1.3　音視頻直播的兩條技術路線

壓縮技術解決了，高速公路建成了，接下來就是如何利用這些技術進行產品化了。音視頻直播就是眾多音視頻應用中最亮眼，也是大家最需要的應用。對于不同的行業和領域，在使用音視頻直播時，人們往往給直播不同的稱謂，比如：在教育領域中使用的直播稱為在線教育直播，在遠程辦公領域的直播稱為網絡音視頻會議，在娛樂領域則稱為娛樂直播，等等。

雖然所有的直播底層都是使用音視頻和網絡傳輸技術，但由于應用的場景不同、目標不同，所以它們的技術方案也有很大的區別。

對于音視頻會議來講，它關注的是實時通話的質量，也就是說當你開啟攝像頭、打開麥克風后，遠端的用戶就可以立即看到你的視頻、聽到你的聲音。同樣，你也可以立即看到對方的視頻、聽到對方的聲音。而娛樂直播則與音視頻會議不同，它追求的目標是可以讓盡可能多的用戶觀看到節目，視頻清晰、不卡頓。但它對音視頻延遲要求不高，因此這類直播的實時性比較差。

由此，我們可以知道音視頻直播分成了兩條技術路線：一條是以音視頻會議為代表的實時互動直播；另一條是以娛樂直播為代表的流媒體分發。

所謂實時互動直播，就是指以實時互動為目標的直播。其中1996年朱敏創建的WebEx公司應該是這個領域中影響最廣泛的一家公司。在20世紀90年代末就可實現多人實時互動聊天，可見它當時的技術有多么前沿。WebEx僅用四年時間就成功在美國上市，當時引起了不小的轟動。現在大家熟知的Zoom創始人袁征、聲網創始人趙斌都是WebEx的早期員工。

而娛樂直播是從2002年開始真正發展起來的，當時Adobe推出了基于RTMP的流媒體服務器FMS，它推動了媒體分發技術的廣泛應用。從FMS之后，各種流媒體服務器相繼上市，如Wowza、Red5、Nginx-Rtmp Module、SRS等。之后各大CDN廠商看到了這個巨大的市場，紛紛推出了各自的直播系統，從而形成了現在以阿里、騰訊為首，多家CDN并存的市場格局。

這兩種技術各有優缺點：互動直播主要解決人們遠程音視頻交流的問題，所以其優點是實時性強，時延一般低于500ms；而娛樂直播則主要解決音視頻的大規模分發問題，因此其在大規模分發上更具優勢，但實時性比較差，通常時延在3s以上。表1.1中給出了目前常見的幾種直播技術。

表1.1　直播技術

在表1.1中，只有WebRTC技術用于實時互動直播，而其他幾種技術都用于娛樂直播。實際上，最初娛樂直播也只有RTMP這一種方案可選，但后來由于蘋果宣布不再支持RTMP，并推出了自己的解決方案HLS，最終導致RTMP走向了消亡。HLS是基于HTTP的，它首先對媒體流（文件）進行切片，然后通過HTTP傳輸，接收端則需要將接收到的切片進行緩沖，之后才能將媒體流平穩地播放出來。基于上述機制，HLS在實時性方面比RTMP差很多，但使用它的好處也是顯而易見的（蘋果產品原生支持），而且娛樂直播本來也對實時性要求不高，因此這種方案被大家廣泛采納。隨著Adobe公司宣布不再維護RTMP，那些已經廣泛使用RTMP的公司不得不變更方案。然而，將RTMP換成HLS需要付出高昂的成本，于是有人提出了HTTP-FLV方案，即傳輸的內容仍然使用RTMP格式，但底層傳輸協議換成HTTP，這種方案既可以保障其實時性比HLS好，又可以節約升級的成本，因此也受到各方的歡迎。不過HTTP-FLV的擴展性比較差，因此它只是一種臨時方案。HLS方案雖然不錯（有大量的用戶使用），但其他公司也有類似的方案，這使得各直播廠商不得不寫多套代碼，費時費力。于是，FFMPEG推出了DASH方案，該方案與HLS類似，也是以切片的方式傳輸數據，最終該方案成為國際標準，從而使直播廠商只要寫一套代碼就可以實現切片傳輸了。