LiveVideoStackCon 深圳站：融云解析 WebRTC 低延迟直播技术

"基于 WebRTC 的低延迟直播将会是未来直播行业的主流解决方案！"这是融云联合创始人兼CTO 杨攀在 8 月 LiveVideoStackCon2019 音视频技术大会北京站上对于未来行业趋势的判断。仅仅 4 个月之后，当大会首次落户有"中国硅谷"之称的深圳时，融云的另一位技术专家，首席架构师李淼就"基于 WebRTC 的低延迟直播方案"进行了深入的技术分享。

12 月 13-14 日，LiveVideoStackCon 音视频技术大会在深圳举办，大会聚焦音视频、图像、AI 等技术的最新探索与应用实践，覆盖 社交 、 游戏 、直播、智能设备等行业领域，面向开发者分享技术创新与最佳实践。本次大会，聚集了数十名海内外技术专家和上千名开发者围绕前沿技术发展进行探讨。

融云首席架构师李淼

随着我国 5G 正式走向商用，直播行业在获得更多发展机遇的同时，也对直播技术提出了新的挑战。传统直播解决方案如果无法解决技术层面导致的延时问题，那么这一弊病将在 5G 的高速网络环境下被无限放大，这也进一步促使了低延迟音视频直播技术方案的演化。对此，李淼结合 WebRTC 的低延迟特性，在现场展示了融云 WebRTC 直播场景的构建全过程及服务架构设计，并向开发者们分享了技术实践细节，希望通过新技术的应用来解决视频直播的延时问题。

为什么要选用 WebRTC 来做直播？李淼表示，相较于传统的直播解决方案，WebRTC 拥有着不可比拟的三大优势。首先是低延时，让直播用户可以享受低延时的观看体验。目前直播行业中绝大多数产品是基于 RTMP、HLS、HDL 方式构建的，即使在不考虑网络链路的情况下，也会产生秒级的延迟，而 WebRTC 则天生具备低延迟的优势，使用 WebRTC 直播可有效将延迟降低至 200ms 以下。

其次是流量消耗小。基于 UDP 传输的 WebRTC 相比基于 TCP 传输的 RTMP 等协议，由于 UDP 协议内容较 TCP 小，且数据包是基于 NACK 进行传输等特点，对于流量的使用也有明显的降低。对于开发者和直播企业而言，流量消耗大幅削减，成本也因此可以得到有效的控制。

而最重要的优势在于 WebRTC 技术方案可以使主播端与观众端保持一致。当主播端使用 WebRTC 进行推流时，主播端与观众端保持一致，可以减少开发的编码量，对于团队人员的占用和后期对于代码的维护，都能保证最低的资源消耗。

在 LiveVideoStackCon 现场，李淼向开发者讲解了如何通过 WebRTC 完成直播场景构建的全过程，并对于 WebRTC 直播的技术细节一一进行了详细解读。李淼表示，使用 WebRTC 直播方案，MCU 服务器的设计至关重要。一方面 MCU 可以按需进行编解码，另一方面需要以房间号进行聚合，记录每台MCU的状态并按最小资源分配新房间，通过这种设计来减少 WebRTC 直播方案的资源消耗。

WebRTC 直播发布订阅流程

当然，对于很多开发者而言，实际的生产环境中仍面临着如何做到秒开视频、降低 MCU 带宽压力以及避免流量风暴等难题，李淼从 GOP 缓存结构和 GOP 控制策略两个层面进行了分析。以解决首帧卡顿延迟为例，直播数据在客户端与 Media Sever 进行交互之后，通常会对 SPS 和 I 帧进行正常下发，但是在随后的 P 帧或 B 帧的下发阶段，融云会采用 1.2 倍速下发的方式进行，直至所有数据包与 MCU 端推包进程同步，这就将直播延迟降至了最低。

此外，李淼还指出，客户端的设计必须考虑就近接入，且支持多链路选择，数据中心间同源音视频只有一路级联；同时还可以利用 IaaS 层的能力，进行中心间级联链路的优化。遵循这些直播网络设计原则都可以有效地降低直播延迟。

在分享的最后，李淼表示在 5G 时代，直播、短视频等内容传播形态将迎来新一轮技术升级，用户体验将成为行业洗牌的关键，此次将 WebRTC 低延迟直播的设计理念和技术要点与开发者和行业人士们一同分享，希望能够给业界带来一些启发和思考。作为 互联网 通信云行业的技术领导者，融云也将持续优化实时音视频技术和场景化解决方案，助力音视频直播行业在 5G 时代的创新发展。