DASH — co to jest, protokół i zasada działania dynamicznego strumieniowania

Co to jest DASH?

MPEG-DASH (Dynamic Adaptive Streaming over HTTP) — to międzynarodowy standard ISO/IEC 23009-1, opublikowany w 2012 roku jako odpowiedź na fragmentację zastrzeżonych rozwiązań adaptacyjnego strumieniowania. W przeciwieństwie do HLS (zastrzeżony protokół Apple) i Smooth Streaming (Microsoft), DASH od samego początku był opracowywany jako otwarty, niezwiązany z konkretnym dostawcą standard, co zapewniło jego szerokie wsparcie w branży.

Główną innowacją DASH jest rozdzielenie opisu strumienia i treści multimedialnych. Opis strumienia jest przechowywany w pliku XML MPD (Media Presentation Description), który zawiera wszystkie informacje o dostępnych wariantach: przepływności, rozdzielczości, kodeki, napisy, ścieżki audio. Treści multimedialne są przechowywane w postaci oddzielnych segmentów (zwykle fMP4), które mogą być pobierane niezależnie przez HTTP. Taka architektura pozwala, aby infrastruktura serwerowa była maksymalnie prosta — każdy serwer HTTP jest w stanie dostarczać treść DASH.

Adaptacyjność DASH jest realizowana przez multipleksowanie wariantów tej samej treści. Serwer przygotowuje kilka reprezentacji — kopii treści z różnymi parametrami kompresji. Klient analizuje przepustowość kanału i dynamicznie przełącza się między reprezentacjami, wybierając optymalny stosunek jakości do stabilności odtwarzania. Według badań akademickich (IEEE Access, 2024), DASH z algorytmem BOLA wykazuje o 22% mniej przełączeń przepływności w porównaniu z HLS przy niestabilnym połączeniu.

Historia i standaryzacja DASH

MPEG rozpoczął prace nad DASH w 2010 roku po analizie istniejących rozwiązań: Apple HLS, Microsoft Smooth Streaming i Adobe HDS. Pierwsza wersja standardu (ISO/IEC 23009-1:2012) została wydana w 2012 roku. Druga wersja (2014) dodała obsługę zdarzeń, ulepszone wstawianie reklam i adaptację sterowaną przez serwer. Trzecia wersja (2019) — obsługę HDR, 8K, wideo dotykowego i lepszą integrację z MMT (MPEG Media Transport) dla sieci 5G.

W 2024 roku MPEG ogłosił DASH Next Generation, który obejmuje obsługę kodeków neuronowych, renderowanie w chmurze i optymalizację dla scenariuszy Extended Reality (XR). Kluczową innowacją jest Neural Network-Based Video Coding (NNVC), który wykorzystuje modele ML do dekodowania po stronie klienta, co może zmniejszyć przepływność o 30-50% przy zachowaniu jakości.

Jak działa DASH?

Proces odtwarzania strumienia DASH składa się z czterech kolejnych etapów: pobranie MPD, parsowanie opisu strumienia, wybór początkowej reprezentacji i dynamiczne przełączanie między reprezentacjami. Każdy etap ma swoją specyfikę wpływającą na jakość doświadczenia użytkownika.

Pobieranie i parsowanie MPD

Odtwarzacz ładuje plik MPD pod znanym adresem URL. MPD zawiera strukturę XML z opisem całego strumienia: czas trwania treści, skalę czasową, dostępne okresy (Period), zestawy adaptacji (AdaptationSet) i reprezentacje (Representation) z konkretnymi parametrami kodowania. Odtwarzacz parsuje MPD i tworzy wewnętrzny model dostępnych zasobów multimedialnych.

Przykład podstawowego pliku MPD dla treści VOD z dwoma rozdzielczościami:

<?xml version="1.0" encoding="utf-8"?>
<MPD xmlns="urn:mpeg:dash:schema:mpd:2011"
     profiles="urn:mpeg:dash:profile:isoff-live:2011"
     type="static"
     mediaPresentationDuration="PT1H30M">
    <Period duration="PT1H30M">
        <AdaptationSet mimeType="video/mp4">
            <Representation bandwidth="5000000"
                           width="1920" height="1080"
                           codecs="avc1.640028"/>
            <Representation bandwidth="1000000"
                           width="640" height="360"
                           codecs="avc1.64001E"/>
        </AdaptationSet>
    </Period>
</MPD>

Ładowanie segmentów i adaptacja

Po wyborze początkowej reprezentacji odtwarzacz zaczyna ładować segmenty. Każdy segment zawiera kilka sekund treści (zwykle 2-10 sekund). Odtwarzacz utrzymuje bufor na kilka segmentów do przodu, co zapewnia odporność na krótkotrwałe spadki prędkości sieci. Algorytm wyboru reprezentacji (ABR) stale monitoruje prędkość ładowania segmentów i podejmuje decyzję o przełączaniu między dostępnymi przepływnościami.

Nowoczesne algorytmy ABR dla DASH, takie jak BOLA (Buffer Occupancy based Lyapunov Algorithm) i Pensieve (oparty na Reinforcement Learning), uwzględniają nie tylko bieżącą przepustowość, ale także rozmiar bufora, rodzaj treści (sport, wiadomości, film), a nawet zużycie energii urządzenia. BOLA, wchodzący w skład dash.js i ExoPlayer, minimalizuje liczbę przełączeń przepływności przy zachowaniu stabilnego bufora, co zostało potwierdzone badaniami ACM (Spiteri et al., 2020).

Struktura DASH: MPD, Period, Adaptation Set

Hierarchiczna struktura strumienia DASH jest zorganizowana na czterech poziomach: MPD → Period → AdaptationSet → Representation. Każdy poziom dodaje poziom szczegółowości, umożliwiając opis złożonych scenariuszy — od prostego VOD po transmisje na żywo z wstawkami reklamowymi i wideo z wielu kamer.

MPD (Media Presentation Description)

MPD — element główny, opisujący całą prezentację multimedialną. Atrybuty MPD określają typ strumienia (static dla VOD, dynamic dla transmisji na żywo), całkowity czas trwania, skalę czasową, profil i informacje o DRM. MPD może zawierać jeden lub więcej okresów Period, z których każdy reprezentuje niezależny przedział czasowy treści.

Period, AdaptationSet i Representation

Period — segment czasowy prezentacji. Dla VOD używany jest jeden Period na całą treść. Dla transmisji na żywo z wstawkami reklamowymi Period może zmieniać się dynamicznie — odtwarzacz ładuje zaktualizowany MPD i wykrywa nowy Period odpowiadający blokowi reklamowemu. Każdy Period zawiera jeden lub więcej zestawów AdaptationSet.

AdaptationSet — grupa wzajemnie zastępowalnych reprezentacji jednego typu mediów: wideo, audio, napisy. Wewnątrz AdaptationSet wszystkie reprezentacje różnią się tylko przepływnością i/lub rozdzielczością, ale kodują tę samą treść. Ważna właściwość: odtwarzacz może przełączać się między reprezentacjami wewnątrz jednego AdaptationSet na granicy segmentów bez przerwy w odtwarzaniu.

Representation — konkretny wariant kodowania z określoną przepływnością, rozdzielczością i kodekiem. Dla każdej reprezentacji w MPD podawany jest szablon URL do ładowania segmentów. DASH używa elastycznego systemu adresowania segmentów — przez szablony URL z podstawianiem numeru segmentu i czasu ($Number$, $Time$), co pozwala serwerowi dynamicznie generować nazwy plików bez konieczności wymieniania każdego segmentu w MPD.

Segmentacja i pakowanie

Segmenty DASH mogą być dwojakiego rodzaju: typu Segment (zawierają tylko dane multimedialne) i typu Subsegment (część segmentu dla bardziej granularnego dostępu). Do kodowania treści DASH używane jest narzędzie takie jak FFmpeg lub pakietowe kodery. Przykład tworzenia strumienia DASH z pliku wejściowego:

import subprocess

subprocess.run([
    "ffmpeg",
    "-i", "input.mp4",
    "-filter_complex",
    "[0:v]split=2[v1][v2];[v1]scale=1920:1080[v1out];[v2]scale=640:360[v2out]",
    "-map", "[v1out]", "-b:v:0", "5000k",
    "-map", "[v2out]", "-b:v:1", "1000k",
    "-map", "0:a",
    "-f", "dash",
    "-seg_duration", "4",
    "-use_template", "1",
    "-use_timeline", "1",
    "dash/stream.mpd"
])

DASH vs HLS: porównanie protokołów

Wybór między DASH a HLS to jedna z kluczowych decyzji przy projektowaniu systemu strumieniowania wideo. Oba protokoły rozwiązują to samo zadanie (adaptacyjne dostarczanie wideo przez HTTP), ale mają zasadnicze różnice w architekturze, obsłudze kodeków i ekosystemie. Rozpatrzmy je według kluczowych parametrów.

Kluczowa zaleta DASH — niezależność od kodeków. Jeśli HLS początkowo ograniczał kodeki do tych obsługiwanych przez Apple (H.264, HEVC, a od niedawna AV1), to DASH może używać dowolnego kodeka obsługiwanego przez odtwarzacz: VP9/VP8 (krytyczne dla YouTube i Chrome), AV1 (dla wydajności), H.264/HEVC (dla kompatybilności). To czyni DASH preferowanym wyborem dla platform wieloplatformowych, gdzie wymagany jest jednolity strumień dla wszystkich urządzeń.

Wada DASH na iOS — brak natywnego wsparcia w Safari i AVPlayer. Deweloperzy aplikacji iOS muszą korzystać z zewnętrznych odtwarzaczy kompatybilnych z HLS lub bibliotek takich jak libdash z integracją przez VTDecoder. W praktyce oznacza to, że dla projektów zorientowanych na iOS HLS pozostaje standardem de facto, podczas gdy dla Androida i platform webowych DASH jest bardziej elastycznym i wydajnym rozwiązaniem.

Zastosowanie DASH w rozwoju aplikacji mobilnych

Integracja DASH w aplikacjach mobilnych zależy od platformy. Na Androidzie DASH jest obsługiwany bezpośrednio przez ExoPlayer z modułem rozszerzenia. Na iOS wymagane jest użycie zewnętrznych bibliotek, takich jak libdash z integracją przez AVFoundation lub MPEGDASHPlayer. Rozpatrzmy praktyczną implementację dla obu platform.

DASH na Androidzie przez ExoPlayer

ExoPlayer od Google zapewnia wbudowaną obsługę DASH przez moduł `exoplayer-dash`. Podłączenie strumienia DASH nie różni się od innych formatów — wystarczy przekazać URI pliku MPD do MediaItem. ExoPlayer automatycznie określa format treści i uruchamia odpowiedni renderer, obsługując wszystkie standardowe algorytmy ABR.

val player = ExoPlayer.Builder(this).build()

val dashMediaItem = MediaItem
    .Builder()
    .setUri("https://example.com/dash/stream.mpd")
    .setMimeType("application/dash+xml")
    .build()

player.setMediaItem(dashMediaItem)
player.prepare()
player.playWhenReady = true

DASH z DRM na obu platformach

Common Encryption (CENC) — jedna z kluczowych możliwości DASH, pozwalająca na używanie jednego strumienia multimedialnego z różnymi systemami DRM. Plik MPD zawiera elementy XML ContentProtection z identyfikatorami systemów DRM (Widevine, PlayReady, FairPlay). Klient wybiera odpowiedni system DRM na podstawie swojej platformy i żąda licencji przez serwer licencyjny.

val drmLicenseUri = Uri.parse("https://license.example.com/wv")
val drmSessionManager = DefaultDrmSessionManager
    .Builder()
    .setUuidAndExoMediaDrmProvider(
        C.WIDEVINE_UUID,
        FrameworkMediaDrm.DEFAULT_PROVIDER
    )
    .build(drmLicenseUri, null)

val mediaItem = MediaItem
    .Builder()
    .setUri("https://example.com/encrypted/stream.mpd")
    .setDrmConfiguration(
        MediaItem.DrmConfiguration.Builder(C.WIDEVINE_UUID)
            .setLicenseUri("https://license.example.com/wv")
            .build()
    )
    .build()

Optymalizacja DASH dla urządzeń mobilnych

Aplikacje mobilne wymagają specjalnego dostrojenia DASH ze względu na ograniczenia przepustowości i zużycia energii. Główne zalecenia obejmują: ustawienie minimalnego bufora na 2-3 segmenty dla odporności na krótkotrwałe spadki prędkości, używanie segmentów o długości 2-4 sekund dla szybszej reakcji na zmiany sieci oraz wstępne ładowanie następnego segmentu przy przełączaniu jakości.

W celu oszczędzania transferu w sieciach mobilnych Bitmovin (2024) zaleca używanie Content Steering — mechanizmu podobnego do analogicznej funkcji HLS, umożliwiającego dynamiczne kierowanie klienta do optymalnego węzła CDN. DASH Content Steering jest opisany w specyfikacji ISO/IEC 23009-1:2022 i obsługiwany w dash.js 4.5+ oraz ExoPlayer 2.18+.