术。
在缓存\解码\渲染阶段,我们对视频、音频 Jitter 进行了优化,从而适应抖动、乱序等场景。值得注意的是,目前的 WebRTC
协议是端到端的,然而目前许多商业系统并不是端到端的系统,它们只考虑了服务器端的优化,而我们还需要考虑发送端的抖动情况。
3.3 其它技术实践
3.3.1 带宽估计TCC优化——增强丢包抗性
为了增强对丢包的抗性,我们将丢包的情况分为拥塞丢包、非拥塞丢包和偶发丢包。
非拥塞丢包场景下,个体的避让对整体信号质量的影响有限,为了保证视频的流畅,我们不能降低带宽,需要发送更多的数据包,将带宽分配给纠错部分。目前,我们还很难解决拥塞丢包问题。偶发丢包问题可能是非持续的网络信号抖动,无需通过降低带宽来优化。
3.3.2 带宽估计TCC优化——增强乱序抖动抗性
带宽估计对乱序抖动的适应性较差。为此,我们需要避免将乱序误判为丢包。在存在一定丢包的情况下,也应该考虑对乱序和延时的估计,提升对弱网的适应性。
3.3.3 带宽估计TCC优化——提升拥塞灵敏度
在带宽估计过程中,默认的实现以事后统计数据为基础。为了提升探测拥塞的灵敏度,我们可以通过在发送端增加 TCP 拥塞窗口,动态地分配窗口,可以很灵敏地感知到发送方下行带宽出现的拥塞。
3.3.4 百度在媒体抗弱网的优化方案
弱网中可能会出现丢包、延时、抖动、乱序以及一些突发情况,每个因素可能会影响到上行、下行信号,而不同的控制机制会涉及推流和拉流方。因此,抗弱网场景十分复杂。
如上图所示,我们会提取一些关键路径上的组合点,并且在每一步中对算法进行调整优化。接着,我们会重新在上述场景下检测优化后的算法,并且在线上进行 A/B 验证,逐渐得到理想的算法。
3.3.5 Wifi+4G同传,抗弱网另辟蹊径的方法
如今,手机/电脑等终端往往可以同时使用 4G 和WiFi 信号。我们会持续检测 4G 和 WiFi 的网络质量,在 WiFi 信号较差时及时使用 4G 信号作为补偿,强化音频传输,保证音频数据的连续性。
3.3.6 分发与调度——虚拟低延迟分发网
在分发与调度环节中,我们试图得到服务器之间的最优分发路径,不断检测部署的云节点、公网的边缘节点之间的连通性,挑选出较优的连接,形成虚拟的低延时中转网络。
在下次使用时,我们优先使用事先挑选出的虚拟中转网络。为了降低服务器网络波动对实时通信结果的影响,我们在分发时会建立多条冗余备路,随时自动切换,并采用重传、纠错等手段避免分发不稳定的问题。
以上是老师的全部分享内容,有问题欢迎在评论区提出。
- 训练数据有缺陷?TrustAI来帮你!
- 低代码平台中的数据连接方式(上)
- 你一定爱读的极简数据平台史,从数据仓库、数据湖到湖仓一体
- 百度APP视频播放中的解码优化
- 如何轻松上手3D检测应用实战?飞桨产业实践范例全流程详解
- 四步做好 Code Review
- 百度智能云天工边云融合物联网平台,助力设备高效上云
- Redis 主从复制的原理及演进
- 面由心生,由脸观心:基于AI的面部微表情分析技术解读
- 大模型应用新范式:统一特征表示优化(UFO)
- 智能大数据,看这本白皮书就够了
- 效果提升28个点!基于领域预训练和对比学习SimCSE的语义检索
- 百度基于 Prometheus 的大规模线上业务监控实践
- AI CFD:面向空天动力的科学机器学习新方法与新范式
- 飞桨图神经网络PGL助力国民级音乐App,创新迭代千亿级推荐系统
- 全新缓存组件,大幅加速云上飞桨分布式训练作业
- 知乎用户画像和实时数据的架构与实践
- 全新缓存组件,大幅加速云上飞桨分布式训练作业
- “千言”开源数据集项目全面升级:数据驱动AI技术进步
- 百度CTO王海峰:AI大生产平台再升级 助力中国科技自立自强