流媒体之HLS协议(其三)
欢迎诸位来阅读在下的博文~
在这里，在下会不定期发表一些浅薄的知识和经验，望诸位能与在下多多交流，共同努力！
江山如画，客心如若，欢迎到访，一展风采
文章目录
- 前期博客
- 参考书籍
- 一、HLS协议简介
- 二、RTMP vs HLS 对比
- 三、HLS网络框架结构
- 四、HLS的索引文件嵌套
- 五、HLS协议详细讲解
- m3u8简介
- TS文件
- 有关ES、PES、PS、TS的详细解析
- PS/TS编码的基本流程
- 六、TS码流详细讲解
- TS包格式
- 帧数据、PES包、TS包的对应关系
- PAT及PMT表的格式
前期博客
流媒体与直播的基础理论（其一）
流媒体协议RTSP（其二）
参考书籍
《FFmpeg入门详解——流媒体直播原理及应用》——梅会东
一、HLS协议简介
HLS与RTMP都是流媒体协议，RTMP由Adobe开发，广泛应用于低延时直播，也是编码器和服务器对接的实际标准协议，在PC（Flash）上有最佳的观感体验；HLS由苹果公司开发，可以支持Live（直播），也可以支持VoD（点播）。HLS是苹果平台的标准流媒体协议，和RTMP在PC上一样支持得非常完善。
HLS全称HTTP Live Streaming，是一种基于HTTP的流媒体网络传输协议。它的基本工作原理是把整个流分成一个一个小的基于HTTP的文件来下载，每次只下载一些。
二、RTMP vs HLS 对比
| 特性 | RTMP | HLS |
|---|---|---|
| 延迟 | 1-3 秒，低延迟 | 10-30 秒，延迟较高 |
| 实时性 | 适合实时互动场景（如直播、游戏等） | 主要用于点播，直播场景中实时性较差 |
| 兼容性 | Flash 支持逐渐减少，现代浏览器不支持 | 浏览器、移动端、智能电视等设备广泛支持 |
| 传输协议 | 基于 TCP，保持长连接 | 基于 HTTP，使用短连接 |
| 自适应码率 | 不支持 | 支持自动码率切换（ABR） |
| 扩展性 | 不适合大规模分发 | 支持 CDN，大规模分发良好 |
| 复杂性 | 需要保持持续连接，推流方式复杂 | 基于 HTTP，结构简单，易于实现 |
| 主要用途 | 实时直播，互动性较强的场景 | 视频点播、大规模直播流媒体 |
- 值得注意的是，苹果公司在WWDC2019发布了新的解决方案来优化延迟性能，使得延迟从8s减低到1~2s，可以预知，HLS是充满活力与可能性的。
- 不过，RTMP在推流方面依旧十分好用。
三、HLS网络框架结构
- 需要留意的是：
（1）服务器将媒体文件转换为m3u8文件及TS分片；对于直播源，服务器需要实时动态更新。
（2）客户端请求m3u8文件，根据索引获取TS分片；点播与直播服务器不同的地方是，直播的m3u8文件动态更新，点播只需要请求依次m3u8文件。
四、HLS的索引文件嵌套
- 注意：媒体流封装的分片格式只支持MPEG-2传输流（TS）、WebVTT文件 或 Packed Audio文件。
五、HLS协议详细讲解
HLS协议规定了四部分的内容：分别是 视频的封装格式、视频的编码格式、声频的编码格式、m3u8文件。
如下：
m3u8简介
HLS协议中的m3u8，是一个包含TS列表的文本文件，目的是告诉客户端或浏览器可以播放这些TS文件。m3u8的一些主要标签解释如下：
（1）# EXTM3U：每个m3u8文件的第一行必须是这个tag，提供标识作用。
（2）# EXT-X-VERSION：用以标识协议版本。此标签m3u8文本中只能使用一次。例如版本3.
（3）# EXT-X-TARGETDURATION：所有切片的最大时长，如果不设置这个参数，则有些苹果设备就会无法播放。
（4）# EXT-X-MEDIA-SEQUENCE：切片的开始序号。每个切片都有唯一的序号，相邻序号+1。这个编号会持续增长，保证流的连续性。
（5）# EXTINF：TS切片的实际时长。
（6）# EXT-X-PLAYLIST-TYPE：类型，VoD表示点播，Live表示直播。
（7）# EXT-X-ENDLIST：文件结束符号，表示不再向播放列表文件添加媒体文件。
一个典型的例子：
//chapter5/hls.sample1.m3u8
#EXTM3U //开始标志
#EXT-X-VERSION:3 //版本为3
#EXT-X-ALLOW-CACHE:YES //允许缓存
#EXT-X-TARGETDURATION:13 //切片最大时长
#EXT-X-MEDIA-SEQUENCE:430 //切片的起始序列号
#EXT-X-PLAYLIST-TYPE:VOD //VOD表示点播
#EXT-X-STREAM-INF:PROGRAM-ID=1,BANDWIDTH=1280000
http://example.con/low.m3u8
#EXT-X-STREAM-INF:PROGRAM-ID=1,BANDWIDTH=2560000
http://example.con/mid.m3u8
#EXT-X-STREAM-INF:PROGRAM-ID=1,BANDWIDTH=7680000
http://example.con/hi.m3u8
#EXTINF:11.800
news-430.ts
#EXTINF:10.120
news-431.ts
#EXT-X-DISCONTINUITY
#EXTINF:11.952
news-430.ts
#EXTINF:12.640
news-431.ts
#EXTINF:11.160
news-432.ts
#EXT-X-DISCONTINUITY
#EXTINF:11.751
news-430.ts
#EXTINF:2.040
news-431.ts
#EXT-X-ENDLIST //结束标志
- 注意：BANDWIDTH用于指定视频流的比特率。
- #EXT-X-STREAM-INF的下一行是二级index文件的路径，可以用相对、绝对路径。二级文件负责给出TS文件的下载地址。
TS文件
TS文件的结构如下：
有关ES、PES、PS、TS的详细解析
- 包和流的关系是，流含有多个包，比如ES流含有多个ES包。
- PES包是ES流/包经过PES打包器处理后形成的，包含有分组、打包、加入包头信息等操作。
- 一个PES包含有一个或多个ES包，一个ES包含有多个存取单元(AU)。
- 一个AU是编码了的1幅视频图像帧或一个声频帧。
- PS 是节目流，由PS包组成，和TS属于同一层次但不同类别的流。一个PS包由若干个PES包组成。PS包的包头中包含了同步信息与时钟恢复信息。
- 一个PS包最多包含具有同一时钟基准的16个视频PES包和32和声频的PES包。PS包不定长。
- TS 是传输流，由定长的TS包组成(188B)。由于定长，所以某个包即使损坏后，也不影响其余的TS包的正常解码，PS则不然。
- PS主要用于误码率相对较低的演播室和数字存储（DVD）中。
- 传输流主要用于传输中，不怕数据包损坏。
PS/TS编码的基本流程
六、TS码流详细讲解
TS流将具有共同时间基准或独立时间基准的一个或多个PES组合（复合）而成单一数据流。
- 注意：TS是位流格式，TS流是可以按位读取的。
TS包格式
TS包是基于Packet的位流格式，每个包是188B（或204B，后面有16B的CRC校验数据）。如图：
TS流包头字段结构：
| 字段名称 | 字节位置 | 描述 |
|---|---|---|
| 同步字节（Sync Byte） | 第1个字节 | 固定为0x47，用于标识TS包的开始。 |
| 传输错误指示（TEI） | 第2个字节，第1位 | 当设置为1时，表示当前包中至少有一个不可纠正的错误位。 |
| 有效负载单元起始指示（PUSI） | 第2个字节，第2位 | 当设置为1时，表示当前包的有效负载部分以一个PES包或PSI/SI表的第一个字节开始。 |
| 传输优先级（Priority） | 第2个字节，第3位 | 用于传输机制，但在解码时通常不被使用。 |
| 包标识符（PID） | 占13位 | 用于标识TS包属于哪个特定的流或服务。 |
| 传输加扰控制（Scrambling） | 第4个字节，第1位和第2位 | 用于指示TS包是否被加扰以及加扰的方式。 |
| 自适应字段控制（Adaptation） | 第4个字节，第3位和第4位 | 用于指示TS包是否包含自适应字段，以及自适应字段的位置和长度。 |
| 连续计数器（Counter） | 第4个字节，第5位到第8位 | 用于检测包的丢失或重复，范围从0到15，每发送一个TS包，计数器加1。 |
- 一些TS表的PID值是固定的，如下：
| 表 | PID值 |
|---|---|
| PAT | 0x0000 |
| CAT | 0x0001 |
| TSDT | 0x0002 |
| EIT/ST | 0x0012 |
| RST/ST | 0x0013 |
| TDT/TOT/ST | 0x0014 |
在TS流中，TS包有可能是音视频数据，也有可能是表格(PAT/PMT/…)。举例说明，TS流的包顺序如下：
PAT,PMT,DATA,DATA,,,,,,,,PAT,PMT,DATA,DATA,,,,,,
每隔一段时间，发送一张PAT表，紧接着发送DATA数据。PAT表格里面包含所有PMT表格的信息，一个PMT表格对应一个频道，例如中央电视台综合频道，而一个PMT里面包含所有节目的信息，例如CCTV-1到CCTV-14。在实际情况中有很多频道，所以PMT表格不止一张，有可能是以下：
PAT、PMT、PMT、PMT,,,DATA,DATA，DATA,,,,
除了这个设定外，每个频道或节目都有自己的标识符（PID），这样当得到一个DATA，解释出里面的PID，就知道是什么节目了，也知道节目所属频道是什么。在看电视时，会收到所有节目的DATA，当选择某个节目时，机顶盒会把这个节目的DATA单独过滤出来，其他舍弃。
TS包的长度是188B，分为TS Header和TS Body。其中TS Header里买你会有个PID字段，标识当前DATA的类型。其实，DATA其实是PES包，而PES包是对ES流的封装，等价“ PES Header + ES ”。这里的ES是原始流，是指经过压缩后的H.264、AAC等格式的音视频数据。
帧数据、PES包、TS包的对应关系
一帧数据封装成一个PES包，如果 PES包 <= 184字节，则一个TS包就可以放下，如果还有空余的地方，就填充无实际用处的字节，使其满足184字节。如果 PES包 > 184字节，则需要多个TS包封装，这里需要注意的是，PES Header只需要首个TS包封装即可。伪代码如下：
第一个TS包 : TS Header + PES头 + 部分ES
第二个TS包 : TS Header + 部分ES
第三个TS包 : TS Header + 部分ES
....
第n个TS包 : TS Header + 填充字节 + 部分ES
PAT及PMT表的格式
1、PAT
TS流中包含一个或者多个PAT。PAT由PID为0x0000的TS包传送，其作用是为复用的每一条传送流提供所包含的节目和节目编号，以及对应节目的PMT的位置，既PMT的TS包的PID值，同时还提供NIT的位置，即NIT的TS包的PID值。TS码流解析从PAT开始。PAT定义了当前TS流中所有的节目，其PID为0x0000，他是PSI的根节点。下面是PAT的字段，代码如下：
typedef struct TS_PAT_Program
{
unsigned program_number : 16; //节目号
unsigned program_map_PID: 13; // 节目映射表(PMT)的PID，每个节目对应一个
}TS_PAT_Program;
program_association_section()
{
unsigned table_id : 8; //固定为0x00 ，标志是该表是PAT表
unsigned section_syntax_indicator : 1; //段语法标志位，固定为1
unsigned ‘0’ : 1; //0
unsigned reserved_1 : 2; // 保留位
unsigned section_length : 12; //段长度字节
unsigned transport_stream_id: 16; //该传输流的ID，区别于一个网络中其它多路复用的流
unsigned reserved_2 : 2;// 保留位
unsigned version_number : 5; //范围0-31，表示PAT的版本号
unsigned current_next_indicator: 1; //发送的当前PAT是否有效，还是下一个有效
//PAT可能分为多段传输，第一段为00，以后每个分段加1，最多可能有256个分段
// 给出section号，在sub_table中，第一个section其section_number为"0x00"
//每增加一个section,section_number加1
unsigned section_number : 8; //分段的号码。
//PAT可能分多段传输，第一段为0，以后每个分段加1，最多可能有256个分段。
//最后一个分段的号码 ，sub_table中最后一个section的section_number
unsigned last_section_number : 8;
/*循环部分 4个Byte*/
for（i=0;i<N;i++）
{
program_number :16; //节目号
Reserved :3; //保留位
//网络信息表（NIT）的PID,节目号为0时对应的PID为network_PID；
//其余情况是program_map_PID(PMT的PID)
network_id 或 program_map_PID :13;
}
CRC_32 :32; //校验码
}
- 这两个结构体的关系是，program_association_section 结构体包含了多个 TS_PAT_Program 结构体，每个 TS_PAT_Program 结构体代表PAT中的一个节目条目。在解析PAT时，首先解析 program_association_section 结构体以获取PAT的基本信息，然后根据其中的循环部分，解析每个 TS_PAT_Program 结构体以获取每个节目的具体信息。
PAT的解析函数代码如下：
int adjust_PAT_table( TS_PAT * packet, unsigned char * buffer)
{
packet->table_id = buffer[0];
packet->section_syntax_indicator = buffer[1] >> 7;
packet->zero = buffer[1] >> 6 & 0x1;
packet->reserved_1 = buffer[1] >> 4 & 0x3;
packet->section_length = (buffer[1] & 0x0F) << 8 | buffer[2];
packet->transport_stream_id = buffer[3] << 8 | buffer[4];
packet->reserved_2 = buffer[5] >> 6;
packet->version_number = buffer[5] >> 1 & 0x1F;
packet->current_next_indicator = (buffer[5] << 7) >> 7;
packet->section_number = buffer[6];
packet->last_section_number = buffer[7];
int len = 0;
len = 3 + packet->section_length;
packet->CRC_32 = (buffer[len-4] & 0x000000FF) << 24
| (buffer[len-3] & 0x000000FF) << 16
| (buffer[len-2] & 0x000000FF) << 8
| (buffer[len-1] & 0x000000FF);
int n = 0;
///循环次数
for ( n = 0; n < packet->section_length - 12; n += 4 )
{
unsigned program_num = buffer[8 + n ] << 8 | buffer[9 + n ];
packet->reserved_3 = buffer[10 + n ] >> 5;
packet->network_PID = 0x00;
if ( program_num == 0x00)
{
packet->network_PID = (buffer[10+n ] & 0x1F) << 8 | buffer[11+n ];
TS_network_Pid = packet->network_PID; //记录该TS流的网络PID
TRACE(" packet->network_PID %0x /n/n", packet->network_PID );
}
else
{
TS_PAT_Program PAT_program; //队列
PAT_program.program_map_PID =
(buffer[10 + n] & 0x1F) << 8 | buffer[11 + n];
PAT_program.program_number = program_num;
packet->program.push_back( PAT_program );
//向全局PAT节目数组中添加PAT节目信息
TS_program.push_back( PAT_program );
}
}
return 0;
}
- 注：在上述代码中，从for循环开始，描述了当前流中的频道数目和每个频道对应的PMT的PID值。解复用程序需要接收所有的频道号码和对应的PMT的PID，并把这些信息在缓冲区中保存起来。在后续处理中，需要PMT的PID。
2、PMT
PMT在传输流中用于指示组成某一套节目的视频、声频和数据在传送流中的位置，即对应的TS包的PID值，以及每路节目的节目时钟参考（PCR）字段的位置。PMT流结构，代码如下：
typedef struct TS_PMT_Stream
{
unsigned stream_type : 8; //指示特定PID的节目元素包的类型。
unsigned elementary_PID: 13; //该域指示TS包的PID值，包含有相关的节目元素
unsigned ES_info_length: 12; //前两位是00，指示跟随其后的相关节目元素的字节数
unsigned descriptor;
}TS_PMT_Stream;
TS_program_map_section() {
table_id :8; //固定为0x02 标识PMT表
section_syntax_indicator :1; //固定为0x01
'0' :1; //
reserved :2; // 保留位
section_length :12 //该字段的头两bit必为‘00’，剩余10bit指定该分段的字节数，紧随section_length 字段开始，并包括CRC。此字段中的值应不超过1021（0x3FD）。
program_number :16 //指出TS流中Program map section的版本号
reserved :2 // 保留位
version_number :5 //指出TS流中Program map section的版本号
current_next_indicator :1 //当该位置1时，当前传送的Program map section可用；当该位置0时，指示当前传送的Program map section不可用，下一个TS流的Program map section有效
section_number :8 //固定为0x00
last_section_number :8 //固定为0x00
reserved :3 //保留
PCR_PID :13 //指明TS包的PID值，该TS包含有PCR域，
//该PCR值对应于由节目号指定的对应节目。
//如果对于私有数据流的节目定义与PCR无关，这个域的值将为0x1FFF。
reserved :4 //保留位
program_info_length :12 //节目信息长度。该字段的头两比特必为‘00’，剩余10 比特指定紧随program_info_length 字段的描述符的字节数 ，
//(之后的是N个描述符结构,一般可以忽略掉,这个字段就代表描述符总的长度,单位是Bytes)紧接着就是频道内部包含的节目类型和对应的PID号码
for (i = 0; i < N; i++) {
descriptor()
}
for (i = 0; i < N1; i++) {
stream_type :8 //流类型,标志是Video还是Audio还是其他数据。
reserved :3 //保留位
elementary_PID :13 //该节目的音频或视频PID
reserved :4 //保留位
ES_info_length :12 //该字段的头两比特必为‘00’，剩余10比特指示紧随ES_info_length字段的相关节目元描述符的字节数。
for (i = 0; i < N2; i++) {
descriptor()
}
}
CRC_32 :32
}
两个结构体的关系是，TS_program_map_section 结构体包含了多个 TS_PMT_Stream 结构体。在解析PMT时，首先解析 TS_program_map_section 结构体以获取PMT的基本信息，然后根据循环部分，解析每个 TS_PMT_Stream 结构体以获取关于每个流的具体信息。每个 TS_PMT_Stream 结构体代表PMT中的一个流条目，提供了流类型、PID和描述符等信息。
PMT的解析函数，代码如下：
int adjust_PMT_table ( TS_PMT * packet, unsigned char * buffer )
{
//读取各个字段
packet->table_id = buffer[0];
packet->section_syntax_indicator = buffer[1] >> 7;
packet->zero = buffer[1] >> 6 & 0x01;
packet->reserved_1 = buffer[1] >> 4 & 0x03;
packet->section_length = (buffer[1] & 0x0F) << 8 | buffer[2];
packet->program_number = buffer[3] << 8 | buffer[4];
packet->reserved_2 = buffer[5] >> 6;
packet->version_number = buffer[5] >> 1 & 0x1F;
packet->current_next_indicator = (buffer[5] << 7) >> 7;
packet->section_number = buffer[6];
packet->last_section_number = buffer[7];
packet->reserved_3 = buffer[8] >> 5;
packet->PCR_PID = ((buffer[8] << 8) | buffer[9]) & 0x1FFF;
PCRID = packet->PCR_PID;
packet->reserved_4 = buffer[10] >> 4;
packet->program_info_length= (buffer[10] & 0x0F) << 8 | buffer[11];
// Get CRC_32
int len = 0;
len = packet->section_length + 3;
packet->CRC_32 = (buffer[len-4] & 0x000000FF) << 24
| (buffer[len-3] & 0x000000FF) << 16
| (buffer[len-2] & 0x000000FF) << 8
| (buffer[len-1] & 0x000000FF);
int pos = 12;
// program info descriptor //节目信息描述符
if ( packet->program_info_length != 0 )
pos += packet->program_info_length;
// Get stream type and PID
for ( ; pos <= (packet->section_length + 2 ) - 4; )
{
TS_PMT_Stream pmt_stream; //流信息
pmt_stream.stream_type = buffer[pos];
packet->reserved_5 = buffer[pos+1] >> 5;
pmt_stream.elementary_PID = ((buffer[pos+1] << 8) | buffer[pos+2]) & 0x1FFF;
packet->reserved_6 = buffer[pos+3] >> 4;
pmt_stream.ES_info_length = (buffer[pos+3] & 0x0F) << 8 | buffer[pos+4];
pmt_stream.descriptor = 0x00; //描述符
if (pmt_stream.ES_info_length != 0)
{
pmt_stream.descriptor = buffer[pos + 5];
for( int len = 2; len <= pmt_stream.ES_info_length; len ++ )
{
pmt_stream.descriptor = pmt_stream.descriptor<< 8 | buffer[pos + 4 + len];
}
pos += pmt_stream.ES_info_length;
}
pos += 5;
packet->PMT_Stream.push_back( pmt_stream ); //存储下来
TS_Stream_type.push_back( pmt_stream );
}
return 0;
}
至此，结束~
望诸位不忘三连支持一下~