十亿级视频播放技术优化揭密
2018-07-20 来源：编程学习网
QCon是由InfoQ主办的全球顶级技术盛会，每年在伦敦、北京、东京、纽约、圣保罗、上海、旧金山召开。自 2007年 3月份首次举办以来，已经有超万名高级技术人员参加过QCon大会。QCon内容源于实践并面向社区，演讲嘉宾依据热点话题，面向 5年以上工作经验的技术团队负责人、架构师、工程总监、高级开发人员分享技术创新和最佳实践。
4月18日性能优化面面观专题会议上，腾讯研发总监王辉以“十亿级视频播放技术优化揭秘”为主题，用QQ空间的日均播放量一年内从千万级突破到十亿级所面临的严峻考验为切入点，为大家分享视频团队在视频组件的整体架构、优化效果衡量、带宽优化、秒开优化、缓冲优化、成功率优化等六个方面的技术实践。
王辉：大家早上好！我叫王辉，来自腾讯，从2009年开始从事QQ空间技术研发，近期主要关注手机短视频、视频直播、AI智能硬件。很高兴能在QCon上与大家一起分享和交流。我今天的话题是“十亿级视频播放技术优化揭密”。主要介绍我们团队在去年一年短视频风口上，我们的视频播放量从5000万到十亿级过程中的一些技术实践，希望我的介绍能给大家做一些借鉴和参考。
众所周知，短视频去年是一个风口，起因是来自Facebook 2015年Q3的财报，财报表明在Facebook平台上每天有80亿次短视频播放，给Facebook带来了强劲的广告收入，正是这个数据给国内核心大公司和创业公司带来的一些新的突破口。其实短视频已经不是一个新的概念，从2006年开始国内就有很多公司在做短视频。随着Facebook吹起短视频风，去年在短视频行业有近百款应用出现，中国网民里面每5个里面就有1个是短视频的用户，短视频成为互联网的流量入口。 QQ空间也在这个风口中，从2015年11月份的每天5000万视频播放量，经过一年的耕耘细作，徒增到2016年12月份的10亿量级，现在还在不断增长。
我的演讲主要是按照我们产品迭代的几个关键步骤展开：
首先是快速上线，2015年我也是跟随着大家的体验快速上线了新短视频的体验；
其次面临的是成本问题，在做的过程中做了一些成本的优化工作；
然后是体验优化。在解决成本问题之后，短视频的观看体验要做到极致。比如说视频的秒开、不产生缓冲、不卡、成功率的提升。
快速上线
在开始之前，我先介绍一下我们的团队职责，我们团队负责手机QQ和手机QQ空间两个APP，每个APP有iOS和Android两个团队，一共四个团队，四个团队负责两个APP。在这个项目中，我们四个团队要针对两个平台实现四套逻辑，这里的效率是存在一定的问题。
关于短视频体验，在这之前，我们也只是做到能播放而已，没有做很精细的工作，并且这里的产品观感体验也不是很一致，也不是很好。
技术上，之前也只是做很基础的架构，直接由播放器连接服务器下载数据，达到能播放就可以。之前我们没有积极去做这个事情，导致播放成功率低、失败原因未知、不支持边下边播、缓冲时间比较长等问题，流量浪费也比较严重。在产品上要解决的，是在整个APP里面把所有产品的体验做到一致，比如说每个功能的观看体验，视频浮层的体验，统一观看体验也为我们项目清除了很多障碍。
而这里的技术上的要点是非常关键的，第一个是边下边播，这是基础的要求，是为了加快视频播放速度。第二个是流量的控制，这么大的平台，之前只是做5000万的播放量，如果没有流量控制的云策略，可能到后面流量是无法把控的。第三，刚才讲到团队的现状，团队要负责两个APP，这里要做代码复用，不可能再像之前一样四个团队维护四套代码，第四，我们支持第三方的视频源。第五，需要完善监控上报，对业务知根知底。
可以看到，完成核心技术要点最核心的一点是如何控制视频的下载，传统的方式是播放器直接塞播放地址给播放器，它就可以直接播放，这其实是一个黑盒。我们在中间加了一个本地代理，播放器与服务器的数据请求，我们完全可以把控。在这个过程中，比如说播放器要数据时，可以给它更多的数据，这样能解决它缓冲的问题。有了这层代理之后，架构也更清晰一点。
基于这样的架构，在MODEL一层做一些业务的逻辑，在VideoController这一层做控制视频的播放和下载。有了下载代理之后，就可以通过代理管理下载，在APP里面有很多的视频请求，VideoProxy可以管理这些请求，做流量控制，做预加载，还可以做优先级调度和做监控上报，下载逻辑层则主要关注怎么优化服务器，对接缓存管理层，同时我们抽象出了一个数据层，我的数据源可以是HTTPDataSource，也可以读本地，也可以是来来自腾讯视频的数据源，也可以是第三方APP的数据源，协议层主要是HTTP、HTTPS、HTTP2的解决。
在VideoController的逻辑里，其实都可以放到C层来实现，这样安卓和iOS完全可以通用，这一层的逻辑可以在QQ和QQ空间两个APP里面使用，相当于是我们一套逻辑可以完全复用，不用再开发四套逻辑，我们团队的职能也做了相应调整，之前可能是按团队划分，四个团队负责四个终端，现在可能是按FT的方式划分做视频的团队，iOS做视频的团队可能负责QQ和QQ空间里的业务，安卓也是如此。直播的FT也可以这样划分，iOS的负责iOS的两个APP，安卓的负责安卓的两个APP，这样代码复用更清晰一点，我的团队更专注一点。视频的团队专注视频的研发。
监控上报，肯定是不可缺少的，这是一个成熟的项目必备的要素。
1. 问题定位，老板跟用户反馈说我这个视频播不了，要有一套成熟的问题定位的方式；
2. 耗时统计，用户播放这个视频花多长时间播出来，这也是要了解到的；
3. 成功率统计，外网用户播放视频的成功率是多少？还要通过实时报警，才能及时知道外网发生一些故障。
传统的捞Log方式大家都有，但是这种方式效率太低，需要等用户上线之后才能捞到Log，Log捞到之后还得花时间去分析。我们做法的是在关键问题上做一些插装，把每一类错误和每一个具体的子错误都能定义出来，这样一看错误码就知道播放错误是由什么原因导致的。还可以把每次播放视频的链路所有关键流水上报到统计系统里来，每一次播放都是一组流水，每一条流水里面就包含了例如首次缓冲发生的Seek，或下载的链接是多少，下载的时间是多少，有了这些流水之后，用户反馈播放失败，我首先可以用流水看发生了什么错误？错误在哪一步？每一步信息是什么？几秒钟就可以定位到问题。
有了这个数据上报之后，还可以做一些报表。比如说可以做错误码的报表，有了报表之后就可以跟进哪个错误是在TOP的，负责人是谁，原因是什么，都可以看到。
我们也有自己实时的曲线，可以看到各项数据的情况。在告警方面，基于成功率和失败率的统计，进行实时告警。一出现错误码，微信立即可以收到提醒，提醒说是什么原因导致这次告警，全自动。
成本优化
上线一个月之后，一个坏消息一个好消息。好消息是播放量涨了4倍，坏消息是带宽涨了6倍。带宽优化是每个做视频的人必须要面临的问题，我们也分析这个过程中的原因，发现因为改为边下边播之后用户观看视频的意愿比较强，用户有挑选心理，不是每个视频都去看，看了一下之后不喜欢就划走了，之前下载的那部分其实是浪费的。 如果之前不做限速的话，一点开视频就疯狂的下数据，带宽有多大就下多少的数据，这样浪费很严重。
我们采取的第一个策略是进行流量控制。在高峰期播放到第10秒时，预下载N秒数据，下载到N秒就停下来。然后，可以做多级限速。一开始不限速，下载到合适时机做1倍码率限速。高峰期时预加载的数据会少一些，防止高峰期时带宽占用明显，这是初级的策略。最终我们也有码率切换的策略。这对用户的观看体验影响比较大，这也是之前必备的一个策略。
上线这个策略之后，对带宽的优化还是比较明显的。在高峰期时从18：00到凌晨1点带宽下降25.4%，这个是我们不断灰度最终确定的值。这个值会影响播放缓冲，因为数据少的话必定会卡顿，在卡顿之间和流量之间取了一个最优值，最终是25.4%.
但这样肯定是不够的，因为流量涨的还是很明显的，我们想到H.265，压缩率相对于H.264提升了30%-50%，但它的复杂度也是呈指数级上升。复杂度导致它的编解码耗时更长，占用资源也更长。如果把H.265用在客户端上的话，可能要评估一些点，比如说在编码上面，现在手机上没有做H.265硬件支持的，相对于H.264的耗时3-7倍，之前耗时可能是10分钟，而现在可能需要到70分钟左右。解码的硬件支持H.265的也很少，耗时差不多是一样的。解码是可行的，你可以采用软解的方式，这个带来的问题是CPU占用非常高，可能之前H.264占20%的CPU，H.265占70%、80%左右，带来的问题是发热和耗电。
结论，解码是可行的，但是编码不用考虑，在移动客户端不可行的情况下，那编码就要放在后台来做了。
为了解决如何在我们手机上能够解码的问题，对手机的解码能力做一次评估。我在合适的时机做一次大规模的浮点数运算，将数据上传到后台服务器进行云适配。如果当前的指数满足H.265条件的话，可以给你下载H.265视频给你播放。从而保证软件解码柔性可用，针对视频源规格按机型适配降级，保证用户视频播放体验。
经过我们的统计，外网上有94%的手机还是支持H.265解码的。支持1080P手机的解码占46%.
编码只能在后台做，如果在视频后台进行全面编码的话，是不现实的。因为编码复杂度呈指数级上升，拿后台服务器进行编码也是不可行的。我们的做法是只用热点视频进行后台转码，不是所有视频都去编码，对观看量在TOP N的视频进行编码，只需要编码少量的视频就可以带来流量优化效果，因为TOP N就占了全网80-90%的流量。
因为热点视频的热点转化很快，可能前几分钟是热点，后几分钟就不是热点，因为社交网络的传播非常快。我们给后台的要求是转码速度一定要快，在之前没有优化时，转一个10分钟的视频要半个小时左右。后来我们做了分布式处理之后，转10分钟的视频只用两三分钟。一些短视频最长5分钟左右，只要监测到这个视频很热的话，1分钟之内就能转出来，就是H.265了。
同样，在H.265编码器上做了一些优化，比如说编码速度和码率的都会有提升。
上线H.265优化之后，我们的带宽进一步下降，节省了31%左右。
秒开优化
带宽问题解决之后，面临的下一个问题是体验优化。用户最想要的是视频能立马播出来。我们定了一个秒开技术指标，只要这个视频从到我的视野范围，到视频播出来之间的耗时在一秒以内。这也是对标Facebook的体验，Facebook一打开动态，视频是能立即播出来的，不需要等待就能播，这个体验其实很顺畅。核心的流程主要是三个步骤：1、客户端的耗时；2、下载数据；3、等待播放。
这里主要有两个大的耗时点，第一下载视频数据耗时；第二个是客户端的耗时，下载视频数据耗时的话，主要是下载数据量和下载的速度。
这里有一个很直接的问题，播放器需要下载多少数据才能播放？我们可以看一下MP4，MP4其实是一个比较灵活的容器格式，每个东西都是用Box表达的，每个Box又可以嵌入到另外一个Box。MP4主要由MOOV和Mdata组成，MOOV是囊括了所有的视频关键信息，肯定是先把MOOV下载完之后才能找视频数据才能播起来。不巧的是，在我们外网会发现有5%左右用户上传的视频，它的MOOV是在尾部的。后来也发现，有很多安卓手机比如说山寨机，一些摄像头处理的厂商可能比较偷懒，因为他们只有在你采集完信息之后才能知道他所有的信息，他可能把所有的信息放在尾部。对于MP4来说，一开始把头部下载了，下载头部时可能找不到这个MOOV，就猜测这个MOOV在尾部，我可能就有一次请求去探测这个头部到底在哪？这个探测的话基本做法是去尾部探测。如果MOOV在其他地方的话，这次播放肯定是失败的。现在主流的系统都是去尾部进行一次探测。
比如安卓某些手机是无法自定义Range，那就需要下载完整个文件才能播放。我们的处理方式，用户在后台做一次转码修复，客户端采集后做一次转码修复。
再看一下Mdata，这是视频的原数据。目前大部分是H.264编码，H.264通过真预测的方式来进行视频编码，这里有一个GOP概念，也是在直播里面经常谈的。一般的视频需要下载歌完整的GOP数据才可以播，可以看到在这个里面需要下载多少数据才能播呢？每个播放器的行为也不一样。大家可以看到iOS要下载一个完整的GOP才可以播。像FFmpegBasedPlayer的话我可能只需要关键帧就可以播出来。安卓是比较尴尬的一个系统，在6.0级以下，可能需要5秒视频数据才可以播起来。如果说是需要下载5秒数据才可以播起来的话，那肯定是非常慢的。我们这里的一个策略会采用FFmpegBasedPlayer自己来做解码，这里要关注功能性和耗电的问题。
解决了Mdata之后，你会发现如果我的数据在头部，拿关键信息进行播放的话，其实我播放的数据量非常小的。
对于下载优化的话，会有一个防盗链的请求，通过HTTP拿到真实的才可以下载数据。在手机上执行HTTP请求是非常耗时的，这里我们走私有长连接通道做这个事情。
关于优化下载链路，这里也是谈的比较多的，一般也是直接输出IP地址，利用IP地址做跑马的策略，兼顾性能的效率，这个是用的比较多的方式。
进一步思考，按照普遍600K码率的话，我们统计到现在APP上面下载的平均速度是400K左右，这样计算的话，可能在安卓上面播放一个视频的话，需要将近0.9秒左右才可以下载到你需要的数据。如果码率再进一步提升的话，可能会更大，这其实我们也做了一些场景分析，会发现我们是社交网站，它有好友动态，视频在好友动态里播放，或者是在视频浮层里播放，我们的选择是预加载的策略，这也是常见的策略。我们会在当前看的这条动态时会预加载后面视频的关键信息，比如说会加载头部信息和需要播放的数据，来进行预加载。比如说在播放当前视频时，我的视频在加载一定数据之后会加载下一秒预加载数据，这些都可以做到的。
预加载有一个问题，我们之前踩了一个坑，可能预加载视频时还是要优先图片的。视频当然重要，但是社交网络上的图片也更重要，可能在预加载视频时会考虑到图片的一些任务，还有视频封面之类。
优化效果也是比较明显，经过刚才几个策略，一个是我们对头和播放器的处理，我们对防盗链的处理，还有对下载链路的处理和预加载，这样我们的耗时大幅度减少了，之前是1.8秒降到0.6秒左右。客户端的性能也是让人容易忽视的问题，发现有些用户虽然有视频的缓存，但是播起来还是很慢，这其实是客户端性能的影响。因为视频涉及到的BU和流程比较多，在这个过程中还要更关注到客户端的影响，要分析下客户端是哪些在抢占你的视频播放资源，我们之前犯过一些错误，md5会卡住一些流程，或者是HttpParser会阻止你的任务，会导致视频播放更慢。
在优化视频播放过程中，我们在4月份也做直播。直播这里面插入个事情，我们要播放直播的视频流，是HLS的视频，在好友动态里面可以观看直播的内容。HLS在安卓上面体验非常差，因为安卓3.0之后对HLS基本没有做的优化工作，这里每次安卓上播放HLS需要等待6-9秒。分析发现它的处理也不是很得当，因为安卓系统请求链路较长，串行下载，需要下载3-4片TS才能启动播放，下载3个分片的话，耗时就会很久。之前提到我们这里有代理，有了代理之后做事情方便很多了，通过里获取M3U8，解析M3U8里面有哪些文件，可以做并行下载，只让他下载一次M3U8，这样下载速度大幅度提升。回到刚才架构上，有了下载代理层的话，你可以做HLS的加速和管理，可以加入HLS的视频源。
HLS缓冲耗时也是很明显的，之前需要6秒左右，现在1.6秒左右就可以播起来。整体从之前的2秒左右现在优化到700m秒，80%用户都可以在1秒内播视频。
还有一个是用户比较关注的问题，观看视频时卡，观看一会卡了一下，loading数据，loading完以后又卡，这个体验非常差，我们希望所有的视频都不卡。其实这有两个播放场景，一个是正常场景，边下边看，数据在下载。对于正常场景下载时会做一些带宽调整，在低速时会做切换IP的处理，比如说当前连通IP的耗时比较久的话，会做一些处理，也会对网络进行速度限制。
针对Seek场景的话，如果用户拖动的话，文件缓存系统是连续存储系统的话，必然会造成拖到这里时，后面的缓存数据是没有办法下载到系统里面来的。
我们就对存储做了一次重构，支持文件空洞。会按照一兆的方式对文件进行碎片划分，好处是我可以分段存储，我可以允许逻辑空洞的，拖动的话也可以在后面存储，也不需要数据库，我可以知道这是从哪个位置到哪个位置的存储。这样淘汰缓存也高效一点，并可以制定更灵活的缓存策略。这里可以淘汰更低密度的文件，还可以做的事情是对文件加密。这里产生卡顿的用户里面，90%是因为进行拖动，拖动之后又没有缓存数据，所以这里有可能导致发生缓冲。统计效果也是比较明显的，上了分片缓存之后，之前的缓存概率是4.6%左右，最后下降到0.48%，基本上看不到发生缓冲的场景。
成功率优化，也是我们比较关键的指标。成功率优化没有捷径，可能是Case by Case各个击破。之前我们进行编码，有几百个错误码，错误码原因进行上报，每次进行循环，一个个错误码进行解决。下载常见的错误码，DNS劫持是比较多的，一些网络运营商会劫持你的请求。
这个在国内是比较常见的劫持，有的小运营商按月会劫持你的视频内容，可能直接污染你的DNS让你查找不到CDN，这是比较多的，还有一些网络不稳定的影响导致。更隐藏的会直接污染你的视频内容，让你视频内容是错误的。播放比较多的可能是一些编码的原因，刚才提到一些手机采集出来的视频在低端手机上播不出来，我们会对这些视频进行修复。
逻辑上的问题，因为播放器有状态的，可能开发人员比较多，每个人过来加一个逻辑的话，会导致播放状态出现问题。
我们做的播放器错误解决方法：
HOOK播放器接口与回调，实现播放器状态机，监控插放器API的调用是否合法，不合法直接告警或Crash。帮助开发快速定位问题，同时减轻测试同事的负担，封装成UI组件，使其它开发不必理解播放器。
最终优化的成果是这样的，下载成功率优化前是97.1%，优化后是99.9%。播放成功率优化前是97.0%，优化后是99.9%。首次缓冲耗时优化前是1.95s，优化后是0.7s。二次缓冲概率优化前是4.63%，优化后是0.48%。数据还是很可观的。
我的演讲基本是这些，欢迎大家关注我们团队的公众账号，也会分享一些技术文章。
Q&A
问题1：刚才您提到已经开始尝试用265了，能透露一下265你们播放的在整体中占多大的比例？
王辉：现在热视频里面80%都是H.265。10亿里面会有70%、80%左右。
问题2：推进的还是挺靠前的。刚才你提到要判断手机的H.265能力，用大规模的浮点运算，首先我先了解一下你们用的什么浮点运算的Mark？其次，为什么要用浮点运算？其实视频编解码里面几乎全部都是整数运算。
王辉：浮点运算能代表你这个手机性能，其实我们是评估性能的，不是评估H.265转码，如果性能达到的话，解码也是可以达到的。
问题3：如果想针对解码做评估的话，我建议整数运算。你可以确认一下，首先视频编解码的标准规定是没有浮点运算，不同的编解码时限可能会插入少量的浮点运算，大部分是整数运算。
王辉：我们初步做的时候是判断手机有没有运算能力来做的浮点运算判断。
主持人：感谢各位嘉宾的提问，感谢王辉老师给大家带来的讲解。
来自：http://mp.weixin.qq.com/s/CzXbD_5ifgPY4qte8jf7jA
版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点！
本站所提供的图片等素材，版权归原作者所有，如需使用，请与原作者联系。
