前言：在连麦互动直播中，观众可以与主播发起实时连麦，或者主播与主播之间连麦，本文分为两部分，基础背景知识由单辉 （声网Agora.io 高级开发工程师）分享，连麦调研是从大石哥的调研PPT。声网blog: http://blog.csdn.net/agora_cloud/
直播火了。连麦直播在火的路上。
那么，这些连麦技术方案，真的能连吗？本文将常见的，不常见的直播技术方案进行了比较，各位同学自己甄别。
首先，基础知识普及，技术上直播的流程是什么？
一、直播的流程
正如上图所示，整个直播流程分为以下几个关键步骤：
1、主播客户端，将本地采集的视频推送到CDN；
2、CDN对视频流进行缓存以及转发；
3、观众客户端，拉取CDN中缓存视频流进行播放；
可以看到CDN在这里起到了关键的作用，2016也是一个CDN崛起的年代，网宿、快网、七牛、高升、蓝汛、观止云、腾讯云、百度云、阿里云等CDN纷纷表示对直播进行了支持，直播也逐渐成为了CDN的标配。
那么接下来了解一下CDN的技术原理。
二、CDN技术原理
CDN的全称为Content Delivery Network，即内容分发网络，是一个策略性部署的整体系统，主要用来解决由于网络带宽小、用户访问量大、网点分布不均匀等导致用户访问网站速度慢的问题。
CDN的技术原理见上图，具体实现是通过在现有的网络中，增加一层新的网络架构，将网站的内容发布到离用户最近的网络节点上，这样用户可以就近获取所需的内容，解决之前网络拥塞、访问延迟高的问题，提高用户体验。
对于直播来说，则将Web服务器换作主播客户端，如下图所示。 
由于视频占用带宽较大，与普通的Web服务差别较大，这样CDN的优势更能体现出来：网络拥塞减少，访问延迟降低，带宽得到良好的控制等等。
另外，CDN直播中常用的流媒体协议包括RTMP，HLS，HTTP FLV等。
RTMP（Real Time Messaging Protocol）是基于TCP的，由Adobe公司为Flash播放器和服务器之间音频、视频传输开发的开放协议。
HLS（HTTP Live Streaming）是基于HTTP的，是Apple公司开放的音视频传输协议。
HTTP FLV则是将RTMP封装在HTTP协议之上的，可以更好的穿透防火墙等。
三、CDN的常用架构
CDN架构设计比较复杂。不同的CDN厂商，也在对其架构进行不断的优化，所以架构不能统一而论。这里只是对一些基本的架构进行简单的剖析。
CDN主要包含：源站、缓存服务器、智能DNS、客户端等几个主要组成部分。
源站：是指发布内容的原始站点。添加、删除和更改网站的文件，都是在源站上进行的；另外缓存服务器所抓取的对象也全部来自于源站。对于直播来说，源站为主播客户端。
缓存服务器：是直接提供给用户访问的站点资源，由一台或数台服务器组成；当用户发起访问时，他的访问请求被智能DNS定位到离他较近的缓存服务器。如果用户所请求的内容刚好在缓存里面，则直接把内容返还给用户；如果访问所需的内容没有被缓存，则缓存服务器向邻近的缓存服务器或直接向源站抓取内容，然后再返还给用户。
智能DNS：是整个CDN技术的核心，它主要根据用户的来源，以及当前缓存服务器的负载情况等，将其访问请求指向离用户比较近且负载较小的缓存服务器。通过智能DNS解析，让用户访问同服务商下、负载较小的服务器，可以消除网络访问慢的问题，达到加速作用。
客户端：即发起访问的普通用户。对于直播来说，就是观众客户端。
对于直播来说，CDN整体架构如下图： 
主要流程为：
主播开始进行直播，向智能DNS发送解析请求；
智能DNS返回最优CDN节点IP地址；
主播端采集音视频数据，发送给CDN节点，CDN节点进行缓存等处理；
观众端要观看此主播的视频，向智能DNS发送解析请求；
智能DNS返回最优CDN节点IP地址；
观众端向CDN节点请求音视频数据；
CDN节点同步其他节点的音视频数据；
CDN节点将音视频数据发送给观众端；
四、CDN的短板
大概了解了CDN的技术原理后，我们在做直播选型时，还需要了解一个方案优缺点。接下来，我们来分析一下CDN的短板。
4.1 短板：播放延时
连麦直播的难题主要是播放延时！播放延时从何而来？
4.1.1 网络延时
网络延时这里指的是从主播端采集，到观众端播放，这之间的时间差。这里不考虑主播段采集对视频进行编码的时间，以及观众端观看对视频进行解码的时间，仅考虑网络传输中的延时。例如说下图中的网络延时： 
另外，数据传输过程中还涉及到逻辑上的交互，例如包的重传以及确认，以及缓存上的一些逻辑等，会在这个基础上又增加很多。
那么来简单估算一下大概的网络延时。众所周知，光在真空中的速度约为300,000km/s，而在其他介质中光 速会大大降低，所以在普通光纤中，工程上一般认为传输速度是200,000km/s。从现实上来说，可以参考如下： 
所以说，在节点较少、网络情况较好的情况下，那么网络延时对应也是最小，加上一定的缓存，可以控制延时在1s~2s左右。但是节点多、网络差的情况下，网络延时会对应增大，经验来说延时可以达到15s以上。
4.1.2 网络抖动
网络抖动，是指数据包的到达顺序、间隔和发出时不一致。比如说，发送100个数据包，每个包间隔1s发出。结果第27个包在传输过程中遇到网络拥塞，造成包27不是紧跟着26到达的，而是延迟到87后面才达。在直播中，这种抖动的效果实际上跟丢包是一样的。因为你不能依照接收顺序把内容播放出来，否则会造成失真。
网络抖动，会造成播放延时对应增大。如果网络中抖动较大，会造成播放卡顿等现象。
如上图所示，主播端t3和t5发出的包，分别在t3’和t5’到达，但是中间延时增大，即发生了网络抖动。这样造成观众端观看视频的延时会不断增大。
4.1.3 网络丢包
CDN直播中用到的RTMP、HLS、HTTP FLV等协议都是在TCP的基础之上。TCP一个很重要的特性是可靠性，即不会发生数据丢失的问题。为了保证可靠性，TCP在传输过程中有3次握手，见下图。首先客户端会向服务端发送连接请求，服务端同意后，客户端会确认这次连接。这就是3次握手。接着，客户端就开始发送数据，每次发送一批数据，得到服务端的“收到“确认后，继续发送下一批。TCP为了保证传到，会有自动重传机制。如果传输中发生了丢包，没有收到对端发出的“收到”信号，那么就会自动重传丢失的包，一直到超时。
由于互联网的网络状况是变化的，以及主播端的网络状况是无法控制的。所以当网络中丢包率开始升高时，重传会导致延时会不断增大，甚至导致不断尝试重连等情况，这样不能有效的缓存，严重情况下会导致观众端视频无法观看。
4.2 短板：连麦
直播中，主播如果要与用户交互，常见有两种方式：
第一种方式：文字，这种比较常见，实现也比较简单，这里不再进行分析；
第二种方式：连麦，这样主播可以面对面与观众进行交互，增加了互动性；
由于连麦方式比较复杂，这里进行详细分析。
4.2.1 多路RTMP流实现
前面提到，RTMP是目前主播中最常用的协议，使用RTMP协议，可以实现最简单的一种连麦方式，如下图。
当有连麦者时，则主播端和连麦者端，都分别推一路RTMP流到CDN，CDN再将这两路RTMP流发送给观众端，观众端将两路RTMP流合成为一个画面。这种方式的优缺点如下：
优点
实现简单；
缺点
主播与连麦者如果要进行交互，考虑到上面分析的延时问题，在这里延时需要至少加大一倍。这样对于实时交互来说，完全无法接受；
主播与连麦者交互时，声音会产生干扰，形成回音；
观众端要接收两条视频流，带宽、流量消耗过大，并且两路视频流解码播放，耗费CPU等资源也非常多；
这样看来，这种方式弊大于利，基本不可取。
4.2.2 主播端与连麦者P2P
第二种方式，是主播端与连麦者之间使用P2P方式进行交互，然后主播端将自己和连麦者的视频进行合并，再推到CDN上，CDN再发送给观众端，如下图： 
这种方式的优缺点如下：
优点
主播和连麦者之间使用P2P，网络质量较好，延迟较小，保证了两者之间交互不会有非常大的延时；
解决声音的干扰问题，消除回声；
缺点
P2P在某些网络下无法穿透，有些观众根本无法与主播端进行交互；
主播端需要上传两路视频：一路P2P与连麦者进行交互，一路使用RTMP推到CDN。还要下载一路视频：连麦者P2P发送过来的交互数据。所以主播端要求带宽需要较高，网络较差时无法进行主播
主播端要进行多路视频的编码、解码，要求主播端设备配置比较高，较差的设备也无法进行主播；
只能支持一个连麦者，不能支持多个连麦者；
由于主播端和连麦者经过CDN合并成一路，因此，不能实现主播端和连麦者视频大小窗口切换。
综合来说，P2P方式在一定程度上可以解决连麦的问题。
4.2.3 服务器端合图
另外一种方式，是主播和连麦者都将视频推送到CDN中，然后CDN内部对这几路视频进行合图，再将其发送给观众端。如下图：
这种方式的优缺点如下：
优点
主播和连麦者各路视频都使用RTMP推送到CDN，可以保证延时较小；
由于CDN进行视频合图和发送，所以主播不需要很高的带宽；
由于CDN进行视频合图，所以主播的设备不需要配置非常高；
没有声音干扰问题；
可以支持多个连麦者连麦；
缺点
CDN需要进行视频的合图，需要额外开发工作，并且逻辑比较复杂；
CDN需要进行视频的合图，需要消耗较高服务器资源；
CDN合图后的布局难控制；
据目前所知，还没有CDN支持这种方案；
五、下面是大石哥的连麦调研
5.1 现有连麦模式
5.2 现有连麦方案
第一时间获得博客更新提醒，以及更多 android，源码分析，最新开源项目推荐，更多有价值的思考，欢迎关注我的微信公众号，扫一扫下方二维码或者长按识别二维码
