美團外賣商家端視頻探索之旅

背景

美團外賣至今已迅猛發(fā)展了六年，隨著外賣業(yè)務量級與日俱增，單一的文字和圖片已無法滿足商家的需求，商家迫切需要更豐富的商品描述手段吸引用戶，增加流量，進而提高下單轉化率和下單量。商品視頻的引入，在一定程度上可以提升商品信息描述豐富度，以更加直觀的方式為商家引流，增加收益。為此，商家端引入了視頻功能，進行了一系列視頻功能開發(fā)，核心功能包含視頻處理（混音，濾鏡，加水印，動畫等）、視頻拍攝、合成等，最終效果圖如下所示：

自視頻功能上線后，每周視頻樣本量及使用視頻的商家量大幅增加，視頻錄制成功率達99.533%，視頻處理成功率98.818%，音頻處理成功率99.959%，Crash率穩(wěn)定在0.1‰，穩(wěn)定性高且可用性強。目前，視頻功能已在蜜蜂App、閃購業(yè)務和商家業(yè)務上使用。

對于視頻鏈路的開發(fā)，我們經歷了方案選型、架構設計及優(yōu)化、業(yè)務實踐、功能測試、監(jiān)控運維、更新維護等各個環(huán)節(jié)，核心環(huán)節(jié)如下圖所示。在開發(fā)過程中，我們遇到了各種技術問題和挑戰(zhàn)，下文會針對遇到的問題、挑戰(zhàn)，及其解決方案進行重點闡述。

方案選型

在方案選型時，重點對核心流程和視頻格式進行選型。我們以功能覆蓋度、穩(wěn)定性及效率、可定制性、成本及開源性做為核心指標，從而衡量方案的高可用性和可行性。

1.核心流程選型?

視頻開發(fā)涉及的核心流程包括播放、錄制、合成、裁剪、后期處理（編解碼、濾鏡、混音、動畫、水印）等。結合商家端業(yè)務場景，我們有針對性的進行方案調研。重點調研了業(yè)界現有方案，如阿里的云視頻點播方案、騰訊云視頻點播方案、大眾點評App的UGC方案，及其它的一些第三方開源方案等，并進行了整體匹配度的對比，如下圖所示：

阿里和騰訊的云視頻點播方案比較成熟，集成度高，且能力豐富，穩(wěn)定性及效率也很高。但兩者成本較高，需要收費，且SDK大小均在15M以上，對于我們的業(yè)務場景來說有些過于臃腫，定制性較弱，無法迅速的支持我們做定制性擴展。?

當時的點評App UGC方案，基礎能力是滿足的，但因業(yè)務場景差異：

• 比如外賣的視頻拍攝功能要求在豎屏下保證16:9的視頻寬高比，這就需要對原有的采集區(qū)域進行截取，視頻段落的裁剪支持不夠等，業(yè)務場景的差異導致了實現方案存在巨大的差異，故放棄了點評App UGC方案。其他的一些開源方案（比如Grafika等），也無法滿足要求，這里不再一一贅述。?

通過技術調研和分析，吸取各開源項目的優(yōu)點，并參考點評App UGC、Google CTS方案，對核心流程做了最終的方案選型，打造一個適合我們業(yè)務場景的方案，如下表所示：

2.視頻格式選型?

• 采用H.264的視頻協議：H.264的標準成熟穩(wěn)定，普及率高。其最大的優(yōu)勢是具有很高的數據壓縮比率，在同等圖像質量的條件下，H.264的壓縮比是MPEG-2的2倍以上，是MPEG-4的1.5～2倍。?
• 采用AAC的音頻協議：AAC是一種專為聲音數據設計的文件壓縮格式。它采用了全新的算法進行編碼，是新一代的音頻有損壓縮技術，具有更加高效，更具有”性價比“的特點。

整體架構

我們整體的架構設計，用以滿足業(yè)務擴展和平臺化需要，可復用、可擴展，且可快速接入。架構采用分層設計，基礎能力和組件進行下沉，業(yè)務和視頻能力做分離，最大化降低業(yè)務方的接入成本，三方業(yè)務只需要接入視頻基礎SDK，直接使用相關能力組件或者工具即可。

整體架構分為四層，分別為平臺層、核心能力層、基礎組件層、業(yè)務層。?

• 平臺層：依賴系統(tǒng)提供的平臺能力，比如Camera、OpenGL、MediaCodec和MediaMuxer等，也包括引入的平臺能力，比如ijkplayer播放器、mp4parser?。
• 核心能力層：該層提供了視頻服務的核心能力，包括音視頻編解碼、音視頻的轉碼引擎、濾鏡渲染能力等?。
• 基礎能力層：暴露了基礎組件和能力，提供了播放、裁剪、錄屏等基礎組件和對應的基礎工具類，并提供了可定制的播放面板，可定制的緩存接口等。?
• 業(yè)務層：包括段落拍攝、自由拍攝、視頻空間、拍攝模版預覽及加載等。

我們的視頻能力層對業(yè)務層是透明的，業(yè)務層與能力層隔離，并對業(yè)務層提供了部分定制化的接口支持，這樣的設計降低了業(yè)務方的接入成本，并方便業(yè)務方的擴展，比如支持蜜蜂App的播放面板定制，還支持緩存策略、編解碼策略的可定制。整體設計如下圖所示：

實踐經驗

在視頻開發(fā)實踐中，因業(yè)務場景的復雜性，我們遇到了多種問題和挑戰(zhàn)。下面以核心功能為基點，圍繞各功能遇到的問題做詳細介紹。

視頻播放

播放器是視頻播放基礎。針對播放器，我們進行了一系列的方案調研和選擇。在此環(huán)節(jié)，遇到的挑戰(zhàn)如下：

1.兼容性問題

2.緩存問題

針對兼容性問題，Android有原生的MediaPlayer，但其版本兼容問題偏多且支持格式有限，而我們需要支持播放本地視頻，本地視頻格式又無法控制，故該方案被舍棄。ijkplayer基于FFmpeg，與MediaPlayer相比，優(yōu)點比較突出：具備跨平臺能力，支持Android與iOS；提供了類似MediaPlayer的API，可兼容不同版本；可實現軟硬解碼自由切換，擁有FFmpeg的能力，支持多種流媒體協議。基于上述原因，我們最終決定選用ijkplayer。

但緊接著我們又發(fā)現ijkplayer本身不支持邊緩存邊播放，頻繁的加載視頻導致耗費大量的流量，且在弱網或者3G網絡下很容易導致播放卡頓，所以這里就衍生出了緩存的問題。

針對緩存問題，我們引入AndroidVideoCache的技術方案，利用本地的代理去請求數據，先本地保存文件緩存，客戶端通過Socket讀取本地的文件緩存進行視頻播放，這樣就做到了邊播放邊緩存的策略，流程如下圖：

此外，我們還對AndroidVideoCache做了一些技術改造：

• 優(yōu)化緩存策略。針對緩存策略的單一性，支持有限的最大文件數和文件大小問題，我們調整為由業(yè)務方可以動態(tài)定制緩存策略；
• 解決內存泄露隱患。對其頁面退出時請求不關閉會導致的內存泄露，我們?yōu)槠涮砑恿送暾纳芷诒O(jiān)控，解決了內存泄露問題。

視頻錄制

在視頻拍攝的時候，最為常用的方式是采用MediaRecorder+Camera技術，采集攝像頭可見區(qū)域。但因我們的業(yè)務場景要求視頻采集的時候，只錄制采集區(qū)域的部分區(qū)域且比例保持寬高比16:9，在保證預覽圖像不拉伸的情況下，只能對完整的采集區(qū)域做裁剪，這無形增加了開發(fā)難度和挑戰(zhàn)。通過大量的資料分析，我們重點調研了有兩種方案：

Camera+AudioRecord+MediaCodec+Surface

MediaRecorder+MediaCodec

方案1需要Camera采集YUV幀，進行截取采集，最后再將YUV幀和PCM幀進行編碼生成mp4文件，雖然其效率高，但存在不可把控的風險。

方案2綜合評估后是改造風險最小的。?綜合成本和風險考量，我們保守的采用了方案2，該方案是對裁剪區(qū)域進行坐標換算（如果用前置攝像頭拍攝錄制視頻，會出現預覽畫面和錄制的視頻是鏡像的問題，需要處理）。當錄制完視頻后，生成了mp4文件，用MediaCodec對其編碼，在編碼階段再利用OpenGL做內容區(qū)域的裁剪來實現。但該方案又引發(fā)了如下挑戰(zhàn)：

（1）對焦問題

因我們對采集區(qū)域做了裁剪，引發(fā)了點觸對焦問題。比如用戶點擊了相機預覽畫面，正常情況下會觸發(fā)相機的對焦動作，但是用戶的點擊區(qū)域只是預覽畫面的部分區(qū)域，這就導致了相機的對焦區(qū)域錯亂，不能正常進行對焦。后期經過問題排查，對點觸區(qū)域再次進行相應的坐標變換，最終得到正確的對焦區(qū)域。

（2）兼容適配

我們的視頻錄制利用MediaRecorder，在獲取配置信息時，由于Android碎片化問題，不同的設備支持的配置信息不同，所以就會出現設備適配問題。

// VIVO Y66 模版拍攝時候，播放某些有問題的視頻文件的同時去錄制視頻，會導致MediaServer掛掉的問題// 發(fā)現將1080P尺寸的配置降低到720P即可避免此問題// 但是720P尺寸的配置下，又存在綠邊問題，因此再降到480if(isVIVOY66() && mMediaServerDied) {return getCamcorderProfile(CamcorderProfile.QUALITY_480P);}//SM-C9000,在1280 x 720 分辨率時有一條綠邊。網上有種說法是GPU對數據進行了優(yōu)化，使得GPU產生的圖像分辨率//和常規(guī)分辨率存在微小差異，造成圖像色彩混亂，修復后存在綠邊問題。//測試發(fā)現，降低分辨率或者升高分辨率都可以繞開這個問題。if (VideoAdapt.MODEL_SM_C9000.equals(Build.MODEL)) {return getCamcorderProfile(CamcorderProfile.QUALITY_HIGH);}// 優(yōu)先選擇 1080 P的配置CamcorderProfile camcorderProfile = getCamcorderProfile(CamcorderProfile.QUALITY_1080P);if (camcorderProfile == null) {camcorderProfile = getCamcorderProfile(CamcorderProfile.QUALITY_720P);}// 某些機型上這個 QUALITY_HIGH 有點問題，可能通過這個參數拿到的配置是1080p，所以這里也可能拿不到if (camcorderProfile == null) {camcorderProfile = getCamcorderProfile(CamcorderProfile.QUALITY_HIGH);}// 兜底if (camcorderProfile == null) {camcorderProfile = getCamcorderProfile(CamcorderProfile.QUALITY_480P);}

視頻合成

我們的視頻拍攝有段落拍攝這種場景，商家可根據事先下載的模板進行分段拍攝，最后會對每一段的視頻做拼接，拼接成一個完整的mp4文件。mp4由若干個Box組成，所有數據都封裝在Box中，且Box可再包含Box的被稱為Container Box。mp4中Track表示一個視頻或音頻序列，是Sample的集合，而Sample又可分為Video Smaple和Audio Sample。Video Smaple代表一幀或一組連續(xù)視頻幀，Audio Sample即為一段連續(xù)的壓縮音頻數據。（詳見mp4文件結構。）

基于上面的業(yè)務場景需要，視頻合成的基礎能力我們采用mp4parser技術實現（也可用FFmpeg等其他手段）。mp4parser在拼接視頻時，先將視頻的音軌和視頻軌進行分離，然后進行視頻和音頻軌的追加，最終將合成后的視頻軌和音頻軌放入容器里（這里的容器就是mp4的Box）。采用mp4parser技術簡單高效，API設計簡潔清晰，滿足需求。

但我們發(fā)現某些被編碼或處理過的mp4文件可能會存在特殊的Box，并且mp4parser是不支持的。經過源碼分析和原因推導，發(fā)現當遇到這種特殊格式的Box時，會申請分配一個比較大的空間用來存放數據，很容易造成OOM（內存溢出），見下圖所示。于是，我們對這種拼接場景下做了有效規(guī)避，僅在段落拍攝下使用mp4parser的拼接功能，保證我們處理過的文件不會包含這種特殊的Box。

視頻裁剪

我們剛開始采用mp4parser技術完成視頻裁剪，在實踐中發(fā)現其精度誤差存在很大的問題，甚至會影響正常的業(yè)務需求。比如我們禁止裁剪出3s以下的視頻，但是由于mp4parser產生的精度誤差，導致4-5s的視頻很容易裁剪出少于3s的視頻。究其原因，mp4parser只能在關鍵幀（又稱I幀，在視頻編碼中是一種自帶全部信息的獨立幀）進行切割，這樣就可能存在一些問題。比如在視頻截取的起始時間位置并不是關鍵幀，因此會造成誤差，無法保證精度而且是秒級誤差。以下為mp4parser裁剪的關鍵代碼：

public static double correctTimeToSyncSample(Track track, double cutHere, boolean next) {double[] timeOfSyncSamples = new double[track.getSyncSamples().length];long currentSample = 0;double currentTime = 0;for (int i = 0; i < track.getSampleDurations().length; i++) {long delta = track.getSampleDurations()[i];int index = Arrays.binarySearch(track.getSyncSamples(), currentSample + 1);if (index >= 0) {timeOfSyncSamples[index] = currentTime;}currentTime += ((double) delta / (double) track.getTrackMetaData().getTimescale());currentSample++;}double previous = 0;for (double timeOfSyncSample : timeOfSyncSamples) {if (timeOfSyncSample > cutHere) {if (next) {return timeOfSyncSample;} else {return previous;}}previous = timeOfSyncSample;}return timeOfSyncSamples[timeOfSyncSamples.length - 1]; }

為了解決精度問題，我們廢棄了mp4parser，采用MediaCodec的方案，雖然該方案會增加復雜度，但是誤差精度大大降低。

方案具體實施如下：先獲得目標時間的上一幀信息，對視頻解碼，然后根據起始時間和截取時長進行切割，最后將裁剪后的音視頻信息進行壓縮編碼，再封裝進mp4容器中，這樣我們的裁剪精度從秒級誤差降低到微秒級誤差，大大提高了容錯率。

視頻處理

視頻處理是整個視頻能力最核心的部分，會涉及硬編解碼（遵循OpenMAX框架）、OpenGL、音頻處理等相關能力。?

下圖是視頻處理的核心流程，會先將音視頻做分離，并行處理音視頻的編解碼，并加入特效處理，最后合成進一個mp4文件中。

在實踐過程中，我們遇到了一些需要特別注意的問題，比如開發(fā)時遇到的坑，嚴重的兼容性問題（包括硬件兼容性和系統(tǒng)版本兼容性問題）等。下面重點講幾個有代表性的問題。

1.偶數寬高的編解碼器

視頻經過編碼后輸出特定寬高的視頻文件時出現了如下錯誤，信息里僅提示了Colorformat錯誤，具體如下：

查閱大量資料，也沒能解釋清楚這個異常的存在。基于日志錯誤信息，并通過系統(tǒng)源碼定位，也只是發(fā)現了是和設置的參數不兼容導致的。經過反復的試錯，最后確認是部分編解碼器只支持偶數的視頻寬高，所以我們對視頻的寬高做了偶數限制。引起該問題的核心代碼如下：

status_t ACodec::setupVideoEncoder(const char *mime, const sp<AMessage> &msg,sp<AMessage> &outputFormat, sp<AMessage> &inputFormat) {if (!msg->findInt32("color-format", &tmp)) {return INVALID_OPERATION;}OMX_COLOR_FORMATTYPE colorFormat =static_cast<OMX_COLOR_FORMATTYPE>(tmp);status_t err = setVideoPortFormatType(kPortIndexInput, OMX_VIDEO_CodingUnused, colorFormat);if (err != OK) {ALOGE("[%s] does not support color format %d",mComponentName.c_str(), colorFormat);return err;}....... } status_t ACodec::setVideoPortFormatType(OMX_U32 portIndex,OMX_VIDEO_CODINGTYPE compressionFormat,OMX_COLOR_FORMATTYPE colorFormat,bool usingNativeBuffers) {......for (OMX_U32 index = 0; index <= kMaxIndicesToCheck; ++index) {format.nIndex = index;status_t err = mOMX->getParameter(mNode, OMX_IndexParamVideoPortFormat,&format, sizeof(format));if (err != OK) {return err;}...... }

2. 顏色格式

我們在處理視頻幀的時候，一開始獲得的是從Camera讀取到的基本的YUV格式數據，如果給編碼器設置YUV幀格式，需要考慮YUV的顏色格式。這是因為YUV根據其采樣比例，UV分量的排列順序有很多種不同的顏色格式，Android也支持不同的YUV格式，如果顏色格式不對，會導致花屏等問題。

3. 16位對齊

這也是硬編碼中老生常談的問題了，因為H264編碼需要16*16的編碼塊大小。如果一開始設置輸出的視頻寬高沒有進行16字節(jié)對齊，在某些設備（華為，三星等）就會出現綠邊，或者花屏。

4. 二次渲染

4.1 視頻旋轉

在最后的視頻處理階段，用戶可以實時的看到加濾鏡后的視頻效果。這就需要對原始的視頻幀進行二次處理，然后在播放器的Surface上渲染。首先我們需要OpenGL 的渲染環(huán)境（通過OpenGL的固有流程創(chuàng)建），渲染環(huán)境完成后就可以對視頻的幀數據進行二次處理了。通過SurfaceTexture的updateTexImage接口，可將視頻流中最新的幀數據更新到對應的GL紋理，再操作GL紋理進行濾鏡、動畫等處理。在處理視頻幀數據的時候，首先遇到的是角度問題。在正常播放下（不利用OpenGL處理情況下）通過設置TextureView的角度（和視頻的角度做轉換）就可以解決，但是加了濾鏡后這一方案就失效了。原因是視頻的原始數據經過紋理處理再渲染到Surface上，單純設置TextureView的角度就失效了，解決方案就是對OpenGL傳入的紋理坐標做相應的旋轉（依據視頻的本身的角度）。

4.2 渲染停滯

視頻在二次渲染后會出現偶現的畫面停滯現象，主要是SurfaceTexture的OnFrameAvailableListener不返回數據了。該問題的根本原因是GPU的渲染和視頻幀的讀取不同步，進而導致SurfaceTexture的底層核心BufferQueue讀取Buffer出了問題。下面我們通過BufferQueue的機制和核心源碼深入研究下：

首先從二次渲染的工作流程入手。從圖像流（來自Camera預覽、視頻解碼、GL繪制場景等）中獲得幀數據，此時OnFrameAvailableListener會回調。再調用updateTexImage()，會根據內容流中最近的圖像更新SurfaceTexture對應的GL紋理對象。我們再對紋理對象做處理，比如添加濾鏡等效果。SurfaceTexture底層核心管理者是BufferQueue，本身基于生產者消費者模式。

BufferQueue管理的Buffer狀態(tài)分為：FREE，DEQUEUED，QUEUED，ACQUIRED，SHARED。當Producer需要填充數據時，需要先Dequeue一個Free狀態(tài)的Buffer，此時Buffer的狀態(tài)為DEQUEUED，成功后持有者為Producer。隨后Producer填充數據完畢后，進行Queue操作，Buffer狀態(tài)流轉為QUEUED，且Owner變?yōu)锽ufferQueue，同時會回調BufferQueue持有的ConsumerListener的onFrameAvailable，進而通知Consumer可對數據進行二次處理了。Consumer先通過Acquire操作，獲取處于QUEUED狀態(tài)的Buffer，此時Owner為Consumer。當Consumer消費完Buffer后，會執(zhí)行Release，該Buffer會流轉回BufferQueue以便重用。BufferQueue核心數據為GraphicBuffer，而GraphicBuffer會根據場景、申請的內存大小、申請方式等的不同而有所不同。

SurfaceTexture的核心流程如下圖：

通過上圖可知，我們的Producer是Video，填充視頻幀后，再對紋理進行特效處理（濾鏡等），最后再渲染出來。前面我們分析了BufferQueue的工作流程，但是在Producer要填充數據，執(zhí)行dequeueBuffer操作時，如果有Buffer已經QUEUED，且申請的dequeuedCount大于mMaxDequeuedBufferCount，就不會再繼續(xù)申請Free Buffer了，Producer就無法DequeueBuffer，也就導致onFrameAvailable無法最終調用，核心源碼如下：

status_t BufferQueueProducer::dequeueBuffer(int *outSlot,sp<android::Fence> *outFence, uint32_t width, uint32_t height,PixelFormat format, uint32_t usage,FrameEventHistoryDelta* outTimestamps) {......int found = BufferItem::INVALID_BUFFER_SLOT;while (found == BufferItem::INVALID_BUFFER_SLOT) {status_t status = waitForFreeSlotThenRelock(FreeSlotCaller::Dequeue,& found);if (status != NO_ERROR) {return status;}}...... } status_t BufferQueueProducer::waitForFreeSlotThenRelock(FreeSlotCaller caller,int*found) const{......while (tryAgain) {int dequeuedCount = 0;int acquiredCount = 0;for (int s : mCore -> mActiveBuffers) {if (mSlots[s].mBufferState.isDequeued()) {++dequeuedCount;}if (mSlots[s].mBufferState.isAcquired()) {++acquiredCount;}}// Producers are not allowed to dequeue more than// mMaxDequeuedBufferCount buffers.// This check is only done if a buffer has already been queuedif (mCore -> mBufferHasBeenQueued &&dequeuedCount >= mCore -> mMaxDequeuedBufferCount) {BQ_LOGE("%s: attempting to exceed the max dequeued buffer count ""(%d)", callerString, mCore -> mMaxDequeuedBufferCount);return INVALID_OPERATION;}}.......}

5. 碼流適配

視頻的監(jiān)控體系發(fā)現，Android 9.0的系統(tǒng)出現大量的編解碼失敗問題，錯誤信息都是相同的。在MediaCodec的Configure時候出異常了，主要原因是我們強制使用了CQ碼流，Android 9.0以前并無問題，但9.0及以后對CQ碼流增加了新的校驗機制而我們沒有適配。核心流程代碼如下：

status_t ACodec::configureCodec(const char *mime, const sp<AMessage> &msg) {.......if (encoder) {if (mIsVideo || mIsImage) {if (!findVideoBitrateControlInfo(msg, &bitrateMode, &bitrate, &quality)) {return INVALID_OPERATION;}} else if (strcasecmp(mime, MEDIA_MIMETYPE_AUDIO_FLAC)&& !msg->findInt32("bitrate", &bitrate)) {return INVALID_OPERATION;}}....... } static bool findVideoBitrateControlInfo(const sp<AMessage> &msg,OMX_VIDEO_CONTROLRATETYPE *mode, int32_t *bitrate, int32_t *quality) {*mode = getVideoBitrateMode(msg);bool isCQ = (*mode == OMX_Video_ControlRateConstantQuality);return (!isCQ && msg->findInt32("bitrate", bitrate))|| (isCQ && msg->findInt32("quality", quality)); } 9.0前并無對CQ碼流的強校驗，如果不支持該碼流也會使用默認支持的碼流， static OMX_VIDEO_CONTROLRATETYPE getBitrateMode(const sp<AMessage> &msg) {int32_t tmp;if (!msg->findInt32("bitrate-mode", &tmp)) {return OMX_Video_ControlRateVariable;}return static_cast<OMX_VIDEO_CONTROLRATETYPE>(tmp); }

關于碼流還有個問題就是如果通過系統(tǒng)的接口isBitrateModeSupported（int mode），判斷是否支持該碼流可能會出現誤判，究其原因是framework層寫死了該返回值，而并沒有從硬件層或從media_codecs.xml去獲取該值。關于碼流各硬件廠商支持的差異性，可能谷歌也認為碼流的兼容性太碎片化，不建議用非默認的碼流。

6. 音頻處理

音頻處理還括對音頻的混音，消聲等操作。在混音操作的時候，還要注意音頻文件的單聲道轉換等問題。

其實視頻問題總結起來，大部分是都會牽扯到編解碼（尤其是使用硬編碼），需要大量的適配工作（以上也只是部分問題，碎片化還是很嚴峻的），所以就需要兜底容錯方案，比如加入軟編。

線上監(jiān)控

視頻功能引入了埋點，日志，鏈路監(jiān)控等技術手段進行線上的監(jiān)控，我們可以針對監(jiān)控結果進行降級或維護更新。埋點更多的是產品維度的數據收集，日志是輔助定位問題的，而鏈路監(jiān)控則可以做到監(jiān)控預警。我們加了拍攝流程，音視頻處理，視頻上傳流程的全鏈路監(jiān)控，整個鏈路如果任何一個節(jié)點出問題都認為是整個鏈路的失敗，若失敗次數超過閾值就會通過大象或郵件進行報警，我們在適配Andorid 9.0碼流問題時，最早發(fā)現也是由于鏈路監(jiān)控的預警。所有全鏈路的成功率目標值均為98%，若成功率低于92%的目標閾值就會觸發(fā)報警，我們會根據報警的信息和日志定位分析，該異常的影響范圍，再根據影響范圍確定是否熱修復或者降級。如下以拍攝流程為例，其鏈路各核心節(jié)點的監(jiān)控：

拍攝流程全鏈路，如下圖（各關鍵節(jié)點監(jiān)控）：

容災降級

視頻功能目前只支持粗粒度的降級策略。我們在視頻入口處做了開關控制，關掉后所有的視頻功能都無法使用。我們通過線上監(jiān)控到視頻的穩(wěn)定性和成功率在特定機型無法保證，導致影響用戶正常的使用商家端App，我們支持針對特定設備做降級。后續(xù)我們可以做更細粒度的降級策略，比如根據P0級功能做降級，或者編解碼策略的降級等

維護更新

視頻功能上線后，經歷了幾個穩(wěn)定的版本，保持著較高的成功率，但近期收到了sniffer的郵件報警，發(fā)現視頻處理鏈路的失敗次數明顯增多，通過sniffer收集的信息發(fā)現大部分都是Android 9.0的問題（也就是上面講的Android 9.0碼流適配的問題），我們在商家端5.2版本進行了修復，該問題解決后我們的視頻處理鏈路成功率也恢復到了98%以上。

總結和規(guī)劃

視頻功能上線后，穩(wěn)定性、內存、CPU等一些相關指標數據比較理想，我們建設的視頻監(jiān)控體系，也支撐著視頻核心業(yè)務的監(jiān)控，一些異常報警也讓我們及時發(fā)現問題并迅速對異常進行維護更新，但視頻技術棧也是遠比本文介紹的要龐大，怎么提高秒播率，怎么提高編解碼效率，還有硬編解碼過程中可能造成的花屏，綠邊等問題都是挑戰(zhàn)，需要更深入的研究解決。

未來我們會繼續(xù)致力于提高視頻處理的兼容性和效率，優(yōu)化現有流程，我們會對音頻和視頻處理合并處理，也會引入軟編和自定義編解碼算法。

美團外賣大前端團隊將來也會繼續(xù)致力于提高用戶的體驗，并且會將在實踐過程中遇到的問題進行總結，沉底技術，積極的和大家分享，如果你也對視頻感興趣，歡迎加入我們。

參考資料

Android開發(fā)者官網

Google CTS

Grafika

BufferQueue原理介紹

MediaCodec原理

微信Android 視頻編碼爬過的坑

mp4文件結構

AndroidVideoCache 代理策略

ijkplayer

mp4parser

GPUImage

作者簡介

金輝、李瓊，美團外賣商家終端研發(fā)工程師。

招聘信息

美團外賣商家終端研發(fā)團隊的主要職責是為商家提供穩(wěn)定可靠的生產經營工具，在保障穩(wěn)定的需求迭代的基礎之上，持續(xù)優(yōu)化APP、PC和H5的性能和用戶體驗，并不斷優(yōu)化提升團隊的研發(fā)效率。團隊主要負責的業(yè)務主要包括外賣訂單、商品管理、門店裝修、服務市場、門店運營、三方會話、藍牙打印、自動接單、視頻、語音和實時消息觸達等基礎業(yè)務，支撐整個外賣鏈路的高可用性及穩(wěn)定發(fā)展。

團隊通過架構演進及平臺化體系化建設，有效支撐業(yè)務發(fā)展，提升了業(yè)務的可靠性和安全性；通過大規(guī)模落地跨平臺和動態(tài)化技術，加快了業(yè)務迭代效率，幫助產品（PM）加快產品方案的落地及上線；通過監(jiān)控容災體系建設，有效保障業(yè)務的高可用性和穩(wěn)定性；通過性能優(yōu)化建設，保證APP的流暢性和良好用戶體驗。團隊開發(fā)的技術棧包括Android、iOS、React、Flutter和React Native。

總結

以上是生活随笔為你收集整理的美团外卖商家端视频探索之旅的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。