WebSocket+MSE——HTML5 直播技術解析

作者 | 劉博（又拍云多媒體開發工程師）

當前為了滿足比較火熱的移動 Web 端直播需求，一系列的 HTML5 直播技術迅速的發展起來。

常見的可用于 HTML5 的直播技術有 HLS、WebSocket 與 WebRTC。今天我向大家介紹WebSocket 與 MSE 相關的技術要點，并在最后通過一個實例來展示具體用法。

文章大綱

• WebSocket 協議介紹

• WebSocket Client/Server API介紹

• MSE 介紹

• fMP4 介紹

• Demo 展示

WebSocket

通常的 Web 應用都是圍繞著 HTTP 的請求/響應模型構建的。所有的 HTTP 通信都通過客戶端來控制，由客戶端向服務器發出一個請求，服務器接收和處理完畢后再返回結果給客戶端，客戶端將數據展現出來。由于這種模式不能滿足實時應用需求，于是出現了 SSE、Comet 等 "服務器推" 的長連接技術。

WebSocket 是基于 TCP 連接之上的通信協議，可以在單個 TCP 連接上進行全雙工的通信。WebSocket 在 2011 年被 IETF 定為標準 RFC 6455，并被 RFC 7936 補充規范，WebSocket API 被 W3C 定為標準。

WebSocket 是獨立地創建在 TCP 上的協議，HTTP 協議中的那些概念都和 WebSocket 沒有關聯，唯一關聯的是使用 HTTP 協議的 101 狀態碼進行協議切換時，使用的 TCP 端口是 80，可以繞過大多數防火墻的限制。

WebSocket 握手

為了更方便地部署新協議，HTTP/1.1 引入了 Upgrade 機制，使得客戶端和服務端之間可以借助已有的HTTP語法升級到其它協議。這個機制在 RFC7230 的 6.7 Upgrade 一節中有詳細描述。

要發起 HTTP/1.1 協議升級，客戶端必須在請求頭部中指定這兩個字段 ▽

> Connection: Upgrade  Upgrade: protocol-name[/protocol-version]

> HTTP/1.1 101 Switching Protocols  Connection: upgrade  Upgrade: protocol-name[/protocol-version]  [... data defined by new protocol ...]

WebSocket 握手就利用了這種 HTTP Upgrade 機制。一旦握手完成，后續數據傳輸直接在 TCP 上完成。

WebSocket JavaScript API

目前主流的瀏覽器提供了 WebSocket 的 API 接口，可以發送消息（文本或者二進制）給服務器，并且接收事件驅動的響應數據。

Step1. 檢查瀏覽器是否支持 WebSocket

> if(window.WebSocket) {      // WebSocket代碼  }

> var ws = new WebSocket('ws://localhost:8327');

分別注冊 WebSocket 對象的 onopen、onclose、onerror 以及 onmessage 回調函數。

通過ws.send()來進行發送數據，這里不僅可以發送字符串，也可以發送 Blob 或 ArrayBuffer 類型的數據。

如果接收的是二進制數據，需要將連接對象的格式設為 blob 或 arraybuffer。

ws.binaryType = 'arraybuffer';

服務器端 WebSocket 庫我推薦使用 Google 自己的 http://golang.org/x/net/websocket，可以非常方便的與 net/http 一起使用。也可以將 WebSocket 的 handler function 通過 websocket.Handler轉換成 http.Handler，這樣就可以跟 net/http 庫一起使用了。

然后通過 websocket.Message.Receive 來接收數據，通過 websocket.Message.Send 來發送數據。

具體代碼可以看下面的 Demo 部分。

MSE

在介紹 MSE 之前，我們先看看 HTML5<audio>和<video> 有哪些限制。

HTML5<audio> 和 <video> 標簽的限制

• 不支持流

• 不支持 DRM 和加密

• 很難自定義控制, 以及保持跨瀏覽器的一致性

• 編解碼和封裝在不同瀏覽器支持不同

MSE 是解決 HTML5 的流問題。

Media Source Extensions（MSE）是 Chrome、Safari、Edge 等主流瀏覽器支持的一個新的Web API。MSE 是一個 W3C 標準，允許 JavaScript 動態構建 <video> 和 <audio> 的媒體流。它定義了對象，允許 JavaScript 傳輸媒體流片段到一個 HTMLMediaElement。

通過使用 MSE，你可以動態地修改媒體流而不需要任何插件。這讓前端JavaScript可以做更多的事情—— 在 JavaScript 進行轉封裝、處理，甚至轉碼。

雖然 MSE 不能讓流直接傳輸到 media tags 上，但是 MSE 提供了構建跨瀏覽器播放器的核心技術，讓瀏覽器通過JavaScript API來推音視頻到 media tags 上。

Browser Support

通過 caniuse 來檢查是否瀏覽器支持情況。

通過 MediaSource.isTypeSupported() 可以進一步地檢查 codec MIME 類型是否支持。

fMP4

比較常用的視頻封裝格式有 WebM 和 fMP4。

WebM 和 WebP 是兩個姊妹項目，都是由 Google 贊助的。由于 WebM 是基于 Matroska 的容器格式，天生是流式的，很適合用在流媒體領域里。

下面著重介紹一下 fMP4 格式。

我們都知道 MP4 是由一系列的 Boxes 組成的。普通的 MP4 的是嵌套結構的，客戶端必須要從頭加載一個 MP4 文件，才能夠完整播放，不能從中間一段開始播放。

而 fMP4 由一系列的片段組成，如果服務器支持 byte-range 請求，那么，這些片段可以獨立的進行請求到客戶端進行播放，而不需要加載整個文件。

為了更加形象的說明這一點，下面我介紹幾個常用的分析 MP4 文件的工具。

gpac，原名 mp4box，是一個媒體開發框架，在其源碼下有大量的媒體分析工具，可以使用testapps；

• mp4box.js，是 mp4box 的 Javascript 版本；

• bento4，一個專門用于 MP4 的分析工具；

• mp4parser，在線 MP4 文件分析工具。

fragment mp4 VS non-fragment mp4

下面是一個 fragment mp4 文件通過 mp4parser（Online MPEG4 Parser ）分析后的截圖 ▽

下面是一個 non-fragment mp4 文件通過 mp4parser 分析后的截圖 ▽

我們可以看到 non-fragment mp4 的最頂層 box 類型非常少，而 fragment mp4 是由一段一段的 moof+mdat 組成的，它們已經包含了足夠的 metadata 信息與數據, 可以直接 seek 到這個位置開始播放。也就是說 fMP4 是一個流式的封裝格式，這樣更適合在網絡中進行流式傳輸，而不需要依賴文件頭的metadata。

Apple在WWDC 2016 大會上宣布會在 iOS 10、tvOS、macO S的 HLS 中支持 fMP4，可見fMP4 的前景非常的好。

值得一提的是，fMP4、CMAF、ISOBMFF 其實都是類似的東西。

MSE JavaScript API

從高層次上看，MSE 提供了

• 一套 JavaScript API 來構建 media streams

• 一個拼接和緩存模型

• 識別一些 byte 流類型

• WebM

• ISO Base Media File Format

• MPEG-2 Transport Streams

MSE 內部結構

MSE 本身的設計是不依賴任務特定的編解碼和容器格式的，但是不同的瀏覽器支持程度是不一樣的。

可以通過傳遞一個 MIME 類型的字符串到靜態方法：

> MediaSource.isTypeSupported來檢查。比如 ▽  MediaSource.isTypeSupported('audio/mp3'); // false  MediaSource.isTypeSupported('video/mp4'); // true  MediaSource.isTypeSupported('video/mp4; codecs="avc1.4D4028, mp4a.40.2"'); // true

獲取 Codec MIME string 的方法可以通過在線的 [mp4info](http://nickdesaulniers.github.io/mp4info)，或者使用命令行 mp4info test.mp4 | grep Codecs，可以得到類似如下結果 ▽

> mp4info fmp4.mp4| grep Codec      Codecs String: mp4a.40.2      Codecs String: avc1.42E01E

普通的 MP4 文件是不能和 MSE 一起使用的, 需要將 MP4 進行 fragment 化。

檢查一個 MP4 是否已經 fragment 的方法 ▽

> mp4dump test.mp4 | grep "[m"

> mp4dump nfmp4.mp4 | grep "[m"  [mdat] size=8+50873  [moov] size=8+7804    [mvhd] size=12+96      [mdia] size=8+3335        [mdhd] size=12+20        [minf] size=8+3250      [mdia] size=8+3975        [mdhd] size=12+20        [minf] size=8+3890              [mp4a] size=8+82      [meta] size=12+78

如果已經 fragment，會顯示如下的類似信息 ▽

>  mp4dump fmp4.mp4 | grep "[m" | head -n 30  [moov] size=8+1871    [mvhd] size=12+96      [mdia] size=8+312        [mdhd] size=12+20        [minf] size=8+219              [mp4a] size=8+67      [mdia] size=8+371        [mdhd] size=12+20        [minf] size=8+278      [mdia] size=8+248        [mdhd] size=12+20        [minf] size=8+156      [mdia] size=8+248        [mdhd] size=12+20        [minf] size=8+156    [mvex] size=8+144      [mehd] size=12+4  [moof] size=8+600    [mfhd] size=12+4  [mdat] size=8+138679  [moof] size=8+536    [mfhd] size=12+4  [mdat] size=8+24490  [moof] size=8+592    [mfhd] size=12+4  [mdat] size=8+14444  [moof] size=8+312    [mfhd] size=12+4  [mdat] size=8+1840  [moof] size=8+600

可以使用 FFmpeg 的 -movflags 來轉換。

對于原始文件為非 MP4 文件 ▽

> ffmpeg -i trailer_1080p.mov -c:v copy -c:a copy -movflags frag_keyframe+empty_moov bunny_fragmented.mp4

對于原始文件已經是 MP4 文件 ▽

> ffmpeg -i non_fragmented.mp4 -movflags frag_keyframe+empty_moov fragmented.mp4

> mp4fragment input.mp4 output.mp4

最后階段，展示兩個demo，分別是 MSE Vod Demo、MSE Live Demo

MSE Vod Demo

展示利用 MSE 和 WebSocket 實現一個點播服務

后端讀取一個 fMP4 文件，通過 WebSocket 發送給 MSE，進行播放

展示利用 MSE 和 WebSocket 實現一個直播服務

后端代理一條 HTTP-FLV 直播流，通過 WebSocket 發送給 MSE，進行播放

前端 MSE 部分做了很多工作, 包括將 flv 實時轉封裝成了 fMP4，這里引用了 videojs-flow 的實現

Refs

WebSocket

• rfc6455

• HTTP Upgrade

• WebSocket API

• MDN WebSocket

• videojs-flow

MSE

• W3C

• MDN MSE

• HTML5 Codec MIME

又拍直播云是基于又拍云內容分發網絡為直播應用提供超低延遲、高碼率、高并發的整套從推流端到播放端的一站式解決方案。包括實時轉碼，實時錄制，分發加速，水印，截圖，秒級禁播，延時直播等功能。直播源站支持自主源站或又拍云源，為支持用戶在不同終端播放，支持 RTMP、HLS、HTTP-flv 播放輸出。

詳情了解：https://www.upyun.com/products/live

推薦閱讀：

無連麥，不直播，都在說的直播利器連麥互動到底是啥？
技術干貨|移動直播六大關鍵技術詳解
又拍直播云SDK，自帶美顏、濾鏡、消噪、人聲增益等功能
又拍直播云功能處理篇：轉碼、錄制、視頻水印、視頻截圖
又拍直播云功能基礎篇：推流和拉流、多協議輸出、多訪問方式、回源端口自定義
又拍直播云功能高級篇：防盜鏈、秒級禁播、自動鑒黃、API接口