Webrtc播放H265的技术探索(datachannel+wasm)-编程知识

Webrtc播放H265的技术探索(datachannel+wasm)

news/2024/11/15 13:44:52/文章来源:https://www.cnblogs.com/feixiang-energy/p/18536950

　　通过这个帖子把我对通过webrtc方式播放H265视频的技术探索过程记录下来。虽然最终不一定能够形成产品进行实现，但觉得也是一个有意义的过程。很多事情不就是这样吗？~

-----------------------------

一。背景

　　1）由于Webrtc具有低延时、高稳定、浏览器原生支持等特点，目前使用webrtc进行视频播放已经是一个主流的方案；2）受限于专利许可、硬件支持、生态系统支持等限制，目前主流的浏览器并不将H265作为Webrtc的默认视频编解码器选项之一。3）由于H265编码相对于H264具有更高的视频压缩比和视频质量，当前现场的摄像机设备大多默认支持的是H265视频编码。

　　在尽量不修改现场摄像机配置的前提下，进行H265视频的播放可以通过如下几种解决方案：1）后端转码：服务器后台进行H265到H264的视频转码，将转码后的视频传输到前端使用webrtc进行播放。缺点：视频转码会使服务器后台消耗大量计算资源，难以承担多用户多视频流的同时播放。2）FLV播放器：使用能够播放H265视频的FLV前端播放器。缺点：a）FLV播放会有1~3秒延迟；b）浏览器端解码会消耗客户端资源，对客户电脑硬件有要求；3）改造webrtc支持H265视频播放。预研基于webrtc的datachannel数据通道传输H265视频到前端播放器，定制前端播放器解码H265视频进行播放。

　　方案1）具有可行性，但最好是通过给服务器搭配专用的GPU硬件转码芯片，否则纯CPU扛不住多路转码。

　　方案2）如果对视频播放的时延要求不高，可以使用，传统的也都是这样的。

　　方案3）是一个新的技术方向，市面上也有一些公司已经在使用了。

　　基于方案3）可以预见的缺点：a）技术难度较大，需要对webrtc协议的深度理解，需要改造zlm后端，需要改造webrtc播放器。b）通过前端播放器进行解码仍会存对客户电脑硬件有要求的缺点，不过现在客户的电脑配置已经越来越高了。

　　基于方案3）可以预见的优点：a）借助于webrtc协议底层udp、sctp、qos等优化技术，能够高效稳定的传输的H265视频流，视频播放整体延迟会比FLV要低。b）通过预研前端播放器视频解码方式，可以逐步适配wasm、webcodec等软硬件解码方案，能够最大程度发挥客户电脑的资源能力。通过前后端解码策略控制，寻找服务器端与客户端资源占用的最优解。

二。理论原理：

1.Datachannel介绍：

　　webrtc涉及到协议栈如下图所示，主要分为两类。左侧基于TCP部分webrtc前期建立的SDP交互信令传输。其它核心协议是基于右侧的UDP搭建起来的，其中ICE、STUN、TURN用于网络建立，DTLS是用于对传输内容进行加密，SRTP是对音频和视频数据进行RTP封装之后再进行加密传输，SCTP是用于UDP数据的加密可靠传输，RTCPeerConnection用来建立和维护端到端的音视频传输连接，DataChannel用来支持端到端的任意文本或二进制数据传输。

　　DataChannel的底层是基于UDP、DTLS、SCTP等技术实现。允许服务器与浏览器直接进行双向的、实时的数据传输。与音视频流不同，DataChannel主要用于传输任意类型的数据，如文本、文件、二进制数据等。可以用于文本聊天等即时通信，文件传输，游戏数据传输，实时协作控制、物联网数据传输等。由于DataChannel是基于UDP的并且可以传输任意类型的二进制数据，因此理论上也可以用于传输H265编码的视频数据，并且能够降低数据传输的延迟。并且SCTP协议封装了一些丢包重传、差错控制、数据加密等特性，可以保证视频数据稳定可靠的传输到浏览器端。因此在技术上是可以通过改造ZLM实现基于DataChannel数据通道传输H265视频的。

　　如果要实现基于webrtc的datachannel播放H265视频，至少有如下几个方面需要去改造实现：1）webrtc使用的是SDP媒体协商机制，由于当前浏览器端并不支持H265编码，因此需要在浏览器端或ZLM端在媒体协商的地方进行一些修改，能够协商出H265编码，否则后续流程无法进行。2）webrtc传输视频流底层是使用RTP进行封装的，即使使用DataChannel传输H265视频流，底层其实还是使用的RTP对视频流进行封装。在服务端应该能够判断出视频编码类型，并通过DataChannel通道传输RTP视频流。在浏览器端应该能够通过DataChannel通道获取到RTP视频流，对RTP包解封装获取到原始的H265视频帧。因此需要对RTP的封装和解封装进行掌握和了解。3）前端播放器解析出原始的H265视频帧之后，需要进行解码和渲染。经过调研，前端浏览器视频解码的技术有wasm、webcodec、mse等，视频画面渲染的技术有canvas、webgl等，因此需要对前端视频解码渲染进行掌握和了解。

2.RTP协议学习：

　　前期已经有过相关技术储备，只不过把视频编码改为H265即可，套路差不多：

　　https://www.cnblogs.com/feixiang-energy/p/18350369

　　https://www.cnblogs.com/feixiang-energy/p/18525281

3.WASM学习：

　　什么是WebAssembly？1）一种新型的代码，可以运行在 Web 浏览器，提供一些新特性并主要专注于高性能；2）主要不是用于写，而是 C/C++、C#、Rust 等语言编译的目标，所以你即使不知道如何编写 WebAssembly 代码也能利用它的优势；3）其他语言编写的代码也能以近似于原生速度运行，客户端 App 也能在 Web 上运行；4）在浏览器或 Node.js 中可以导入 WebAssembly 模块，JS 框架能够使用 WebAssembly 来获得巨大的性能优势和新的特性的同时在功能上易于使用。

　　WebAssembly与JS的关系？1）WebAssembly 是一种与 JavaScript 不同的语言，被设计为与 JS 互为补充并能协作，使得 Web 开发者能够重复利用两种语言的优点；2）JS 是高层次的语言，灵活且极具表现力，动态类型、不需要编译步骤，并且有强大的生态，非常易于编写 Web 应用；3）WebAssembly 是一种低层次、类汇编的语言，使用一种紧凑的二级制格式，能够以近乎原生的性能运行，并提供了低层次的内存模型，是 C++、Rust 等语言的编译目标，使得这类语言编写的代码能够在 Web 上运行（需要注意的是，WebAssembly 将在未来提供垃圾回收的内存模型等高层次的目标）。

　　如何移植C++应用？1）EMScripten 将 C/C++ 代码喂给 Clang 编译器（一个基于 LLVM 编译架构的 C/C++ 编译器），编译成 LLVM IR；2）EMScripten 将 LLVM IR 转换成 .wasm 的二进制字节码；3）WebAssembly 无法直接获取到 DOM，只能调用 JS，传入整形或浮点型的等原始数据类型，因此 WebAssembly 需要调用 JS 来获取 Web API 和调用，EMScripten 则通过创建了 HTML 文件和 JS 胶水代码来达到上述效果。

三。后端改造ZLM实现DataChannel推送H265视频流

1.ZLM开启DataChannel支持：

1）修改CMakeLists.txt文件，ENABLE_SCTP字段设置为ON。

2）安装libusrsctp库：

git clone  https://github.com/sctplab/usrsctp.git 
cd usrsctp
./bootstrap
make && sudo make install

3）重新编译ZLM，提示WebRTC datachannel功能已打开。

4）扩展ZLM,封装接口支持发送简单文本信息。a）ZLM的webRtcTransport.cpp类中封装了sendDataChannel函数。支持两种ppid。51：文本string；53：二进制。b）ZLM的webRtcTransportManager是一个webrtc连接的全局管理器，在其中增加根据app和stream查找连接的函数。c）ZLM的WebApi.cpp封装了HTTP接口调用，在其中增加发送datachannel的接口函数。

5）简单测试验证：前端播放器已经能够回调输出通过datachannel传输的文本数据。（其实这个功能也有很大的应用意义）

6）改造ZLM的SDP协商细节。核心逻辑在WebRtcTransport::getAnswerSdp和RtcConfigure::matchMedia中实现，主要是根据浏览器提供的offerSDP内容匹配当前MediaSource的音视频编码，协商出真正建立连接的媒体编码格式。由于浏览器offerSDP中不包含H265，因此当视频流为H265编码时，会匹配失败。

7）经过SDP交互媒体信息、ICE协商网络连接、DTLS秘钥握手等一系列操作之后。在WebRtcPlayer::onStartWebRTC函数中开始发送数据，在ZLM的代码架构中，webrtc播放和其他协议的播放差不多，都认为是一个Player，通过在MediaSource的视频环形缓存队列上注册Reader回调函数实现，当RTSP拉流端接收到新的RTP视频帧时，通过回调的方式进入到webrtc的发送方法。

8）修改WebRtcTransportImp::canSendRtp函数，先粗暴的不判断answerSDP中是否协商出发送通道，直接返回True。

9）修改webrtc发送视频帧的代码。判断当视频编码为H265时，不再使用SRTP的videoChannel媒体通道发送，而是使用DataChannel发送原始RTP帧。

10）ZLM通过datachannel发送H265测试验证。通过RTSP方式拉取一个H265的视频，通过Webrtc的方式进行播放。可以通过前端的consol日志查看，接收到了原始的H265视频帧。

四。WASM播放H265技术验证：

1）emsdk环境搭建，略。

2）编写简单Demo测试JS加载C++函数。略

3）找到一个开源项目：https://github.com/sonysuqin/WasmVideoPlayer

4）编译ffmpeg-wasm的过程：使用的是ffmpeg-4.4.4.tar.gz

编译选项配置：
emconfigure ./configure --cc="emcc" --cxx="em++" --ar="emar" --ranlib="emranlib" --objcc=emcc --dep-cc=emcc --prefix=../WasmVideoPlayer/dist --enable-cross-compile --target-os=none --arch=x86_32 --cpu=generic --enable-gpl --enable-version3 --disable-avdevice --disable-swresample --disable-postproc --disable-avfilter --disable-programs --disable-logging --disable-everything --enable-avformat --enable-decoder=hevc --enable-decoder=h264 --enable-decoder=aac --disable-ffplay --disable-ffprobe --disable-asm --disable-doc --disable-devices --disable-network --disable-hwaccels --disable-parsers --disable-bsfs --disable-debug --enable-protocol=file --enable-demuxer=mov --enable-demuxer=flv --disable-indevs --disable-outdevs------------------------
编译：
emcc make -j4 && make install------------------------
生成libffmpeg.wasm和libffmpeg.jsexport TOTAL_MEMORY=67108864
export EXPORTED_FUNCTIONS="[ \'_initDecoder', \'_uninitDecoder', \'_openDecoder', \'_closeDecoder', \'_sendData', \'_decodeOnePacket', \'_seekTo', \'_main','_malloc','_free'
]"

echo "Running Emscripten..."
emcc decoder.c dist/lib/libavformat.a dist/lib/libavcodec.a dist/lib/libavutil.a dist/lib/libswscale.a dist/lib/libswresample.a \-O3 \-I "dist/include" \-s WASM=1 \-s TOTAL_MEMORY=${TOTAL_MEMORY} \-s EXPORTED_FUNCTIONS="${EXPORTED_FUNCTIONS}" \-s EXTRA_EXPORTED_RUNTIME_METHODS="['addFunction']" \-s RESERVED_FUNCTION_POINTERS=14 \-s FORCE_FILESYSTEM=1 \-o libffmpeg.jsecho "Finished Build"