DASH — 什么是动态流媒体协议及其工作原理

什么是DASH？

MPEG-DASH（Dynamic Adaptive Streaming over HTTP）— 是ISO/IEC 23009-1国际标准，于2012年发布，旨在应对自适应流媒体专有解决方案的碎片化。与HLS（Apple专有协议）和Smooth Streaming（Microsoft）不同，DASH从一开始就被设计为开放、不绑定特定供应商的标准，这确保了其在行业中的广泛支持。

DASH的主要创新 — 流描述与媒体内容的分离。流描述存储在MPD（Media Presentation Description）XML文件中，包含有关可用变体的所有信息：比特率、分辨率、编解码器、字幕、音轨。媒体内容以单独片段（通常为fMP4）的形式存储，可通过HTTP独立下载。这种架构使服务器基础设施尽可能简单 — 任何HTTP服务器都能分发DASH内容。

DASH的自适应性通过对同一内容的不同变体进行多路复用来实现。服务器准备多个表示 — 具有不同压缩参数的内容副本。客户端分析信道带宽并动态切换表示，选择质量和播放稳定性的最佳比例。根据学术研究（IEEE Access，2024），使用BOLA算法的DASH在不稳定连接下相比HLS减少了22%的比特率切换。

DASH的历史和标准化

MPEG在分析现有解决方案后于2010年开始DASH的工作：Apple HLS、Microsoft Smooth Streaming和Adobe HDS。标准的第一版（ISO/IEC 23009-1:2012）于2012年发布。第二版（2014）增加了事件支持、改进的广告插入和服务器控制的自适应。第三版（2019）增加了对HDR、8K、触觉视频以及用于5G网络的MMT（MPEG Media Transport）的改进集成。

2024年，MPEG宣布了DASH 下一代版本，包括对神经网络编解码器的支持、云渲染以及对扩展现实（XR）场景的优化。关键创新 — Neural Network-Based Video Coding（NNVC），它使用ML模型在客户端进行解码，可在保持质量的同时将比特率降低30-50%。

DASH如何工作？

DASH流播放过程由四个连续阶段组成：获取MPD、解析流描述、选择初始表示以及动态切换表示。每个阶段都有其影响用户体验质量的特性。

获取和解析MPD

播放器从已知URL加载MPD文件。MPD包含描述整个流的XML结构：内容时长、时间刻度、可用时间段（Period）、自适应集（AdaptationSet）和带有具体编码参数的表示（Representation）。播放器解析MPD并创建可用媒体资源的内部模型。

具有两种分辨率的VOD内容的基本MPD文件示例：

<?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>

加载片段和自适应

选择初始表示后，播放器开始加载片段。每个片段包含几秒的内容（通常2-10秒）。播放器保持缓冲区预存多个片段，确保对网络速度短期下降的抵抗力。表示选择算法（ABR）持续监控片段加载速度并决定在可用比特率之间切换。

现代DASH的ABR算法，如BOLA（基于缓冲区占用的Lyapunov算法）和Pensieve（基于强化学习），不仅考虑当前带宽，还考虑缓冲区大小、内容类型（体育、新闻、电影），甚至设备的能耗。BOLA是dash.js和ExoPlayer的一部分，在保持稳定缓冲区的同时最小化比特率切换次数，这已得到ACM研究（Spiteri等人，2020）的证实。

DASH结构：MPD、Period、Adaptation Set

DASH流的层次结构组织在四个级别：MPD → Period → AdaptationSet → Representation。每个级别增加细节层次，允许描述复杂场景 — 从简单的VOD到带有广告插入和多角度视频的直播。

MPD（Media Presentation Description）

MPD — 根元素，描述整个媒体演示。MPD属性确定流类型（static用于VOD，dynamic用于直播）、总时长、时间刻度、配置文件和DRM信息。MPD可以包含一个或多个Period，每个表示内容的独立时间间隔。

Period、AdaptationSet和Representation

Period — 演示的时间段。对于VOD，整个内容使用一个Period。对于带有广告插入的直播，Period可以动态变化 — 播放器加载更新的MPD并检测到对应于广告块的新Period。每个Period包含一个或多个AdaptationSet。

AdaptationSet — 同一媒体类型（视频、音频、字幕）的可互换表示组。在AdaptationSet内，所有表示仅在比特率和/或分辨率上不同，但编码相同的内容。重要特性：播放器可以在同一AdaptationSet内的表示之间在片段边界处切换而不会中断播放。

Representation — 具有特定比特率、分辨率和编解码器的具体编码变体。每个表示在MPD中指定了用于加载片段的URL模板。DASH使用灵活的片段寻址系统 — 通过带有片段编号和时间替换的URL模板（$Number$、$Time$），使服务器能够动态生成文件名，而无需在MPD中列出每个片段。

分段和打包

DASH片段可以是两种类型：Segment类型（仅包含媒体数据）和Subsegment类型（片段的一部分，用于更精细的访问）。DASH内容的编码使用FFmpeg或打包编码器等工具。从输入文件创建DASH流的示例：

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：协议对比

在DASH和HLS之间选择是设计视频流系统时的关键决策之一。两个协议解决相同的任务（通过HTTP自适应视频传输），但在架构、编解码器支持和生态系统方面有根本性差异。让我们根据关键参数来比较它们。

DASH的关键优势 — 独立于编解码器。如果HLS最初将编解码器限制为Apple支持的编解码器（H.264、HEVC，最近还有AV1），那么DASH可以使用播放器支持的任何编解码器：VP9/VP8（对YouTube和Chrome至关重要）、AV1（为提高效率）、H.264/HEVC（为兼容性）。这使得DASH成为需要为所有设备提供统一流的跨平台服务的首选。

DASH在iOS上的缺点 — 在Safari和AVPlayer中缺少原生支持。iOS应用程序开发者需要使用与HLS兼容的第三方播放器或通过VTDecoder集成的libdash等库。实际上，这意味着面向iOS的项目中，HLS仍然是事实上的标准，而对于Android和Web平台，DASH是更灵活、更强大的解决方案。

DASH在移动开发中的应用

DASH在移动应用中的集成取决于平台。在Android上，DASH通过ExoPlayer及扩展模块直接支持。在iOS上，需要使用第三方库，如通过AVFoundation集成的libdash或MPEGDASHPlayer。让我们看看两个平台的实际实现。

通过ExoPlayer在Android上使用DASH

Google的ExoPlayer通过`exoplayer-dash`模块提供对DASH的内置支持。连接DASH流与其他格式没有区别 — 只需将MPD文件的URI传递给MediaItem。ExoPlayer自动确定内容格式并启动相应的渲染器，支持所有标准ABR算法。

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

在两个平台上使用DRM的DASH

Common Encryption（CENC）— DASH的关键能力之一，允许一个媒体流与不同DRM系统一起使用。MPD文件包含带有DRM系统标识符（Widevine、PlayReady、FairPlay）的ContentProtection XML元素。客户端根据其平台选择合适的DRM系统，并通过许可证服务器请求许可证。

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()

DASH对移动设备的优化

移动应用由于带宽和能耗的限制，需要对DASH进行特殊调整。主要建议包括：设置最小2-3个片段的缓冲区以抵抗短期速度下降，使用2-4秒时长的片段以更快响应网络变化，以及在切换质量时预加载下一个片段。

为节省移动网络流量，Bitmovin（2024）建议使用Content Steering — 一种类似于HLS类似功能的机制，允许动态将客户端引导到最佳CDN节点。DASH Content Steering在ISO/IEC 23009-1:2022规范中有描述，并在dash.js 4.5+和ExoPlayer 2.18+中得到支持。