Android 音视频缓存机制的系统性设计

Posted 2021-10-20 涂程

背景

在自媒体的时代，音视频播放 俨然已成为内容类型 APP 最基础的能力，对于 android 开发者而言，无论是 Google 开源的 ExoPlayer ，还是 Bilibili 开源的 ijkplayer ， 都是构建应用音视频播放能力时优秀的选择。

虽然上述的三方播放器都自带完善的缓存功能，但对于内容和形式都日新月异的一众互联网产品来说，想要打造完美契合自家产品的用户体验，播放器自身的缓存机制已逐渐无法满足需求。

最具代表性的产品是 抖音。 在播放短视频内容时，保证浏览、上下切换时 无缝链接 般丝滑的用户体验，可以说是重中之重的性能要求，而这对于传统的播放器缓存机制而言是远远满足不了要求的。

因此，构建自定义音视频缓存机制势在必行。

本文将针对 Android 音视频缓存解决方案中，先驱级别的 AndroidVideoCache 库进行深入的剖析，读者不应关注具体的代码细节，而应关注整体的设计思想及流程实现。

文章整体结构如下：

现有方案对比

1、文件整体缓存

这是最简单的缓存方案，即 先下再播 ，只有文件完整下载完毕，才能进行播放。

严格来说，在某些特殊的业务场景，这种方案简单、粗暴但却 有效 ，比如微信聊天中的小视频，经过限制时长以及高效的压缩算法，视频整体被压缩的非常小，对于 4G 早已覆盖的用户群体而言，加载、播放视频整个流程中几乎不受影响。

在其他下载成本略高的场景，诸如短视频、播放音乐，这种方案就不太适合，更不论电视剧、电影这类更重的应用场景了。

2、基于源码修改

第二个方案，是基于播放器源码进行修改，优势在于简洁直接，能够以较低开发成本满足业务需求，但缺点有二：

首先，当播放器为三方SDK时，源码修改成本变高，同时，当需要替换播放器SDK时，需针对缓存机制重新开发。

其次，缓存机制不可避免会涉及实际业务，这会提升业务层与底层播放能力之间的耦合。

3、音视频缓存代理方案

由此可见，我们更期望能够在 业务层 和 播放器层 之间搭建一个中间商，由这个新的角色 代理 与业务层的通信，然后 分发 与 执行 播放器层的音视频缓存任务。

4、更多优势

从长远来看，针对现有的架构设计，额外定义一个 缓存层 是很有必要的，这意味着容易实现和扩展 更多细节性的需求；比如同时针对多个音视频进行缓存、针对不同优先级缓存任务速度的限制策略等等，对于月活千万或上亿的头部应用而言，这些都是保证极致用户体验的必要实现。

整体设计

如何构建音视频缓存的代理？首先，我们需要了解 APP 音视频的常规缓存模式及其弊端：

如图所示，常规方式中，缓存相关逻辑是由播放器本身提供的，开发者仅需将视频地址的url交给播放器，播放器会自动进行加载播放。

这种方式下，想要自定义缓存就必须深入播放器源码，对于开源播放器而言，虽然源码上手成本较高，但至少是可针对源码进行定制，但对于部分非开源的播放器而言，开发者几乎无法直接触达内部缓存机制。

---

我们更希望，无论播放器本身是否开源，都能够在 不涉及理解和修改播放器源码 的情况下，完全控制音视频的缓存机制——我们先将这个中间角色称为 CacheService，整体流程如下：

如图所示，播放器层的播放和加载流程都委托给 CacheService，后者内部实现了包括文件下载、文件读写等一系列的相关逻辑，最终转交给播放器进行播放。

需要注意的是，由于 CacheService 完全是由我们自己定义的，因此我们也可以监听到音视频文件的整个缓存流程，并直接回调通知给最上层的 APP（上图中onCacheStart()等回调），且整个过程完全是 响应式 的。

读者应该理解，之所以 直接回调通知最上层 ，是有这个前提——我们希望整个缓存流程都不会涉及到播放器层的改动，比如 Android 系统的 MediaPlayer，我们无法也不应该修改它。

具体实现

1、逻辑冲突

设计的伊始谈到，为了保证解耦， 我们希望缓存机制 不能修改播放器源码 ，但 MediaPlayer 如何在不改源码的情况下，将自身的缓存加载逻辑交给我们的 CacheService 呢？

如下述代码中所展示的，这种实现似乎无法避免：

public class MyMediaPlayer extends MediaPlayer {

  public final CacheService mProxy;

  @Override
  public void setDataSource(String url) {
    // super.setDataSource(url);
    mProxy.setDataSource(url);
  }
}

必须承认，这也是一种与播放器的耦合，不能修改播放器源码 的设定似乎并不符合常理。

这里体现出了作者本身优秀的创造力，通过创建一个设备的本地代理服务 CacheService，在将视频资源的url交给播放器之前，先进行本地的一次转换，并将初始的url作为参数，拼接在本地代理的url上:

1.建立本地代理：比如 http://127.0.0.1:8090
2.拿到要缓存的视频地址，比如 https://xxx.mp4
3.拼接为新的地址：http://127.0.0.1:8090/https://xxx.mp4

拿到新的 url 并交给任意播放器后，播放器的加载都指向本地服务的新地址——即通过 Socket 连接建立的本地服务 CacheService，后者通过解析出请求中真正的 https://xxx.mp4 地址，创建对应的下载任务，并从下载的文件缓存中，读取 buffer 返回给播放器；同时，监控整个流程的 CacheService 响应式地回调过程中所有大大小小的事件。

经过这样设计，整个流程的调用变得非常简单：

public class MainActivity extends Activity {

  public final MediaPlayer mPlayer;

  @Override
  public void playVideo(String url) {
    final String proxyUrl = VideoUtils.getProxyUrl(url);
    // url = https://xxx.mp4
    // proxyUrl = http://127.0.0.1:8090/https://xxx.mp4
    mPlayer.setDataSource(proxyUrl);
  }
}

2、创建代理服务器

接下来，笔者通过伪代码的形式，简单阐述下创建本地代理连接的过程。

上文提到的本地服务 CacheService在创建时，会自动初始化一个本地代理服务器，配置ip和自动分配端口号，这之后，服务完成初步建立，并立即开启一个线程，等待接收客户端的后续连接。

// 实际类名 HttpProxyCacheServer.java
public final class CacheService {

  private CacheService(Config config) {
        // 初始化ip和端口号
        InetAddress inetAddress = InetAddress.getByName("127.0.0.1");
        this.serverSocket = new ServerSocket(0, 8, inetAddress);
        this.port = serverSocket.getLocalPort();
        // 开启新的线程，等待后续接收客户端的连接
        this.waitConnectionThread = new Thread(new WaitRequestsRunnable());
        this.waitConnectionThread.start();
    }
}

3、处理缓存请求

本地服务建立完毕，当用户尝试播放音视频时，播放器实际上访问类似 http://127.0.0.1:8009/https://xxx.mp4 的地址，这时我们的 CacheService 中接到了对应的消息。

针对每一次请求，我们都能解析到真实音视频文件的地址（https://xxx.mp4），为了提高复用性，我们声明一个HttpProxyCache类，为每一个音视频配置一个对应的 HttpProxyCache 以进行管理:

class HttpProxyCache extends ProxyCache {
    // 视频资源的url地址
    private final HttpUrlSource source;
    // 视频资源的本地文件信息
    private final FileCache cache;
}

实际上还不够，我们还需要针对每个音视频缓存过程的回调进行管理，因此，基于此再封装一层，使用 HttpProxyCacheServerClients 管理一个音视频资源：

final class HttpProxyCacheServerClients {
    private final String url;       // 视频资源url
    private volatile HttpProxyCache proxyCache;  // 缓存信息
    private final List<CacheListener> listeners = new CopyOnWriteArrayList<>(); // 缓存监听
}

简单概括一下，针对一次新的音视频资源加载，会构建一个新的 HttpProxyCacheServerClients，内部除了相关信息的成员，还包含了 HttpProxyCache 对象用于读取和加载缓存。

4、远程加载流程

抽象地看待音视频的源，分为 远程音视频资源 和 本地音视频资源，当不使用缓存时，必然会从远程进行下载，并不断将音视频的流通过 Socket 向播放器传输。

这里我们将 源 抽象为 Source:

public interface Source {

    // 建立打开资源
    void open(long offset) throws ProxyCacheException;

    // 获取音视频的长度
    long length() throws ProxyCacheException;

    // 不断读取音视频数据
    int read(byte[] buffer) throws ProxyCacheException;

    // 关闭释放资源
    void close() throws ProxyCacheException;
}

对于远程加载的完整流程，本质上就是建立、打开、读取和关闭一个远程连接 HttpURLConnection的过程，核心代码如下:

public class HttpUrlSource implements Source {
    @Override
    public void open(long offset){
      HttpURLConnection connection = openConnection(offset, -1);
    }

    @Override
    public int read(byte[] buffer){
      return inputStream.read(buffer, 0, buffer.length);
    }
    // ...
}

5、缓存加载流程

更多的时候，无论音视频资源是否已下载，我们都希望通过缓存统一加载管理：

1、文件已下载：直接读取本地文件，将数据通过Socket不断传回给播放器；

2、文件未下载：新建一个本地文件，并开启远程下载任务，下载过程中，数据流不断涌入本地文件，本地文件大小、下载进度的变更都会响应式通知上层；除此之外，新的音视频流数据会通过Socket不断传回给播放器，播放器也会不断的推进播放进度。

由此可见，无论文件是否下载，缓存流程都是围绕 本地缓存文件 进行的，这也符合软件开发中的 唯一可信源 的概念。

---

接下来笔者针对部分细节问题进行探讨。

6、自定义缓存策略

缓存所占用的空间往往会成为迫使用户卸载应用的最后一根稻草。

开发者不能无上限对音视频资源进行缓存，通常的维护手法是通过 限制空间大小，比如，用户通常可以接受视频类应用有 1G 左右的缓存空间，即时通信类应用也许会更大些。

因此我们的缓存库也需要提供这样的能力，可通过实现DiskUsage接口，实现不同的缓存策略。

// 缓存空间管理类
public interface DiskUsage {

    void touch(File file) throws IOException;

}

可以预设一些缓存策略供开发选择：

• TotalCountLruDiskUsage：限制缓存数量
• TotalSizeLruDiskUsage：限制缓存大小
• UnlimitedDiskUsage：没有缓存限制

对于这样的诉求，通用的解决方案仍然是经典的 LruCache，通过最近最少算法，缓存达到上限时，清理掉最久远的缓存文件。

7、缓存文件生成策略

类似的还有缓存文件的文件名生成策略，默认是使用的 MD5 方式生成 key，考虑到一些业务逻辑，我们也可以自定义一个 FileNameGenerator 来实现自己的策略:

public interface FileNameGenerator {

    String generate(String url);

}

展望 & 更多问题

看起来，目前 AndroidVideoCache 库已经非常全面——这也正是目前 GitHub 上源码中提供现有的全部功能。

实际上，对于市面上复杂的音视频产品而言，部分功能还有所欠缺，简单列举几条如下：

1、视频文件类型支持不够

针对体量较小的产品系统而言，针对 mp3、mp4 这种简单的音视频文件的缓存完全够用，但对于复杂庞大的系统，更多类型的音视频资源一旦涌入，现有实现变得捉襟见肘。

m3u8 格式视频的缓存是典型的场景，由于是切片的数据，因此需要特殊的处理方式，缓存需要考虑切片索引以及视频文件的拼接。

2、Seek功能的缓存支持

缓存加载流程 一节中，笔者针对 文件已下载 和 文件未下载 进行了简单的概括。

事实上，用户真实的交互非常复杂，Seek操作是一个典型的操作：当用户播放时长10分钟的视频时，当缓存预加载到第4分钟时，用户直接操作进度条，从第1分钟切到了第8分钟。

此时，由于缓存尚未预加载到指定的位置，而目前的实现仅仅对一个本地文件进行读和写的操作，因此我们不能直接在现有的缓存文件上（第4分钟）直接追加断裂的（第8分钟）数据。

因此现有实现的方式是，针对这种情况，直接结束缓存过程，直接加载远程数据——即切换到 远程加载流程，不再写入和读取本地缓存文件。

这就导致一个额外的后果，当用户下一次点击播放这个视频，本地的缓存文件中只有4分钟的缓存，用户依然要浪费相当一部分的流量。

3、多任务缓存 & 限速策略

文章开始我们说到，针对部分业务场景，产品需要提供 多任务同时缓存 的能力，依然以 抖音 为例，在播放第一个短视频时，同时针对后续的 1-3 条短视频进行 预加载 是完全有必要的。

除此之外，我们还需要针对不同类型的缓存任务设置不同的 缓存优先级，通过维护一个 任务队列，保证任务能够按需分配，按优先级及时执行。

最后，针对不同优先级的缓存任务，还需要分配不同的 限速策略，保证多个 多任务同时缓存 时，前台的视频不会被后台的任务影响，保证用户的视听体验。

阶段性小结

当然，即使 AndroidVideoCache 目前的实现还有一些不足，我们依然无法否定它在 Android 音视频缓存领域做出的巨大贡献。

换句话说，AndroidVideoCache 现有的实现已经为我们提供了通用性的解决方案，对于 小型项目完全可以直接使用；而对于大型项目，我们只需在现有的基础上，对自身业务进行补充，也完全可以达到 产品化 的目的。

同时，这种 建立本地代理服务 、 响应式的缓存机制 的思想是非常优秀的，即使是若干年后 Google 推出的 Jetpack Paging 分页组件，也隐约可以看到这种思想的影子，读者可仔细理解这种设计理念，并尝试应用到更多的业务架构设计上去。

最后分享一些 Android 音视频的学习文档给大家进行参考，里面不仅有音视频知识点，还有一些Android 开发相关的知识点。大家可以直接点击下方小卡片就课查看。