RtspServer:轻量级RTSP服务器和推流器

项目概述

RtspServer 是由 PHZ76 开发的高效、可定制的实时流媒体服务器解决方案。它基于作者编写的网络基础库 xop，允许开发者轻松处理和分发实时音视频流。项目提供了一个名为 DesktopSharing 的示例应用，可以捕获桌面和麦克风声音，并在编码后通过 RTSP 协议进行转发和推流。该项目支持 Windows 和 Linux 平台，代码量少，相比于 live555 等经典的流媒体库，RtspServer 更加轻量级，易于集成和二次开发，已在公司的项目中应用。

技术分析

支持的编码格式

RtspServer 支持多种音视频编码格式，涵盖了广泛的应用场景：

• 视频编码：H.264、H.265
• 音频编码：G.711A、AAC

传输方式

• 单播 (Unicast)：

  • RTP_OVER_UDP：通过 UDP 协议传输 RTP 数据，延迟低，但在网络不稳定时可能会丢包。
  • RTP_OVER_RTSP (TCP)：通过 RTSP 协议在 TCP 连接上传输 RTP 数据，可靠性高，适用于防火墙或 NAT 环境。

• 组播 (Multicast)：

  • 适用于需要将同一流媒体数据发送给多个客户端的场景，节省网络带宽。

心跳检测机制

针对单播传输，RtspServer 内置了心跳检测机制，可以及时发现和处理连接异常，确保数据传输的稳定性。

RTSP 推流

RtspServer 支持 RTSP 推流功能，使用 TCP 协议进行数据传输，保证了数据的可靠传输，适用于对传输可靠性要求较高的应用场景。

安全性

RtspServer 内置了摘要认证（Digest Authentication），为服务提供了安全保障，防止未经授权的访问。

架构分析

RtspServer 整体架构

RtspServer 的架构主要包括以下组件：

• RTSP Server：处理客户端的 RTSP 请求，包括 SETUP、PLAY、PAUSE、TEARDOWN 等指令，管理会话和媒体流。
• Media Session：表示一个媒体会话，包含媒体流的相关信息，如流名称、媒体类型、编码格式等。
• Media Source：媒体源，负责提供音视频帧数据，可以来自文件、摄像头、麦克风或其他实时数据源。
• RTP Connection：负责通过 RTP 协议发送音视频数据，支持单播和组播传输。

流程分析

1. 客户端连接和会话建立

• 客户端通过 RTSP 协议发送连接请求到服务器。
• RTSP Server 接收到请求后，解析并创建一个新的 Media Session。
• 为每个媒体流（音频或视频）创建对应的 Media Source。

2. 媒体数据传输

• Media Source 获取音视频数据帧（可能来自编码器或实时采集设备）。
• RTP Connection 负责将媒体数据打包成 RTP 包，通过网络传输给客户端。
• 支持的传输方式包括 RTP_OVER_UDP、RTP_OVER_RTSP 和组播。

3. 心跳检测和连接维护

• 为了保持连接的稳定性，服务器会定期发送心跳检测，确认客户端的在线状态。
• 如果检测到连接异常，服务器会及时释放资源，防止资源泄漏。

xop 基础库

项目介绍

xop 是 RtspServer 的基础网络库，参考了 muduo 和 live555 的设计，封装了一个简单高效的网络框架，提供了构建高性能网络应用的基础组件。

功能特性

• 跨平台支持：兼容 Windows 和 Linux 操作系统。
  • Windows 下：使用 select 实现事件循环。
  • Linux 下：使用 epoll 实现高效的事件通知机制。
• 事件驱动模型：基于 Reactor 模式，实现非阻塞 IO 和事件驱动。
• 定时器：提供高精度的定时任务调度。
• 内存管理：实现了环形缓冲区和内存池，提升内存分配和释放的效率。
• 日志系统：内置简洁的日志功能，方便调试和运行监控。

xop 整体架构

• EventLoop：事件循环，核心组件，负责监听和分发 IO 事件、定时器事件等。
• Channel：通道，封装了文件描述符及其感兴趣的事件类型，如可读、可写等。
• TimerQueue：定时器队列，管理所有的定时任务。
• Buffer：缓冲区，提供高效的数据读写接口。
• Acceptor：监听器，负责接受新的客户端连接。

应用场景

• 在线教育平台：提供高清、流畅的远程教学体验，实现教师与学生的实时互动。
• 视频监控系统：实时传输监控摄像头的视频流，实现远程监控和安全管理。
• 远程会议系统：确保音频和视频的同步传输，提高远程会议的质量和效率。
• 桌面共享与远程协助：通过 DesktopSharing 示例应用，实现桌面实时共享和远程协助功能。

社区问题收集与解答

问题一：刚开始播放时有些花屏

问题描述：

在播放开始时，视频出现花屏现象。怀疑是与 GOP（Group of Pictures）有关，没有收到完整的一组 GOP，所以会花屏。是否应该等待下一个 I 帧？

解答：

是的，花屏问题通常是由于解码器没有接收到完整的关键帧（I 帧）导致的。解码器需要从 I 帧开始才能正确解码后续的 P 帧和 B 帧。

解决方案：

• 确保首帧为关键帧：在客户端连接后，服务器应确保发送的第一帧是关键帧。可以在编码器中设置，让其在新的会话开始时立即生成一个 I 帧。
• 检查帧类型：在编码过程中，可以通过 AVFrame 或其他编码库的接口，获取帧类型，根据编码后的类型（I 帧、P 帧、B 帧）进行处理。
• 缓冲策略：在客户端实现一定的缓冲策略，等待接收到第一个 I 帧后再开始解码和播放。

问题二：推送 H.265 流时播放器无法播放

问题描述：

在使用 H.265 推流时，播放器无法正常播放视频。怀疑是在 H265Source 的 handleFrame 函数中处理有误。

解答：

问题可能出在对 NALU（Network Abstraction Layer Unit）的处理上。在 H.265 码流中，每个 NALU 前通常有一个起始码（如 0x00 00 00 01）。在计算 NALU 类型时，需要正确跳过起始码。

解决方案：

• 去除起始码：在处理帧数据时，需要跳过起始码，以正确解析 NALU 类型。

  uint8_t *frameBuf = frame.buffer.get();
  uint32_t frameSize = frame.size;
  frameBuf += 4;      // 跳过起始码
  frameSize -= 4;     // 调整帧大小
  

• 统一处理方式：建议在构建 VideoFrame 时就去掉起始码，这样后续的处理会更加统一。

• 区别转发和推流：对于转发和推流的处理，可以有所区别。直接获取 H.265 帧数据后调用 pushFrame，确保计算时是带有起始码的头部信息。

注意：

• NALU 解析：正确解析 NALU 类型对于视频解码非常重要。确保在处理时准确跳过起始码，才能正确识别帧类型。

• 播放器兼容性：不同的播放器对码流格式的要求可能不同，确保码流符合标准，有助于提高兼容性。

Bug 修复与代码分析

问题描述

在使用 RtspServer 时，发现使用 VLC 和 ffplay 播放时出现错误：

Invalid NAL unit 0, skipping

导致播放器无法正常播放视频流。需要对代码进行修复，解决该问题。

分析与解决方案

经过分析，问题出在 RTP 包的组装和 NALU 的处理上。以下是具体的修复步骤和代码修改。

1. 修改 RTP 包的最大负载大小

文件：rtp.h

问题分析：

• 原始定义的 MAX_RTP_PAYLOAD_SIZE 为 1420，可能导致 RTP 包过小，增加了网络负载。
• RTP 头部的大小为 12 字节，实际可用的负载大小应该更大。

修改内容：

// 原始定义
#define MAX_RTP_PAYLOAD_SIZE   1420

// 修改为
#define MAX_RTP_PAYLOAD_SIZE   1440

解释：

• 将 MAX_RTP_PAYLOAD_SIZE 增加到 1440，可以减少 RTP 包的数量，提高传输效率。
• 参考了 Live555 中的 MultiFramedRTPSink.cpp，调整了最大负载大小。

2. 调整 RTP TCP 头部大小

文件：rtp.h

问题分析：

• 原代码中 RTP_TCP_HEAD_SIZE 定义为 4，当传输模式为 RTP_OVER_UDP 时，这个值应该为 0。
• 在 UDP 传输中，不需要额外的 TCP 头部。

修改内容：

// 原始定义
//#define RTP_TCP_HEAD_SIZE	   4 // when transport_mode_ = RTP_OVER_TCP

// 修改为
#define RTP_TCP_HEAD_SIZE      0 // when transport_mode_ = RTP_OVER_UDP

解释：

• 将 RTP_TCP_HEAD_SIZE 设置为 0，确保在 UDP 传输时，不会错误地加入额外的头部。

3. 修正 H.264 视频源的帧处理

文件：H264Source.cpp

问题分析：

• 在处理 H.264 帧时，需要正确跳过起始码（0x00 00 00 01），否则会导致 NALU 解析错误。
• 当帧大小小于等于最大 RTP 负载时，直接发送整个帧；否则，需要进行分片（FU-A）。

修改内容：

if (frame_size <= MAX_RTP_PAYLOAD_SIZE)
{
    frame_buf  += 4; // 跳过起始码
    frame_size -= 4;
    // 构建 RTP 包
    RtpPacket rtp_pkt;
    rtp_pkt.type = frame.type;
    rtp_pkt.timestamp = frame.timestamp;
    rtp_pkt.size = frame_size + RTP_TCP_HEAD_SIZE + RTP_HEADER_SIZE;
    rtp_pkt.last = 1;
    ...
}
else
{
    frame_buf  += 4; // 跳过起始码
    frame_size -= 4;
    char FU_A[2] = {0};
    FU_A[0] = (frame_buf[0] & 0xE0) | 28;            // NALU 头部
    FU_A[1] = 0x80 | (frame_buf[0] & 0x1F);          // FU-A 起始标志
    // 进行分片处理
}

解释：

• 对于小于等于最大负载的帧，直接跳过起始码，发送整个 NALU。
• 对于大于最大负载的帧，跳过起始码，进行 FU-A 分片，需要正确构建 FU-A 头部。

4. 修正 H.265 视频源的帧处理

文件：H265Source.cpp

问题分析：

• H.265 的 NALU 解析与 H.264 类似，但头部格式不同，需要相应调整。
• 同样需要正确处理起始码和分片。

修改内容：

if (frame_size <= MAX_RTP_PAYLOAD_SIZE)
{
    frame_buf  += 4; // 跳过起始码
    frame_size -= 4;
    // 构建 RTP 包
    RtpPacket rtp_pkt;
    rtp_pkt.type = frame.type;
    rtp_pkt.timestamp = frame.timestamp;
    rtp_pkt.size = frame_size + RTP_TCP_HEAD_SIZE + RTP_HEADER_SIZE;
    rtp_pkt.last = 1;
    ...
}
else
{
    frame_buf  += 4; // 跳过起始码
    frame_size -= 4;
    uint8_t PL_FU[3] = {0};
    uint8_t nalUnitType = (frame_buf[0] & 0x7E) >> 1;
    PL_FU[0] = (frame_buf[0] & 0x81) | (49 << 1);    // NALU 头部
    PL_FU[1] = frame_buf[1];                         // NALU 头部
    PL_FU[2] = 0x80 | nalUnitType;                   // FU 起始标志
    // 进行分片处理
}

解释：

• 同样跳过起始码，正确调整 frame_buf 和 frame_size。
• 构建 H.265 的分片头部，确保 NALU 类型和标志位正确。

总结

通过上述修改，修复了播放器无法正常播放的问题。主要原因在于：

• 起始码处理：需要正确跳过起始码，才能正确解析 NALU。
• RTP 包组装：调整最大负载大小，确保网络传输的效率和稳定性。
• 分片处理：在帧过大时，正确地进行 RTP 分片，构建正确的 FU-A（H.264）或 FU（H.265）包。

这些修改使得 RtspServer 在与常见播放器（如 VLC、ffplay）兼容性方面得到了改善。

进一步的技术分析

深入理解 RTP 分片与 NALU 处理

在 RTP 传输中，当单个 NALU 的大小超过了最大 RTP 负载大小时，需要对其进行分片。分片时，需要构建特殊的 RTP 包，称为 Fragmentation Unit（FU）。

H.264 中的 FU-A 分片

• FU-A 头部格式：

  +---------------+
  |0|1|2|3|4|5|6|7|
  +-+-+-+-+-+-+-+-+
  |S|E|R|  Type   |
  +---------------+
  

• S（Start）：分片的开始标志位，1 表示这是第一个分片。

• E（End）：分片的结束标志位，1 表示这是最后一个分片。

• Type：原始 NALU 的类型。

H.265 中的 FU 分片

• FU 头部格式：

  +---------------+
  |0|1|2|3|4|5|6|7|
  +-+-+-+-+-+-+-+-+
  |S|E|  Type     |
  +---------------+
  

• S（Start）：分片的开始标志位。

• E（End）：分片的结束标志位。

• Type：原始 NALU 的类型。

起始码的处理

• 起始码（Start Code）：在原始的 H.264/H.265 码流中，起始码用于分隔 NALU，一般为 0x00 00 00 01。
• RTP 传输中不需要起始码：在 RTP 传输中，起始码不应包含在传输的数据中，需要在发送前去除。
• 解析 NALU 类型：跳过起始码后，才能正确解析 NALU 的头部，获取 NALU 类型。

播放器兼容性

• VLC 和 ffplay 等播放器在解析 RTP 流时，严格遵循标准。如果发送的数据不符合 RTP 和 H.264/H.265 的封装规范，就会出现错误。

• 错误信息：

  Invalid NAL unit 0, skipping
  

  表示接收到的 NALU 类型为 0，这是无效的，可能是因为没有正确跳过起始码导致的。