从零开发一款Android RTMP播放器

Posted 2021-12-23 涂程

1. 背景介绍

15年移动端直播应用火起来的时候，主要的直播协议是RTMP，多媒体服务以Adobe的AMS、wowza、Red5、crtmpserver、nginx rtmp module等，后面过长RTMP服务SRS开始流行。android端播放器主要以开始以EXOPlayer播放HLS，但是HLS有延迟高的确定，随后大家主要使用开源的ijkplyer，ijkplayer通过ffmpeg进行拉流及解码，支持多种音视频编码，还有跨平台，API与系统播放器保持一致等特征，后续各大厂提供的直播SDK均有ijkplayer身影。

当时在做一款游戏SDK，SDK主要提供了游戏画面声音采集、音视频编解码、直播推流、直播拉流播放等，SDK为游戏提供直播功能，播放也是采用了现成的ijkplayer播放器。但是SDK推广的时候遇到了问题，游戏厂家嫌弃SDK体积大（其实总共也就3Mb左右），我们需要一款体积小，性能高的播放器，由于开发成本的原因一直没有时间做，后面换工作期间，花了一个月时间把这款播放器开发出来，并开源了出来。oarplayer 是基于MediaCodec与srs-librtmp,完全不依赖ffmpeg，纯C语言实现的播放器。本文主要介绍这款播放器的实现思路。

2. 整体架构设计

播放器整体播放流程如下：

通过srs-librtmp拉取直播流，通过package type分离音视频流，将package数据缓存到package队列，解码线程不断从package队列读取package交由解码器解码，解码器将解码后的frame存储到frame队列，opensles播放线程与opengles渲染线程从frame队列读取frame播放与渲染，这里还涉及到音视频同步。

播放器主要涉及了以下线程：

1. rtmp拉流线程；
2. 音频解码线程；
3. 视频解码线程；
4. 音频播放线程；
5. 视频渲染线程；
6. JNI回调线程。

3. API接口设计

通过以下几步即可完成rtmp播放:

1. 实例化OARPlayer:OARPlayer player = new OARPlayer();
2. 设置视频源:player.setDataSource(rtmp_url);
3. 设置surface:player.setSurface(surfaceView.getHolder());
4. 开始播放:player.start();
5. 停止播放:player.stop();
6. 释放资源:player.release();

Java层方法封装了JNI层方法，JNI层封装调用了对应的具体功能。

4. rtmp拉流线程

oarplayer使用的是srs-librtmp，srs-librtmp是从SRS服务器导出的一个客户端库，作者提供srs-librtmp初衷是：

1. 觉得rtmpdump/librtmp的代码太难读了，而SRS的代码可读性很好；
2. 压测工具srs-bench是个客户端，需要一个客户端库；
3. 觉得服务器能搞好，客户端也不在话下

目前srs-librtmp作者已经停止维护，主要原因如作者所说：

决定开源项目正义的绝对不是技术多好，而是能跑多久。技术很牛，性能很强，代码风格很好，固然是个好事，但是这些都顶不上一个“不维护”的大罪过，代码放出来不维护，怎么跟进业内技术的不断发展呢。而决定能跑多久的，首先是技术热情，然后是维护者的领域背景。SRS的维护者都是服务器背景，大家的工作都是在服务器，客户端经验太少了，无法长久维护客户端的库。因此，SRS决定果断放弃srs-librtmp，不再维护客户端库，聚焦于服务器的快速迭代。客户端并非不重要，而是要交给专业的客户端的开源项目和朋友维护，比如FFmpeg也自己实现了librtmp。

oarplayer当初使用srs-librtmp是基于srs-librtmp代码的可读性考虑。oarplayer有相当高的模块化特性，可以很方便的替换各个rtmp lib实现。这里介绍srs-librtmp接口：

1. 创建srs_rtmp_t对象：srs_rtmp_create(url);
2. 设置读写超时时间：srs_rtmp_set_timeout;
3. 开始握手：srs_rtmp_handshake;
4. 开始连接：srs_rtmp_connect_app;
5. 设置播放模式：srs_rtmp_play_stream;
6. 循环读取音视频包：srs_rtmp_read_packet(rtmp, &type, &timestamp, &data, &size);
7. 解析音频包：
   1. 获取编码类型：srs_utils_flv_audio_sound_format;
   2. 获取音频采样率：srs_utils_flv_audio_sound_rate;
   3. 获取采样位深：srs_utils_flv_audio_sound_size;
   4. 获取声道数：srs_utils_flv_audio_sound_type;
   5. 获取音频包类型：srs_utils_flv_audio_aac_packet_type;
8. 解析视频包：
   1. 获取编码类型：srs_utils_flv_video_codec_id;
   2. 是否关键帧：srs_utils_flv_video_frame_type;
   3. 获取视频包类型：srs_utils_flv_video_avc_packet_type;
9. 解析metadata类型；
10. 销毁srs_rtmp_t对象：srs_rtmp_destroy;

这里有个小技巧，我们在拉流线程中，循环调用srs_rtmp_read_packet方法，可以通过srs_rtmp_set_timeout设置超时时间，但是如果超时时间设置的太短，会导致频繁的唤起线程，如果设置超时时间太长，我们在停止时，必须等待超时结束才会能真正结束。这里我们可以使用poll模型，将rtmp的tcp socket放入poll中，再放入一个管道fd，在需要停止时向管道写入一个指令，唤醒poll，直接停止rtmp拉流线程。

5. 主要数据结构

5.1 package结构：

typedef struct OARPacket 
    int size;//包大小
    PktType_e type;//包类型
    int64_t dts;//解码时间戳
    int64_t pts;//显示时间戳
    int isKeyframe;//是否关键帧
    struct OARPacket *next;//下一个包地址
    uint8_t data[0];//包数据内容
OARPacket;

5.2 package队列：

typedef struct oar_packet_queue 
    PktType_e media_type;//类型
    pthread_mutex_t *mutex;//线程锁
    pthread_cond_t *cond;//条件变量
    OARPacket *cachedPackets;//队列首地址
    OARPacket *lastPacket;//队列最后一个元素

    int count;//数量
    int total_bytes;//总字节数
    uint64_t max_duration;//最大时长

    void (*full_cb)(void *);//队列满回调

    void (*empty_cb)(void *);//队列为空回调

    void *cb_data;
 oar_packet_queue;

5.3 Frame类型

typedef struct OARFrame 
    int size;//帧大小
    PktType_e type;//帧类型
    int64_t dts;//解码时间戳
    int64_t pts;//显示时间戳
    int format;//格式（用于视频）
    int width;//宽（用于视频）
    int height;//高（用于视频）
    int64_t pkt_pos;
    int sample_rate;//采样率(用于音频)
    struct OARFrame *next;
    uint8_t data[0];
OARFrame;

5.4 Frame队列

typedef struct oar_frame_queue 
    pthread_mutex_t *mutex;
    pthread_cond_t *cond;
    OARFrame *cachedFrames;
    OARFrame *lastFrame;
    int count;//帧数量
    unsigned int size;
 oar_frame_queue;

6. 解码线程

我们的rtmp流拉取、解码、渲染、音频输出都在C层实现。在C层，Android 21之后系统提供了AMediaCodec接口，我们直接find_library(media-ndk mediandk),并引入<media/NdkMediaCodec.h>头文件即可。对于Android 21之前版本，可以在C层调用Java层的MediaCodec。下面分别介绍两种实现：

6.1 Java层代理解码

Java层MediaCodec解码使用步骤：

1. 创建解码器：codec = MediaCodec.createDecoderByType(codecName);
2. 配置解码器格式：codec.configure(format, null, null, 0);
3. 启动解码器：codec.start()
4. 获取解码输入缓存ID：dequeueInputBuffer
5. 获取解码输入缓存：getInputBuffer
6. 获取解码输出缓存：dequeueOutputBufferIndex
7. 释放输出缓存：releaseOutPutBuffer
8. 停止解码器：codec.stop();

Jni层封装对应的调用接口即可。

6.2 C层解码器使用

C层接口介绍：

1. 创建Format：AMediaFormat_new;
2. 创建解码器：AMediaCodec_createDecoderByType;
3. 配置解码参数：AMediaCodec_configure;
4. 启动解码器：AMediaCodec_start;
5. 输入音视频包：
   1. 获取输入buffer序列：AMediaCodec_dequeueInputBuffer
   2. 获取输入buffer：AMediaCodec_getInputBuffer
   3. 拷贝数据：memcpy
   4. 输入buffer放入解码器：AMediaCodec_queueInputBuffer
6. 获取解码后帧：
   1. 获取输出buffer序列：AMediaCodec_dequeueOutputBuffer
   2. 获取输出buffer：AMediaCodec_getOutputBuffer

我们发现不管是Java层还是C层的接口都是提供了类似的思路，其实他们最终调用的还是系统的解码框架。

这里我们可以根据系统版本来觉得使用Java层接口和C层接口，我们的oarplayer，主要的代码都是在C层实现，所以我们也有限使用C层接口。

7. 音频输出线程

音频输出我们使用opensl实现，之前文章介绍过Android音频架构，其实也可以使用AAudio或者Oboe。这里再简单介绍下opensl es的使用。

1. 创建引擎：slCreateEngine(&engineObject, 0, NULL, 0, NULL, NULL);
2. 实现引擎：(*engineObject)->Realize(engineObject, SL_BOOLEAN_FALSE);
3. 获取接口：(*engineObject)->GetInterface(engineObject, SL_IID_ENGINE, &engineEngine);
4. 创建输出混流器：(*engineEngine)->CreateOutputMix(engineEngine, &outputMixObject, 0, NULL, NULL);;
5. 实现混流器：(*outputMixObject)->Realize(outputMixObject, SL_BOOLEAN_FALSE);
6. 配置音频源：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. 创建播放器：(*engineEngine)->CreateAudioPlayer(engineEngine,&bqPlayerObject, &audiosrc, &audioSnk,2, ids, req);
9. 实现播放器：(*bqPlayerObject)->Realize(bqPlayerObject, SL_BOOLEAN_FALSE);
10. 获取播放接口：(*bqPlayerObject)->GetInterface(bqPlayerObject, SL_IID_PLAY, &bqPlayerPlay);
11. 获取缓冲区接口：(*bqPlayerObject)->GetInterface(bqPlayerObject, SL_IID_ANDROIDSIMPLEBUFFERQUEUE,&bqPlayerBufferQueue);
12. 注册缓存回调：(*bqPlayerBufferQueue)->RegisterCallback(bqPlayerBufferQueue, bqPlayerCallback, oar);
13. 获取音量调节器：(*bqPlayerObject)->GetInterface(bqPlayerObject, SL_IID_VOLUME, &bqPlayerVolume);
14. 缓存回调中不断的从音频帧队列读取数据，并写入缓存队列：(*bqPlayerBufferQueue)->Enqueue(bqPlayerBufferQueue, ctx->buffer,(SLuint32)ctx->frame_size);

上面就是音频播放的opensl es接口使用介绍。

8. 渲染线程

相比较于音频播放，视频渲染可能更复杂一些，除了opengl引擎创建，opengl线程创建，oarplayer使用的是基于音频的同步方式，所以在视频渲染时还需要考虑音视频同步问题。

8.1 OpenGL引擎创建

1. 生成buffer：glGenBuffers
2. 绑定buffer：glBindBuffer(GL_ARRAY_BUFFER, model->vbos[0])
3. 设置清屏色：glClearColor
4. 创建纹理对象：texture2D
5. 创建着色器对象：glCreateShader
6. 设置着色器源码：glShaderSource
7. 编译着色器源码：glCompileShader
8. 附着着色器：glAttachShader
9. 连接着色器：glLinkProgram

opengl与硬件交互还需要EGL环境，下面展示EGL初始化流程代码：

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 音视频同步

常见的音视频同步有三种：

1. 基于视频同步；
2. 基于音频同步；
3. 基于第三方时间戳同步。

这里我们使用基于音频帧同步的方法，渲染画面时，判断音频时间戳diff与视频画面渲染周期，如果大于周期，则等待，如果大于0小于周期，如果小于0则立马绘制。

下面展示渲染代码：

/**
 *
 * @param oar
 * @param frame
 * @return  0   draw
 *         -1   sleep 33ms  continue
 *         -2   break
 */
static inline int draw_video_frame(oarplayer *oar) 
    // 上一次可能没有画， 这种情况就不需要取新的了
    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. 总结

本文基于Android端的RTMP播放器实现过程，介绍了RTMP推拉流库、Android MediaCodec Java层与C层接口、OpenSL ES接口、OpenGL ES接口、EGL接口、以及音视频相关知识

推荐阅读：

Android 音视频开发核心知识点笔记整合