关于直播视频流处理后再转播的技术架构选型

[mikulch]

最近有一些需求都跟这个有关，以前都没做过这种实时视频流的处理，都是 crud boy 。目前后端语言是一定要选 java 的。 但是对于这一块基本上一片空白。大家有什么推荐的教程或者书籍么？网上自己搜了下，没什么特别满意的比较全面的教程。

需求是
1. 将 A 源 （ hls ） 的流逐帧解码后，送到一个 api 处理（逐帧 /图片），处理后重新编码封装成新的视频流。
2. 将封装好的新的视频流推给流媒体服务器，供他人观看。
3. 没有并发要求，也就甲方在某几个特定的地址下，看下不同摄像头的视频监控。

技术选型
1. 后端 java
2. 流媒体服务器：ssr

遇到的问题：
1. 因为推流端的解码、编码、封装、再推送的动作特别吃 cpu ，基本上一台机器的 cpu 吃掉 80%。
2. 如果把推流端和拉流端弄到一台服务器，用户直接观看 ssr 分发的视频会速度很慢。
3. 因为要把每一帧的图片，通过一个 api 处理，处理后推送到 ssr ，这时候造成 ssr 在观看直播时，画面非常容易卡着缓冲，等推流端推送足够多的帧。这方面的性能优化，在 java 应用层的层面还有什么可以做的吗？

谢谢大家

[RedBeanIce]

好像有什么 rtmp 还有什么鬼技术，不记得，等一个大佬回复

[smilzman]

1. 使用云服务，有转码服务
2. 用 ffmpeg
3. 搜索 Java 流媒体

[q1angch0u]

可以看看 https://github.com/Red5/red5-server

[chenbokais3]

gstreamer rtsp

[des]

估计问的是多流合并、水印这种东西，不是纯转码
我也蹲一个答案

[des]

顺便多说一句，这个方面的 Java 是基本不要想了

[andyskaura]

ffmpeg 将直播流切片保存在本地 然后加工后 接着用它推出去 具体工作 ffmpeg 都能干 你衔接好流程就行

[ybnsjl]

ffmpeg + rtmp + nginx

[Huelse]

Ant Media

[Huelse]

https://github.com/ant-media/Ant-Media-Server

[darkengine]

你们直播的音视频流处理都是自己做的吗？我们项目用的商用 SDK ，视频流处理这些都带了

[LLaMA2]

需求不明，无法给到您更好的建议，

[hu8245]

搞这个的，分推拉，推的话，国内主要用 rtmp ，（ youtuebe twitch 也是），你可能需要在服务器段进行转封装或转码，这个想简单的话就 ffmpeg 了，或者有音视频开发资源的话，自己去开发，成本比较大。拉流就随意了，DASH/HLS 都支持 low latency ，还是有现成的方案的。主要还是在服务器这里，没有 C/C++ 技术栈去深入的话，基本上就只能用现成的。

[mikulch]

@smilzman

@andyskaura
@darkengine
@hu8245
感谢各位大佬，我这边的需求其实是这样。
有一个直播的 hls 格式来源，是个视频流的地址。这个地址可以通过 java 封装的 ffmpeg 抓取到帧，然后需求需要把每一帧的图片，通过另外一个图片 APi 做一下处理，然后重新转码封装成 rtmp 格式的视频流推到流媒体服务器。

现在流媒体服务器用的国产的 ssr 。遇到的问题，是拉流端 即 -> 抓取直播 hls 数据，解码成图片，然后 api 处理后重新编码封装成视频格式这里，非常的耗费 cpu 资源。

一台服务器起码吃掉 80%，不知道是否有可能可以解决？

[mikulch]

@ye4tar
@ybnsjl
@des
@q1angch0u

谢谢各位大佬，详细内容已经补充到了问题中。

[locoz]

@mikulch #14 每一帧的图片调一次 API 做一次处理再重新拼成视频…这么处理吃 CPU 是必然的。建议描述一下这个图片 API 做了什么事，看看有没有什么更合适的解决办法。

[microxiaoxiao]

编解码不吃 CPU 就吃 GPU 你这个方案可以有两个可能改善的效果。解码成 raw 数据，然后 api 处理 raw 数据，再编码，可以少编码解码过程。其次就是用硬件 GPU ，降低 CPU 使用。

[andyskaura]

@mikulch 加一块垃圾显卡 GPU 加速 能显著提升效率

[lakehylia]

软解软编非常吃 CPU ，上显卡吧。四路泰坦～～ [狗头]

[raysonlu]

云服务不香？

[nicevar]

学习一下 twitch

[LLaMA2]

解码 /编码确实很消耗 CPU ，这是 GPU 更擅长的领域，不过还有更专用的解码 /编码硬件，
JAVA 层的优化空间，我能想到的是你使用的 FFMPEG 是 JAVA 实现还是 JNI/JNA 实现，
理论上说 C++的实现会比 JAVA 的性能更好。还有你说的 API 处理是处理什么，加水印还是其他的
图形识别？获取甲方的摄像头比你想象的更强大。你可以再展开说一说，我们的智慧是无穷的

[janus77]

吃资源的东西，还非要用 java ，这就不好弄了，要么找一下商用的，或者上云吧。云端转了传回你，你负责分发就行了

[mikulch]

@locoz
@ye4tar
是一个百度的图片识别 api ，主要标注和统计当前图片中有哪些类型的车辆，和车辆所在图片的坐标的。

[mikulch]

@andyskaura
@ybnsjl
@hu8245
@ye4tar

目前确实用的就是这个方案。java 用的是 org.bytedeco.javacv 这个库。

[mikulch]

@janus77
@raysonlu 感谢两位。我不太理解云服务是指？
目前我们的项目就是部署到阿里云的。你们的意思是说，整个解码编码都不自己做了，直接把源链接扔给某个服务，然后他们转了返给我们，我们直接拿到以后分发就完事儿，连编码都不用了？

[wangyu17455]

一定要拆开逐帧操作的话建议用云函数，一帧调用一次

[smilzman]

@mikulch 可以看看 27 楼说的云函数，还有阿里云里面的 VEC 、媒体处理之类的。

[mayli]

ffmpeg 本身就可以做这个，拉取流，转码，然后推出去，一个 shell 脚本搞定

[janus77]

@mikulch #26 差不多就是这样，所有计算型的任务都是消耗云端的硬件资源。阿里云也是有类似服务的，像这种 https://www.aliyun.com/product/mts?spm=5176.100239.blogrightarea51182.6.4NU75C

[skiy]

插楼，C++ 我知道国人开发的一款比较不错的： https://github.com/ZLMediaKit/ZLMediaKit

[hu8245]

还是交给云不错，只靠 java 很难做到高性能的音视频处理。推拉的过程带来的时延和卡顿一直都是业界研究的重点，比较靠谱的方案是推给 CDN ，这个 CDN 还是得支持 http chunck encoding 的，使用 low latency 的 DASH/HLS, 延迟能到 2s 左右，但是这都是商业方案才能做到的，开源方案基本上没有较好的办法

[LLaMA2]

我仔细读了一下你补充的内容和原始的内容，由于你需要使用 opencv 做物体识别，我的建议你的 server 只处理推拉流，opencv 识别的部分放到客户 client 处理，好点的 android 设备，不带屏幕，2500 以内，用 opencv 做识别输出视频，如果甲方的摄像头能直连 android 识别的话性能更好，60FPS 没问题

[darkengine]

先不说 CPU 使用率的问题，每帧都调用 API 怎么能保持实时性

[raysonlu]

@mikulch 阿里云的话，看看视频直播、视频点播提供的服务能否支持你们的整个业务流程

[zliea]

个人感觉肯定不能每帧都调用，在误差或者允许的情况下每秒调用 4-6 次足够了。
如果必须要求每帧，我觉得需要考虑边缘计算。

[zliea]

当然非实时就随便搞了。

[mikulch]

@zliea 刚刚新增了需求，不用实时，可以延迟 5 - 10 分钟。但是即使是这样子，问题还是存在，就是消费端看视频，看完推送过去的视频以后，就要等后续新推送的视频了。
但是这边推送因为要走 api 处理推送会很慢，没有办法。

[mikulch]

@darkengine 现在的问题就是这个，消费端的速度太快，生产端的速度跟不上。

[darkengine]

所以这个方案有问题啊，搞个本地的 SDK 还差不多。

[zliea]

1. 不是每一帧数据都请求 API 。
2. 并发请求 API ，要求 API 可以并发执行，然后等待固定延迟后再推数据。
一个直播流就需要这么大的计算量，有没有考虑同时多个直播流，如果有趁早考虑边缘计算。

[mikulch]

@zliea 并发请求 api 的话如何保证帧数返回的顺序呢？
另外不是每一帧都请求的话，因为数据这边要做标注，如果不每一帧都请求的话，画面上就会出现上一帧标注了，下一帧不标注的情况，这样就感觉很奇怪。

等待固定延时后再推送和一帧一帧的好像都差不多哇。速度还是那么慢。

[zliea]

1. 每一帧做一个标记 request id ，API 返回的时候把标记 request id 也要返回回来，然后重排。
2. “不是每一帧数据都请求 API”，这个意味着标注不更新，就是假定每 4 帧取第 1 帧计算，那么 2-4 帧的标注也是第 1 帧的标注去合成。

[mikulch]

@zliea 明白了，就是 2-4 帧都用第一帧的标注这个如果业务上要求，视频中的某一张图片上如果出现新的物品，需要标注出来。
如果没标注出来的话，继续用下一个 4 帧的第一帧的标注来解决这个思路吗？这样子有图片在 4 个帧间隔之间出现又消失，不然好像没啥问题。似乎确实是个好办法，大佬有在业务上使用过这种做法吗，实际观看的时候会有啥效果影响吗？


另外第一点确实是个好方法，相当于一个线程拉取了再一个一个的处理，确实可以节约一些 io 等待的时间。谢谢大佬。