抖音实时直播技术揭秘：从RTMP到CDN，秒级延迟如何实现？

与传统的流媒体不同，实时直播的视频内容通过互联网近乎实时地传输，端到端延迟通常仅为几秒钟。
下图完整展示了这一流程中各个关键环节的协作方式：

1. 第 1 步：麦克风和摄像头采集原始视频数据，并将这些数据发送到服务器端。  
2. 第 2 步：对视频数据进行压缩和编码。例如，压缩算法会分离背景与前景元素。压缩后，视频按照 H.264 等标准进行编码。经过这一步骤，视频的体积会显著缩小。  
3. 第 3 步：编码后的数据被切分成更小的片段，每段通常只有几秒钟，这样下载或直接播放时的等待时间就大大缩短了。  
4. 第 4 步：分割后的数据被推送到流媒体服务器。流媒体服务器必须能适应不同的设备和波动的网络状况，这就是所谓的“自适应比特率流”。也因此，我们需要在第 2 步和第 3 步中以不同比特率生成多份文件。  
5. 第 5 步：直播数据进一步推送到基于 CDN（内容分发网络）的边缘服务器上。CDN 能够显著降低数据传输的时延，让观众就近获取内容。  
6. 第 6 步：观众的设备对收到的数据进行解码和解压，并在视频播放器中呈现画面。  
7. 第 7 步和第 8 步：如果视频需要保存以便回放，编码后的数据会被同步发送到存储服务器，观众可以在直播结束后请求重放。

实时流媒体的标准协议

• RTMP（Real-Time Messaging Protocol）：最初由 Macromedia 开发，用于在 Flash 播放器和服务器之间传输数据，现在广泛应用于互联网视频流传输。需要注意的是，像 Skype 这类视频会议应用则会使用 RTC（实时通信）协议，以获得更低的延迟。  
• HLS（HTTP Live Streaming）：必须搭配 H.264 或 H.265 编码。苹果设备仅支持 HLS 格式。  
• DASH（Dynamic Adaptive Streaming over HTTP）：DASH 不兼容 Apple 设备。  
• HLS 和 DASH 都具备自适应比特率流的能力。

如果想进一步探讨系统设计的细节，欢迎到云栈社区与开发者们交流。