從零開發一款Android RTMP播放器

1. 背景介紹

15年移動端直播應用火起來的時候，主要的直播協議是RTMP，多媒體服務以Adobe的AMS、wowza、Red5、crtmpserver、nginx rtmp module等，后面過長RTMP服務SRS開始流行，Android端播放器主要以開始以EXOPlayer播放HLS，但是HLS有延遲高的確定，隨后大家主要使用開源的ijkplyer，ijkplayer通過ffmpeg進行拉流及解碼，支持多種音視頻編碼，還有跨平臺，API與系統播放器保持一致等特征，后續各大廠提供的直播SDK均有ijkplayer身影，

當時在做一款游戲SDK，SDK主要提供了游戲畫面聲音采集、音視頻編解碼、直播推流、直播拉流播放等，SDK為游戲提供直播功能，播放也是采用了現成的ijkplayer播放器，但是SDK推廣的時候遇到了問題，游戲廠家嫌棄SDK體積大（其實總共也就3Mb左右），我們需要一款體積小，性能高的播放器，由于開發成本的原因一直沒有時間做，后面換作業期間，花了一個月時間把這款播放器開發出來，并開源了出來，oarplayer 是基于MediaCodec與srs-librtmp,完全不依賴ffmpeg，純C語言實作的播放器，本文主要介紹這款播放器的實作思路，

2. 整體架構設計

播放器整體播放流程如下：

通過srs-librtmp拉取直播流，通過package type分離音視頻流，將package資料快取到package佇列，解碼執行緒不斷從package佇列讀取package交由解碼器解碼，解碼器將解碼后的frame存盤到frame佇列，opensles播放執行緒與opengles渲染執行緒從frame佇列讀取frame播放與渲染，這里還涉及到音視頻同步，

播放器主要涉及了以下執行緒：

1. rtmp拉流執行緒；
2. 音頻解碼執行緒；
3. 視頻解碼執行緒；
4. 音頻播放執行緒；
5. 視頻渲染執行緒；
6. JNI回呼執行緒，

3. API介面設計

通過以下幾步即可完成rtmp播放:

1. 實體化OARPlayer:OARPlayer player = new OARPlayer();
2. 設定視頻源:player.setDataSource(rtmp_url);
3. 設定surface:player.setSurface(surfaceView.getHolder());
4. 開始播放:player.start();
5. 停止播放:player.stop();
6. 釋放資源:player.release();

Java層方法封裝了JNI層方法，JNI層封裝呼叫了對應的具體功能，

4. rtmp拉流執行緒

oarplayer使用的是srs-librtmp，srs-librtmp是從SRS服務器匯出的一個客戶端庫，作者提供srs-librtmp初衷是：

1. 覺得rtmpdump/librtmp的代碼太難讀了，而SRS的代碼可讀性很好；
2. 壓測工具srs-bench是個客戶端，需要一個客戶端庫；
3. 覺得服務器能搞好，客戶端也不在話下

目前srs-librtmp作者已經停止維護，主要原因如作者所說：

決定開源專案正義的絕對不是技術多好，而是能跑多久，技術很牛，性能很強，代碼風格很好，固然是個好事，但是這些都頂不上一個“不維護”的大罪過，代碼放出來不維護，怎么跟進業內技術的不斷發展呢，而決定能跑多久的，首先是技術熱情，然后是維護者的領域背景，SRS的維護者都是服務器背景，大家的作業都是在服務器，客戶端經驗太少了，無法長久維護客戶端的庫，因此，SRS決定果斷放棄srs-librtmp，不再維護客戶端庫，聚焦于服務器的快速迭代，客戶端并非不重要，而是要交給專業的客戶端的開源專案和朋友維護，比如FFmpeg也自己實作了librtmp，

oarplayer當初使用srs-librtmp是基于srs-librtmp代碼的可讀性考慮，oarplayer有相當高的模塊化特性，可以很方便的替換各個rtmp lib實作，這里介紹srs-librtmp介面：

1. 創建srs_rtmp_t物件：srs_rtmp_create(url);
2. 設定讀寫超時時間：srs_rtmp_set_timeout;
3. 開始握手：srs_rtmp_handshake;
4. 開始連接：srs_rtmp_connect_app;
5. 設定播放模式：srs_rtmp_play_stream;
6. 回圈讀取音視頻包：srs_rtmp_read_packet(rtmp, &type, &timestamp, &data, &size);
7. 決議音頻包：
   1. 獲取編碼型別：srs_utils_flv_audio_sound_format;
   2. 獲取音頻采樣率：srs_utils_flv_audio_sound_rate;
   3. 獲取采樣位深：srs_utils_flv_audio_sound_size;
   4. 獲取聲道數：srs_utils_flv_audio_sound_type;
   5. 獲取音頻包型別：srs_utils_flv_audio_aac_packet_type;
8. 決議視頻包：
   1. 獲取編碼型別：srs_utils_flv_video_codec_id;
   2. 是否關鍵幀：srs_utils_flv_video_frame_type;
   3. 獲取視頻包型別：srs_utils_flv_video_avc_packet_type;
9. 決議metadata型別；
10. 銷毀srs_rtmp_t物件：srs_rtmp_destroy;

這里有個小技巧，我們在拉流執行緒中，回圈呼叫srs_rtmp_read_packet方法，可以通過srs_rtmp_set_timeout設定超時時間，但是如果超時時間設定的太短，會導致頻繁的喚起執行緒，如果設定超時時間太長，我們在停止時，必須等待超時結束才會能真正結束，這里我們可以使用poll模型，將rtmp的tcp socket放入poll中，再放入一個管道fd，在需要停止時向管道寫入一個指令，喚醒poll，直接停止rtmp拉流執行緒，

5. 主要資料結構

5.1 package結構：

typedef struct OARPacket {
    int size;//包大小
    PktType_e type;//包型別
    int64_t dts;//解碼時間戳
    int64_t pts;//顯示時間戳
    int isKeyframe;//是否關鍵幀
    struct OARPacket *next;//下一個包地址
    uint8_t data[0];//包資料內容
}OARPacket;

5.2 package佇列：

typedef struct oar_packet_queue {
    PktType_e media_type;//型別
    pthread_mutex_t *mutex;//執行緒鎖
    pthread_cond_t *cond;//條件變數
    OARPacket *cachedPackets;//佇列首地址
    OARPacket *lastPacket;//佇列最后一個元素

    int count;//數量
    int total_bytes;//總位元組數
    uint64_t max_duration;//最大時長

    void (*full_cb)(void *);//佇列滿回呼

    void (*empty_cb)(void *);//佇列為慷訓呼

    void *cb_data;
} oar_packet_queue;

5.3 Frame型別

typedef struct OARFrame {
    int size;//幀大小
    PktType_e type;//幀型別
    int64_t dts;//解碼時間戳
    int64_t pts;//顯示時間戳
    int format;//格式（用于視頻）
    int width;//寬（用于視頻）
    int height;//高（用于視頻）
    int64_t pkt_pos;
    int sample_rate;//采樣率(用于音頻)
    struct OARFrame *next;
    uint8_t data[0];
}OARFrame;

5.4 Frame佇列

typedef struct oar_frame_queue {
    pthread_mutex_t *mutex;
    pthread_cond_t *cond;
    OARFrame *cachedFrames;
    OARFrame *lastFrame;
    int count;//幀數量
    unsigned int size;
} oar_frame_queue;

6. 解碼執行緒

我們的rtmp流拉取、解碼、渲染、音頻輸出都在C層實作，在C層，Android 21之后系統提供了AMediaCodec介面，我們直接find_library(media-ndk mediandk),并引入<media/NdkMediaCodec.h>頭檔案即可，對于Android 21之前版本，可以在C層呼叫Java層的MediaCodec，下面分別介紹兩種實作：

6.1 Java層代理解碼

Java層MediaCodec解碼使用步驟：

1. 創建解碼器：codec = MediaCodec.createDecoderByType(codecName);
2. 配置解碼器格式：codec.configure(format, null, null, 0);
3. 啟動解碼器：codec.start()
4. 獲取解碼輸入快取ID：dequeueInputBuffer
5. 獲取解碼輸入快取：getInputBuffer
6. 獲取解碼輸出快取：dequeueOutputBufferIndex
7. 釋放輸出快取：releaseOutPutBuffer
8. 停止解碼器：codec.stop();

Jni層封裝對應的呼叫介面即可，

6.2 C層解碼器使用

C層介面介紹：

1. 創建Format：AMediaFormat_new;
2. 創建解碼器：AMediaCodec_createDecoderByType;
3. 配置解碼引數：AMediaCodec_configure;
4. 啟動解碼器：AMediaCodec_start;
5. 輸入音視頻包：
   1. 獲取輸入buffer序列：AMediaCodec_dequeueInputBuffer
   2. 獲取輸入buffer：AMediaCodec_getInputBuffer
   3. 拷貝資料：memcpy
   4. 輸入buffer放入解碼器：AMediaCodec_queueInputBuffer
6. 獲取解碼后幀：
   1. 獲取輸出buffer序列：AMediaCodec_dequeueOutputBuffer
   2. 獲取輸出buffer：AMediaCodec_getOutputBuffer

我們發現不管是Java層還是C層的介面都是提供了類似的思路，其實他們最終呼叫的還是系統的解碼框架，

這里我們可以根據系統版本來覺得使用Java層介面和C層介面，我們的oarplayer，主要的代碼都是在C層實作，所以我們也有限使用C層介面，

7. 音頻輸出執行緒

音頻輸出我們使用opensl實作，之前文章介紹過Android音頻架構，其實也可以使用AAudio或者Oboe，這里再簡單介紹下opensl es的使用，

1. 創建引擎：slCreateEngine(&engineObject, 0, NULL, 0, NULL, NULL);
2. 實作引擎：(*engineObject)->Realize(engineObject, SL_BOOLEAN_FALSE);
3. 獲取介面：(*engineObject)->GetInterface(engineObject, SL_IID_ENGINE, &engineEngine);
4. 創建輸出混流器：(*engineEngine)->CreateOutputMix(engineEngine, &outputMixObject, 0, NULL, NULL);;
5. 實作混流器：(*outputMixObject)->Realize(outputMixObject, SL_BOOLEAN_FALSE);
6. 配置音頻源：SLDataLocator_AndroidSimpleBufferQueue loc_bufq = {SL_DATALOCATOR_ANDROIDSIMPLEBUFFERQUEUE, 2};
7. 配置Format：SLDataFormat_PCM format_pcm = {SL_DATAFORMAT_PCM, channel, SL_SAMPLINGRATE_44_1,SL_PCMSAMPLEFORMAT_FIXED_16, SL_PCMSAMPLEFORMAT_FIXED_16,SL_SPEAKER_FRONT_LEFT | SL_SPEAKER_FRONT_RIGHT, SL_BYTEORDER_LITTLEENDIAN};
8. 創建播放器：(*engineEngine)->CreateAudioPlayer(engineEngine,&bqPlayerObject, &audioSrc, &audioSnk,2, ids, req);
9. 實作播放器：(*bqPlayerObject)->Realize(bqPlayerObject, SL_BOOLEAN_FALSE);
10. 獲取播放介面：(*bqPlayerObject)->GetInterface(bqPlayerObject, SL_IID_PLAY, &bqPlayerPlay);
11. 獲取緩沖區介面：(*bqPlayerObject)->GetInterface(bqPlayerObject, SL_IID_ANDROIDSIMPLEBUFFERQUEUE,&bqPlayerBufferQueue);
12. 注冊快取回呼：(*bqPlayerBufferQueue)->RegisterCallback(bqPlayerBufferQueue, bqPlayerCallback, oar);
13. 獲取音量調節器：(*bqPlayerObject)->GetInterface(bqPlayerObject, SL_IID_VOLUME, &bqPlayerVolume);
14. 快取回呼中不斷的從音頻幀佇列讀取資料，并寫入快取佇列：(*bqPlayerBufferQueue)->Enqueue(bqPlayerBufferQueue, ctx->buffer,(SLuint32)ctx->frame_size);

上面就是音頻播放的opensl es介面使用介紹，

8. 渲染執行緒

相比較于音頻播放，視頻渲染可能更復雜一些，除了opengl引擎創建，opengl執行緒創建，oarplayer使用的是基于音頻的同步方式，所以在視頻渲染時還需要考慮音視頻同步問題，

8.1 OpenGL引擎創建

1. 生成buffer：glGenBuffers
2. 系結buffer：glBindBuffer(GL_ARRAY_BUFFER, model->vbos[0])
3. 設定清屏色：glClearColor
4. 創建紋理物件：texture2D
5. 創建著色器物件：glCreateShader
6. 設定著色器原始碼：glShaderSource
7. 編譯著色器原始碼：glCompileShader
8. 附著著色器：glAttachShader
9. 連接著色器：glLinkProgram

opengl與硬體互動還需要EGL環境，下面展示EGL初始化流程代碼：

static void init_egl(oarplayer * oar){
    oar_video_render_context *ctx = oar->video_render_ctx;
    const EGLint attribs[] = {EGL_SURFACE_TYPE, EGL_WINDOW_BIT, EGL_RENDERABLE_TYPE,
                              EGL_OPENGL_ES2_BIT, EGL_BLUE_SIZE, 8, EGL_GREEN_SIZE, 8, EGL_RED_SIZE,
                              8, EGL_ALPHA_SIZE, 8, EGL_DEPTH_SIZE, 0, EGL_STENCIL_SIZE, 0,
                              EGL_NONE};
    EGLint numConfigs;
    ctx->display = eglGetDisplay(EGL_DEFAULT_DISPLAY);
    EGLint majorVersion, minorVersion;
    eglInitialize(ctx->display, &majorVersion, &minorVersion);
    eglChooseConfig(ctx->display, attribs, &ctx->config, 1, &numConfigs);
    ctx->surface = eglCreateWindowSurface(ctx->display, ctx->config, ctx->window, NULL);
    EGLint attrs[] = {EGL_CONTEXT_CLIENT_VERSION, 2, EGL_NONE};
    ctx->context = eglCreateContext(ctx->display, ctx->config, NULL, attrs);
    EGLint err = eglGetError();
    if (err != EGL_SUCCESS) {
        LOGE("egl error");
    }
    if (eglMakeCurrent(ctx->display, ctx->surface, ctx->surface, ctx->context) == EGL_FALSE) {
        LOGE("------EGL-FALSE");
    }
    eglQuerySurface(ctx->display, ctx->surface, EGL_WIDTH, &ctx->width);
    eglQuerySurface(ctx->display, ctx->surface, EGL_HEIGHT, &ctx->height);
    initTexture(oar);

    oar_java_class * jc = oar->jc;
    JNIEnv * jniEnv = oar->video_render_ctx->jniEnv;
    jobject surface_texture = (*jniEnv)->CallStaticObjectMethod(jniEnv, jc->SurfaceTextureBridge, jc->texture_getSurface, ctx->texture[3]);
    ctx->texture_window = ANativeWindow_fromSurface(jniEnv, surface_texture);

}

8.2 音視頻同步

常見的音視頻同步有三種：

1. 基于視頻同步；
2. 基于音頻同步；
3. 基于第三方時間戳同步，

這里我們使用基于音頻幀同步的方法，渲染畫面時，判斷音頻時間戳diff與視頻畫面渲染周期，如果大于周期，則等待，如果大于0小于周期，如果小于0則立馬繪制，

下面展示渲染代碼：

/**
 *
 * @param oar
 * @param frame
 * @return  0   draw
 *         -1   sleep 33ms  continue
 *         -2   break
 */
static inline int draw_video_frame(oarplayer *oar) {
    // 上一次可能沒有畫， 這種情況就不需要取新的了
    if (oar->video_frame == NULL) {
        oar->video_frame = oar_frame_queue_get(oar->video_frame_queue);
    }
    // buffer empty  ==> sleep 10ms , return 0
    // eos           ==> return -2
    if (oar->video_frame == NULL) {
        _LOGD("video_frame is null...");
        usleep(BUFFER_EMPTY_SLEEP_US);
        return 0;

    }
    int64_t time_stamp = oar->video_frame->pts;

    int64_t diff = 0;
    if(oar->metadata->has_audio){
        diff = time_stamp - (oar->audio_clock->pts + oar->audio_player_ctx->get_delta_time(oar->audio_player_ctx));
    }else{
        diff = time_stamp - oar_clock_get(oar->video_clock);
    }
    _LOGD("time_stamp:%lld, clock:%lld, diff:%lld",time_stamp , oar_clock_get(oar->video_clock), diff);
    oar_model *model = oar->video_render_ctx->model;

    // diff >= 33ms if draw_mode == wait_frame return -1
    //              if draw_mode == fixed_frequency draw previous frame ,return 0
    // diff > 0 && diff < 33ms  sleep(diff) draw return 0
    // diff <= 0  draw return 0
    if (diff >= WAIT_FRAME_SLEEP_US) {
        if (oar->video_render_ctx->draw_mode == wait_frame) {
            return -1;
        } else {
            draw_now(oar->video_render_ctx);
            return 0;
        }
    } else {
        // if diff > WAIT_FRAME_SLEEP_US   then  use previous frame
        // else  use current frame   and  release frame
//        LOGI("start draw...");
        pthread_mutex_lock(oar->video_render_ctx->lock);
        model->update_frame(model, oar->video_frame);
        pthread_mutex_unlock(oar->video_render_ctx->lock);
        oar_player_release_video_frame(oar, oar->video_frame);

        JNIEnv * jniEnv = oar->video_render_ctx->jniEnv;
        (*jniEnv)->CallStaticVoidMethod(jniEnv, oar->jc->SurfaceTextureBridge, oar->jc->texture_updateTexImage);
        jfloatArray texture_matrix_array = (*jniEnv)->CallStaticObjectMethod(jniEnv, oar->jc->SurfaceTextureBridge, oar->jc->texture_getTransformMatrix);
        (*jniEnv)->GetFloatArrayRegion(jniEnv, texture_matrix_array, 0, 16, model->texture_matrix);
        (*jniEnv)->DeleteLocalRef(jniEnv, texture_matrix_array);

        if (diff > 0) usleep((useconds_t) diff);
        draw_now(oar->video_render_ctx);
        oar_clock_set(oar->video_clock, time_stamp);
        return 0;
    }
}

9. 總結

本文基于Android端的RTMP播放器實作程序，介紹了RTMP推拉流庫、Android MediaCodec Java層與C層介面、OpenSL ES介面、OpenGL ES介面、EGL介面、以及音視頻相關知識

推薦閱讀：

Android 音視頻開發核心知識點筆記整合