7月16日，在亚太内容分发大会上，阿里云资深产品运营专家喻翔受邀出席并分享了基于CDN网络搭建超低时延直播的场景实践。以下为演讲原文。
近年来，直播逐渐进入大众视野。今年上半年受疫情影响，直播营销市场提速，企业不得不探索线上业务。传统上严重依赖线下场景的行业也通过直播自救。“直播+”已成趋势，不少商家利用直播平台与消费者互动，创造新的服务和商业模式。
在这个过程中，无论是旅游、餐饮还是传统消费，各行各业都将利用直播作为一种新的营销方式来触达最终消费者。不过，与原来的秀场直播不同，电商直播将面临更多挑战。如何做好直播互动环节，把观众和主播或者后台的管理者、运营商联系起来，非常重要。
延迟大大降低了直播的互动效果
从节目最初的直播到今天，整个直播环节已经基本规范。主播无论是离线使用PC还是手机，通过客户端在本地采集编码，推送到直播中心，再经过转码等媒体处理，通过云厂商CDN网络，然后通过实时RTMP。方案或使用FLV和HLS的方案最终交付给观众端。
这个过程是一个单向的过程，直接从主播到观众。过程中的交互，例如评论，是在音频和视频流之外的旁路中实现的。
很多观众希望和主播有进一步的互动，比如音视频互动，而时延成为了一个关键的制约因素。
现在我们都使用 RTMP 进行推流，而 RTMP、HLS 或 FLV 用于拉流观看。这三种协议的延迟效果是不同的。效果最好的是RTMP协议，由于各种原因，往往会造成3-5秒的延迟。这种体验对于直播来说可能是一场灾难。当主播介绍产品或特殊功能时，观众想要提问。当他问一个问题，而主播看到它时，来回需要10秒钟。这会严重扰乱主播的思维和其他观众的体验，甚至会降低成交率。
延迟究竟发生在哪里？
在标准化的直播过程中，我们通过分析整个环节的延迟因素来寻找优化方案。
从最初的环节来看，在采集、上游推送、CDN分发、下游拉取、解码和渲染等环节都有一定的延迟，而且比例不同。真正与延迟相关的部分，从开始CDN分发到拉流再到播放，才是真正影响观众体验的部分。根据我们对整条链路延迟原因的分析，RTMP是基于TCP的协议包，而防卡顿是造成延迟的主要原因。随着5G时代的到来，当视频分辨率上升到4K、8K时，高带宽需求可能会导致更大的延迟。假设现在的720P视频直播有3-5秒的延迟，4K和8K的延迟可能更大。
阿里云CDN团队分析了底层基础设施能力，包括目前主流的新协议，希望通过新技术栈的应用实现换道超车的作用。
阿里云对业界主流的WEBRTC、QUIC、SRT进行了多维度的技术预研和应用分析。
下图是各个协议的说明：
阿里云最终选择结合WEBRTC技术探索和实践低延迟直播，希望将用户带入低延迟时代。
如何进入低延迟直播时代？
如下图所示，视频直播的基础设施是覆盖全球的CDN基础设施和CDN智能调度系统。左边部分是技术的当前状态，右边部分是我们希望达到的效果。从通信协议到以上流媒体层面，做了一些改进，直接将TCP协议迁移到UDP。阿里云CDN希望将现有的RTMP、FLV、HLS协议转化为WEBRTC协议，更好的满足主播和观众互动的需求。
基于这样的架构，阿里云推出了实时流媒体（RTS）产品，这是一种低延迟的直播。现场直播。
阿里云作为视频云基础设施，可以为企业提供一整套端到端的直播解决方案。下图展示了整体架构：
一是完善推流和拉流SDK，满足云协议栈升级优化。
二是重用云基础设施能力。继续多路复用功能，例如编解码器、录制和实时视频过程中所需的其他功能。
三是与原有的普通直播相结合。该方案可以支持用户轻松将低时延直播与基础直播、互动直播、视频AI能力相结合。
基于此架构，阿里云CDN针对直播交互场景做了一些优化：
一是优化网络架构。CDN是边缘节点的一种形式，将阿里云的CDN网络从支持RTMP协议升级到WEBRTC，从传统流媒体协议升级到实时传输协议，实现了CDN网络部分的升级。
二是提供推流和两拉流的组合解决方案。该方案允许用户开放两种模式：一种是继续兼容之前的RTMP协议。二是直接开启WEBRTC的低延迟能力，用户不需要做很多工作，集成SDK即可享受该能力。优点是可以直接兼容现有的流媒体方式，尤其是专业设备。
第三，全链路低延迟监控工具。它可以实时监控网络链路并提供有针对性的优化解决方案，这对于保证直播体验至关重要。从整体效果来看，播放延迟基本缓冲在1秒左右，提升很大。
第四，开放协议信令。为了方便客户开发自己的流媒体播放器，阿里云CDN还开通了下行节点，支持WEBRTC协议从阿里云直播系统中拉取直播流。客户端允许用户独立控制并快速构建自己的业务表单。
阿里云低时延直播产品特点及应用案例
综上所述，阿里云CDN在现有网络的基础上进行了优化改进，针对整个低延迟直播场景具有以下六大特点：
首先，低延迟。具有毫秒级延迟，抗弱网络能力。经测试验证，同等冻结率下延迟降低80%；
二是无缝迁移。在不改变原有架构的情况下继续直播 RTMP 流，只需要更新终端上的 SDK；
第三，使用方便。功能丰富易用，直播、点播、转码、截图、录音、安全审计等多场景功能；
第四，大规模高并发。阿里云CDN优势在于全球2800+边缘节点，更贴近主播和观众技术qq网，可支持百万推流和千万并发拉流；
五、成熟稳重。真正可行的产品，经过电子商务业务的大规模在线测试，运营商级的QoS；
第六技术qq网，开放标准。开放WebRTC信令协议对接，客户端用户自主开发，自主可控。
于翔认为，虽然低延迟直播可能会带来成本的小幅提升，但好钢用在了边缘。尤其是在特定场景下，低延迟直播的价值将得到有效放大，如电商直播、教育直播、体育或拍卖直播等。
阿里云的低时延直播产品围绕电商和教育两大直播场景得到了很好的落地。
首先是淘宝直播。基于超低延迟直播产品，淘宝直播端到端延迟降低85%，卡顿率降低20%。更好的交互体验也相应提升了支付UV和GMV。二是疫情期间的在线教育课堂。在线教育平台上有一个场景。当 100 名学生在线观看，只有 3-4 名学生提问和互动时，如果纯粹使用 WEBRTC 技术，首先费用比较高，其次技术架构比较复杂。采用阿里云的低延迟直播产品后，上述问题都可以得到解决。在实现小部分学生流畅互动的同时，还向数百名学生在线直播互动课堂。
