OGG流媒體文件格式探析論文

1、OGG流媒體文件格式探析論文摘要流媒體文件格式在流媒體系統(tǒng)中占有重要地位，設(shè) 計(jì)合理的文件格式是提高流媒體服務(wù)器工作效率最直接和 最有效的辦法。該文在剖析常用流媒體系統(tǒng)和文件格式的基 礎(chǔ)上，特別地對美國基金會(huì)的開源流媒體工程Ogg文件格式子項(xiàng)目做了深入的分析，指出Ogg格式對媒體編碼數(shù)據(jù)的存儲(chǔ)讀取和傳輸具有簡潔性，Ogg格式的映射與逆映射與媒體編碼數(shù)據(jù)具有相對獨(dú)立性，能夠有效提高流媒體服務(wù)器的工 作效率。關(guān)鍵詞流媒體；OGG文件格式；流服務(wù)器效率1引言流媒體是指在Internet/lntranet中使用流式傳輸技術(shù)的連續(xù)時(shí)基媒體，如音頻、視頻等多媒體文件。文件格式和傳輸 協(xié)議是流媒體應(yīng)用的主要

2、技術(shù)。從不同的角度看，流媒體數(shù) 據(jù)有三種格式：壓縮格式、文件格式、發(fā)布格式。其中壓縮 格式描述了流媒體文件中媒體數(shù)據(jù)的編碼、解碼方式；流媒 體文件格式是指服務(wù)器端待傳輸?shù)牧髅襟w組織形式，文件格 式為數(shù)據(jù)交換提供了標(biāo)準(zhǔn)化的方式；流媒體發(fā)布格式是一種 呈現(xiàn)給客戶端的媒體安排方式。本文所討論的格式是指第二 種：流媒體文件格式。特別地分析了一種開源流媒體文件格 式：Ogg。它是美國基金會(huì)開發(fā)的開源流媒體工程的一個(gè)子項(xiàng)目，它是應(yīng)其開源音/視頻媒體壓縮編碼格式Vorbis/Theora等的存儲(chǔ)與傳輸需要而設(shè)計(jì)的。本文在研究和分析已有流媒體系統(tǒng)的基礎(chǔ)上，結(jié)合在研 發(fā)新的流媒體系統(tǒng)中的經(jīng)驗(yàn)和教訓(xùn)，對流媒體文件

3、格式做系 統(tǒng)和深入的剖析，旨在深入理解流媒體系統(tǒng)和找到提高流媒 體系統(tǒng)工作效率的方法。2流媒體文件格式分析文件格式在流媒體系統(tǒng)中的重要性一個(gè)簡化的流媒體系統(tǒng)由流媒體服務(wù)器、客戶端和傳輸 網(wǎng)絡(luò)組成，流媒體系統(tǒng)的核心是流媒體服務(wù)器。隨著流媒體 技術(shù)研究的深入和流媒體應(yīng)用的擴(kuò)展，如何提高流媒體系統(tǒng) 的工作效率，主要指標(biāo)體現(xiàn)為如何提高服務(wù)器并發(fā)媒體流的 數(shù)量，這是一個(gè)被廣泛關(guān)注的課題。它取決于服務(wù)器處理每 個(gè)流的效率，決定了一個(gè)服務(wù)器能夠同時(shí)為多少客戶服務(wù)， 其成果不但具有理論價(jià)值，更具有極大的經(jīng)濟(jì)價(jià)值。圖1的圓圈內(nèi)標(biāo)出了影響流媒體系統(tǒng)性能的一些主要因 素。如果對其中每個(gè)因素仔細(xì)分析判斷，可以發(fā)現(xiàn)對于

4、一個(gè) 現(xiàn)有的流媒體服務(wù)器而言，能有效提高其效率的手段并不 多。例如：提升客戶端、服務(wù)器端的硬件配置，只能獲得性 能提高，工作效率沒有得到提高；實(shí)時(shí)傳輸、控制協(xié)議是人 們經(jīng)過多年的大量應(yīng)用實(shí)踐總結(jié)，由IETF因特網(wǎng)工程任務(wù)組確認(rèn)的媒體流傳輸共同標(biāo)準(zhǔn)，是必須遵守的標(biāo)準(zhǔn)，是無法 輕易改變的；節(jié)目源的質(zhì)量、壓縮方式等因素對于服務(wù)器而 言是不可預(yù)知或者是不可控制的。那么在這些客觀因素?zé)o法 改變的情況下，優(yōu)化流媒體文件格式為提高流媒體服務(wù)器的 工作效率提供了可能。流媒體文件格式能夠?qū)Ψ?wù)器的工作效率產(chǎn)生影響是由流服務(wù)器工作方式的特點(diǎn)決定的。流服務(wù)器的主要工作任 務(wù)是通過直播或點(diǎn)播的方式向用戶提供流媒體內(nèi)容

5、，它輸入 磁盤上存儲(chǔ)的流媒體文件，然后進(jìn)行實(shí)時(shí)傳輸協(xié)議圭寸裝后再 通過IP網(wǎng)絡(luò)輸出給客戶端。 簡言之，其工作流程為3步：讀 取、封裝、發(fā)送。由于每發(fā)送一個(gè)媒體流都需要啟動(dòng)一個(gè)流 程，并且所有流程都需要實(shí)時(shí)進(jìn)行，可見當(dāng)一個(gè)流服務(wù)器并 發(fā)幾千個(gè)流時(shí)，每個(gè)流程工作效率的細(xì)小區(qū)別都會(huì)對服務(wù)器 工作效率造成很大的影響。圖1簡化的流媒體系統(tǒng)結(jié)構(gòu)及其影響因素每個(gè)工作流程的輸入是流媒體文件，輸出是媒體數(shù)據(jù) 包。輸入、輸出數(shù)據(jù)的內(nèi)容是沒有改變的，都是多媒體壓縮 碼流，兩者之間只有格式的不同，所以從數(shù)據(jù)流角度來看， 服務(wù)器的主要工作其實(shí)是一個(gè)格式轉(zhuǎn)換的過程。由于媒體數(shù) 據(jù)包的格式是由傳輸協(xié)議事先確定的，那么流媒體

6、文件格式 是否能夠方便服務(wù)器讀取、封裝就決定了服務(wù)器的工作量。流媒體文件格式的分析與比較流媒體文件在流媒體系統(tǒng)中具有重要地位，文獻(xiàn)2分析 了具有代表性的 QuickTime 電影文件(mov)和 MicrosoftMediaServer的電影文件，對其文件格式和相關(guān)環(huán)節(jié) 做了深入剖析。發(fā)現(xiàn)這些文件格式對服務(wù)器工作效率存在如 下負(fù)面影響：(1) 磁盤控制器訪問吞吐量低。每次封裝一個(gè)媒體數(shù)據(jù)包需要讀取一幀數(shù)據(jù)，一般每幀大小為1K左右,每秒需要25幀, 這造成對磁盤頻繁訪問，吞吐量低。(2) 對于QuickTimeMov文件格式,媒體數(shù)據(jù)沒有經(jīng)過預(yù)處理,服務(wù)器每發(fā)一個(gè)包都需要從hint軌中獲得打包時(shí)

7、需要的相關(guān)參數(shù)，實(shí)時(shí)讀取媒體數(shù)據(jù)、封裝、發(fā)送，對CPU占用率很大。(3) 對于 MicrosoftAsf文件格式，媒體數(shù)據(jù)在 Packet中時(shí) 已經(jīng)是mms包的半成品，服務(wù)器節(jié)省了截取媒體流的時(shí)間 ，但 仍然需要服務(wù)器選擇媒體流來組織 mms包。并且,Packet中 的數(shù)據(jù)不全是需要發(fā)送的數(shù)據(jù) ，浪費(fèi)了內(nèi)存空間和磁盤 10時(shí) 間。文獻(xiàn)3提出了一種新的流媒體文件格式NMF,該格式具有如下基本結(jié)構(gòu)(如圖2所示)和特點(diǎn)：圖2NMF文件結(jié)構(gòu)NMF流媒體文件由頭文件和體文件構(gòu)成。頭文件主要包含文件描述、媒體描述、流描述等必要的信息；體文件包含 全部的媒體數(shù)據(jù)。一個(gè) NMF由一個(gè)頭文件和若干個(gè)體文件構(gòu)成,

8、同一媒體源不同的流（不同的傳輸協(xié)議或不同的碼速率）存放在不同的體文件中，此結(jié)構(gòu)用來實(shí)現(xiàn)多碼速率切換/智能流技術(shù)和兼容現(xiàn)有的流媒體播放器。頭文件和體文件的功能 劃分原則是：當(dāng)服務(wù)器和客戶建立連接時(shí)（在發(fā)送媒體數(shù)據(jù)之 前）,只需要從頭文件中讀數(shù)據(jù)；當(dāng)服務(wù)器和客戶建立連接后，只需要從文件體中讀取媒體數(shù)據(jù)。這樣,服務(wù)器中各個(gè)模塊間耦合減少，效率提高。由于頭文件和體文件的相對獨(dú)立，使文件具有很強(qiáng)的可擴(kuò)展性，并且使得利用硬件進(jìn)行封裝、發(fā)送也 成為可能。NMF的核心思想就是充分利用預(yù)處理過程，將原始媒體文件組織成方便服務(wù)器處理的格式，減少實(shí)時(shí)封裝和發(fā)送時(shí)的工作量，同時(shí)增加文件結(jié)構(gòu)的兼容性和可擴(kuò)展性，以提高流

9、服務(wù)器的工作效率，增加并發(fā)流數(shù)量。30gg文件格式結(jié)構(gòu)文件格式在流媒體系統(tǒng)中的重要性邏輯流以頁為單位組織鏈接成物理流，如圖3所示：圖3Ogg文件的組織形式圖3中的文件鏈接了兩個(gè)物理流， A、B和C三個(gè)邏輯 流組成一個(gè)物理流，邏輯流D單獨(dú)是一個(gè)物理流。一個(gè)物理 流中的所有邏輯流的 bos_page都必須在物理位置上相鄰， 如 圖3所示*A*、*B*、*C*三個(gè)bos_page的位置。bos： beginningofstream;eos: endofstream 映射到Ogg格式的媒體（如vorbis音頻,Theora視頻）有相關(guān)詳細(xì)定義，這些定義使得這些媒體之間有更具體的約束關(guān) 系。Ogg本身并

10、沒詳細(xì)說明多個(gè)并發(fā)媒體流之間的時(shí)間關(guān)系， 這需要并發(fā)媒體流在映射到Ogg格式的時(shí)刻來指定，通常他們之間的交錯(cuò)關(guān)系是按他們產(chǎn)生的時(shí)間先后順序來排列。頁結(jié)構(gòu)每個(gè)頁之間相互獨(dú)立，都包含了各自應(yīng)有的信息，頁的 大小是可變的，通常為4K - 8KB ,最大值不能超過 65307bytes。頁頭部格式如圖 4。頁頭部各字段域詳細(xì)說明參見文獻(xiàn)4:。capture_pattern:模式捕獲域，4個(gè)字節(jié),表示頁的開始， 其作用是分離 Ogg封裝格式還原媒體編碼時(shí)識(shí)別新頁的作 用，它包含了四個(gè)幻數(shù)：0x4f O 0x67 g 0x67 g stream_structure_version:1個(gè)字節(jié)，表示當(dāng)前 Og

11、g文件格式的版本，目前為0。圖4Ogg頁頭部結(jié)構(gòu)h eader_type_flag:頭部類型標(biāo)識(shí)，1個(gè)字節(jié)。標(biāo)識(shí)當(dāng)前頁具體類型。其設(shè)置分三種情況：*bit0x01若已設(shè)置，頁包含的媒體編碼數(shù)據(jù)于前一頁同 屬于一個(gè)邏輯流的同一packeto若未設(shè)置，本頁是一個(gè)新的packeto*bit0x02設(shè)置，表示邏輯流的第一個(gè)頁 bos。未設(shè)，不是 第一個(gè)頁。*bit0x04設(shè)置，表示邏輯流的最后一頁 eos。未設(shè)，不是 最后一頁。granule_position:8個(gè)字節(jié)，包含了媒體編碼相關(guān)參數(shù) 信息。對于音頻流，包含了到本頁為止邏輯流在PCM中采樣編碼的總次數(shù)。對于視頻流，包含了邏輯流到本頁為止視 頻

12、幀編碼的總次數(shù)。其值若為-1,則說明到此頁為止，邏輯流的packet還未結(jié)束。bitstream_serial_number:流序列號(hào)， 4字節(jié)，表示本頁 所屬邏輯流與其他邏輯流相區(qū)別的序號(hào)。(6)page_sequence_number表明了本頁在邏輯流中的序列 號(hào)，Ogg解碼器能據(jù)此識(shí)別有無頁丟失。CRC_checksum:循環(huán)冗余校驗(yàn)碼校驗(yàn)和，4字節(jié)域，包含頁的32bitCRC校驗(yàn)和，它的產(chǎn)生多項(xiàng)式為：0x04c11db7。 number_page_segments:1 字節(jié)，給定了在本頁的 segment_tabale域中所出現(xiàn)的segement個(gè)數(shù)，其最大值為255segments(

13、每片255個(gè)字節(jié)),即頁頭部第26個(gè)字節(jié)的取值 范圍為:0x00-0xff(O-255)。頁最大物理尺寸為 65307bytes,小于 64KB。segment_table:邏輯流中的每個(gè) packet每個(gè) segment長 度的取值，這些值以 segment出現(xiàn)的先后順序依次排列。此域的字節(jié)數(shù)為 number_page_segments域所表示的數(shù)字。bytevalue270xff(255)n- 10xff(255)n0x00-0xfe(0-254,n=num_segments+26)頁頭部長度的字節(jié)數(shù)：header_size=27+number_page_segmentsByte即頁頭部長

14、度為上述9個(gè)域名所表述占據(jù)的字節(jié)數(shù)之和。頁的總長度：page_size=header_size+sum(lacing_values:1number_page_segments)Byte即頁的總長度為頁頭部長度加上緊隨其后的若干segments長度之和。封裝處理過程(1)音視頻編碼在提供給Ogg封裝之前是以具有包邊界的“Packets形式呈現(xiàn)的，包邊界依賴于具體的編碼格式。如圖5所示。將邏輯流的各個(gè)包進(jìn)行分片segmentation，每片大小固定為255Byte,但包的最后一個(gè)segment通常小于255字節(jié)因?yàn)閜acket的大小可以是任意長度，由具體的媒體編碼器來決定。(3) 進(jìn)行頁封裝，每頁

15、都被加上頁頭，每頁的長度可不等， 由具體情況而確定。頁頭部segment_table域告知了“ lacing_value值的大小，即頁中最后一個(gè)segment的長度。一次處理一個(gè) packet，此packet被圭寸裝成一個(gè)或多個(gè)page頁；下一個(gè)packet必須用新的page開始封裝，由首部字段 域header_type_flag的設(shè)置規(guī)定來表示。(4) 多個(gè)已被頁格式封裝好的邏輯流按應(yīng)用要求的時(shí)序 關(guān)系合成物理流。文件的映射與逆映射用Ogg文件格式封裝好壓縮編碼媒體流可用于存儲(chǔ)或 直接傳輸，這是因?yàn)镺gg比特流格式提供了封裝/同步、差錯(cuò)同步捕獲、尋找標(biāo)記以及其它足夠的信息使得這種分散開 的數(shù)

16、據(jù)能夠完全地還原為封裝之前的具有包邊界“ packet形式的壓縮編碼媒體流，恢復(fù)到這種原來媒體流就具有的包邊 界形式不需要依賴于針對壓縮編碼的解碼器。也就是說Ogg映射與逆映射和媒體流的壓縮編碼、解碼具有相對獨(dú)立性。圖5Ogg封裝流程示意圖Ogg文件需要解封裝的情況有兩種：播放器要對媒體流 解碼之前；對媒體流進(jìn)行RTP/UDP傳輸之前。解封裝的過程就是ogg逆映射過程，即還原為具有包邊界“packet形式的媒體流，同時(shí)以預(yù)先填充好了的RTP首部字段與相應(yīng)一段媒體數(shù)據(jù)捆綁，形成 RTP封包。此過程便是媒體流從Ogg格式到RTP格式的轉(zhuǎn)換過程。將以packet為單元的媒體流映射為以page為單元的

17、Ogg格式比特流，其中間經(jīng)過了 segment的劃分和重組環(huán)節(jié)，但 方便了對媒體流的存儲(chǔ)與傳輸。對源緩沖區(qū)媒體數(shù)據(jù)(packet)的操作，需建立幾個(gè)中間環(huán)節(jié)的數(shù)據(jù)結(jié)構(gòu)，只需將切割的媒 體數(shù)據(jù)在內(nèi)存移動(dòng)一次，操作指向媒體數(shù)據(jù)的指針便能達(dá)到 媒體數(shù)據(jù)遷移到目的緩沖區(qū)的意圖，其過程可用兩個(gè)函數(shù)轉(zhuǎn)換來表述：ogg_stream_packetin() og_stream_pageout()。將 Ogg 格 式比特流逆映射還原為packets媒體流，以備播放解碼或以RTP圭寸裝進(jìn)行 UDP傳輸。其中間環(huán)節(jié)是把 page中的segment 單元數(shù)據(jù)按順序重組為packet，同樣媒體數(shù)據(jù)在內(nèi)存中的復(fù)制只有一次

18、，其過程可用三個(gè)函數(shù)轉(zhuǎn)換來表述：ogg_sync_pageout og_stream_pagein ogg_stream_packetout,媒體數(shù)據(jù)復(fù)制發(fā)生在第一個(gè)函數(shù)ogg_sync_pageoutOgg映射與逆映射的功能都體現(xiàn)在ogg函數(shù)庫中，當(dāng)前最新版本為4結(jié)束語Ogg格式是在吸收其它流媒體文件格式優(yōu)點(diǎn)的基礎(chǔ)上針對具有“packet包邊界形式的媒體流而制定的利于其存儲(chǔ)和傳輸?shù)拈_源流媒體文件格式，在icecast流服務(wù)器的傳輸中得到了很好的應(yīng)用；根據(jù)icecast官方網(wǎng)站公布其測試結(jié)果，在GB主干網(wǎng)的條件下對Oggvorbis音頻傳輸?shù)目蛻舳瞬l(fā)流可達(dá)14000個(gè)。更為重要的是，作為流媒體技術(shù)的核心環(huán)節(jié)， 大多數(shù)流媒體文件格式至今仍沒有完全公開，且受專利保 護(hù)。要在流媒體技術(shù)和應(yīng)用飛速發(fā)展的今天占得一席之地，