音視頻應用近年來呈現出迅猛的發展趨勢，成為互聯網流量的主要載體，其玩法豐富，形態多樣，眾多繁雜的媒體傳輸協議也應運而生。LiveVideoStackCon 2022北京站邀請到快手傳輸算法負責人周超，結合快手在媒體傳輸上的優化與實踐，基于快手KTP、KLP、LAS等協議和標準，為我們介紹了媒體傳輸協議的演進與面臨的挑戰；還分享了最新的媒體傳輸標準CMTP，探索未來更多可能。

-01-

音視頻大時代下媒體傳輸協議的繁華

本次分享會從媒體傳輸協議的現狀、快手在媒體傳輸協議優化上的實踐和對未來的展望三部分展開。

近幾年，音視頻技術發展迅速，疊加網絡、AI技術，音視頻已無處不在，應用場景涵蓋點播、直播、電商、實時互動、游戲、醫療和教育等多個方向。

從用戶體驗角度來看，音視頻應用都需要在延遲、流暢度和清晰度之間尋找一個平衡點，對應到網絡傳輸，本質就是需要在延遲、傳輸可靠性和帶寬利用率之間找到一個平衡點。

基于此，音視頻應用可以大致劃分為三大類，即泛VoD、泛RTC和泛Live。

泛VoD偏重于點播類應用，對延遲不敏感，更注重傳輸可靠性和帶寬利用率。泛RTC應用則對延遲非常敏感，在保證延時的前提下，才會追求傳輸的可靠性和帶寬利用率。泛Live應用介于兩者之間，對每個維度都有一定要求，并且不同的Live垂類場景，對三者（可靠性、延遲、帶寬利用率）之間的平衡關系也有一定差異。

從架構上來看，泛VoD可以大致分為四個步驟。視頻在采集和導入之后，疊加魔法表情等玩法，然后經過轉碼壓縮上傳到云端。在服務端進行審核和前處理等大量工作后，一般會進行二次轉碼，以進一步提高壓縮率并生成多個質量的副本。最后，由CDN分發給用戶，進行下載、解碼、渲染和播放。

在生產端，創作者能否快速成功的發布作品，將直接影響他們的創作熱情。

在消費側，用戶則更關注視頻的清晰度和流暢度，這兩個維度都需要可靠傳輸以及足夠高的帶寬利用率。提到可靠傳輸，最常見的就是HTTP協議和QUIC協議。此外，在消費側，為了應對海量用戶的差異性網絡，一般會采用多碼率自適應技術，例如DASH、HLS等。

泛Live應用架構與泛VoD較為類似。主播和觀眾都希望獲得低延遲、高清晰度和高流暢度的體驗。但直播流實時產生，對傳輸的平穩性要求較高，對帶寬利用率和延遲方面會做一定的妥協。例如，當網絡出現劇烈波動時，允許出現丟幀和丟包。業內直播主要采用RTMP協議，近年來也在嘗試QUIC協議，例如RTMP over QUIC的方案。在消費側，通常也會采用多碼率自適應技術。然而，常見的DASH和HLS技術，都是基于分片的架構，在直播場景中會帶來較大的延遲。目前，為了降低直播延遲，許多廠商也在嘗試基于WebRTC的快直播方案。

泛RTC場景的目標非常明確，就是要實現超低延遲的互動。在滿足低延遲的前提下，再提升清晰度和流暢度。目前使用最多的方案是WebRTC，很多公司也基于WebRTC進行了二次開發，形成自己的方案。

總體而言，每類應用場景目前都有各自比較成熟的協議，其穩定性高、各廠商支持好，但也存在靈活性差、跨層優化難和業務不感知等問題。

-02-

快手在媒體傳輸優化上的實踐

在快手的傳輸體系中，底層算法是最核心的部分，包括常見的擁塞算法、多碼率自適應算法、弱網對抗算法等等。在此基礎之上，我們設計了豐富的傳輸協議，例如KTP、LAS、AAS、KLP等。KTP是快手自研的第一個私有傳輸協議，用于直播推流、作品發布和RTC等業務場景；LAS是快手自研低延遲直播多碼率自適應協議，目前已形成行標，幾乎所有云廠商都支持；KLP是快手自研的直播拉流協議，用于提升直播拉流的傳輸效率；AAS是點播場景下的多碼率自適應協議，包含短視頻和長視頻場景。

KTP在設計之初，就希望一個協議能同時支持支持點播、直播和RTC等多個業務場景，解決協議繁多、維護和優化成本高的問題。在架構上，KTP總體分為兩層：底層是傳輸控制層，通過對協議的設計，支持在傳輸延時、可靠性和帶寬利用率之間取得動態平衡。在其之上是業務感知層，感知業務特性，根據不同業務的特征，采取最佳的策略與算法。

通過實際測試對比發現，在直播推流場景，KTP在60%丟包率時，依然可以保持清晰、流暢的推流體驗（左圖），而RTMP在15%丟包率時，會發生嚴重卡頓，處于不可用狀態（右圖）。

在作品發布場景上，基于KTP的通用上傳服務，已經用戶快手各個作品發布/文件傳輸的場景，并顯著提升了作品發布成功率，從最初的70%～80%提升到99%以上。此外，即便在用戶網絡越來越復雜、作品大小越來越大的情況下，其發布耗時也一直處于下降的狀態。

最后，在RTC場景，KTP支撐著快手內部所有的RTC業務，例如PK、連麥、會議、StreamLake等等。基于先進的算法與架構，基于KTP的RTC解決方案，在體驗和性能等多個維度上，都顯著領先競品。

此外，在2021年ACM Multimedia的低延遲傳輸挑戰賽中，快手也以巨大的優勢取得了第一名的好成績。

協議是橋梁，支撐各種功能與業務需求，但其傳輸性能主要取決于底層算法。例如網絡領域的核心算法之一的擁塞控制算法，在過去幾十年一直是研究的熱點與難點，直接影響著協議的傳輸性能、帶寬利用率、弱網抗性等。快手一直持續在算法領域深耕，例如自研的擁塞控制算法IA2C，性能遠超BBR；基于強化學習的NNCC，在帶寬利用率上取得新的突破；最近正在準備上線的下一代擁塞算法AQDC，在帶寬利用率和延遲上，均取得顯著收益。

KTP廣泛用于作品發布、直播推流和RTC等場景，并取得了很好的收益。但由于歷史原因，在下行鏈路上，KTP并未很好的做支持和優化。于是，在2020年，我們復用了KTP的底層傳輸控制，并在此基礎上，增加了適用于直播拉流特性的策略與算法，形成了KLP協議。KLP在海外上線的時候，取得了非常好的效果。

在消費側，為了應對用戶差異性的網絡特性，一般會采用多碼率自適應技術，來平衡流暢度和清晰度，例如國際標準DASH和HLS，其大致原理為將視頻文件轉碼成多個檔位，每個檔位進行分片處理，消費側依據實時網絡狀況選擇不同的分片，最終拼接成一個完整的視頻。這兩個標準成熟度高，但最初都是為點播設計，直接用于直播場景，會帶來較大的延遲。

在經過充分的調研和討論后，快手決定自己建立一套低延遲的直播多碼率標準，也就是LAS，目前LAS已經正式成為行標，也被業界廣泛采用，相關細節可參考官網介紹（https://las-tech.org.cn/#/）。

在點播多碼率上，我們同時考慮了短視頻和長視頻之間的差異，形成了快手點播多碼率自適應標準——AAS。在協議描述上，參考了MPD和DASH的設計，最核心的是快手自研究的多碼率算法，包括傳統基于模型的算法、基于深度學習的ABR等，這些算法在不同場景，均取得了非常好的效果。

此外，在2022年ACM Multimedia的短視頻傳輸挑戰賽中，快手也以巨大的優勢取得第一名的好成績。

目前，快手的網絡傳輸主要依托于自研的一系列協議，但仍存在一系列問題，例如下行場景覆蓋不足、業務耦合、生態封閉、無法賦能行業、三方CDN不能全場景支持等。

-03-

下一代媒體傳輸協議：CMTP

基于之前多個協議成功的經驗和算法積累，我們期望設計一套全新的協議CMTP，可適用于所有場景，并能解決覆蓋不足、生態封閉等問題。總體而言，CMTP具有以下四個特性：架構通用、全場景、高擴展性和特性豐富。

在架構上，CMTP分為五層：

UDP/TCP層：底層IO使用的網絡協議，默認采用UDP，UDP靈活性高，易擴展，可以支持多種算法與策略，對于UDP Block的情況，則采用TCP。

傳輸控制層：支持UDP和TCP兩種模式。基于UDP規范了協議字段、組包拆包方式、會話管理等，支持ARQ、FEC、擁塞控制、0-RTT、加密、多路復用等功能。基于TCP也規范了協議字段、組包拆包方式等，并支持加密、多路復用等功能。

傳輸表示層：規范了傳輸控制層所需要提供的接口和功能，包括媒體會話、媒體流的定義，以及媒體數據、控制信令的表示方式等，同時支持協議優選。

應用感知層：以組件化的方式組織，感知業務的不同需求，并通過對應的組件提供專屬優化功能，包含直播組件(Live)、點播組件(VoD)、實時通信組件(RTC)和通用組件。各個組件功能獨立，可插拔、替換或新增，從而保證其足夠強的擴展性、兼容性和業務適應性。

通用接口層：規范了對外的標準接口和配置，包括客戶端和服務端接口，元信息和通用配置的格式等。

目前CMTP已經在快手落地，也取得了顯著的收益。此外，很多廠商也已經支持CMTP，并與快手一起推進標準化。未來，希望有更多團隊加入我們，共同建設良好的CMTP生態。

審核編輯 ：李倩