【音视频】Http-FLV 介绍

一、Http-FLV 原理

HTTP-FLV 是基于 HTTP 协议的 FLV（Flash Video）流媒体传输方式。它使用 HTTP 协议而不是传统的 RTMP 协议来传输 FLV 格式的视频流。HTTP-FLV 在 Web 视频直播场景中得到了广泛应用，尤其是在不支持或不希望使用 RTMP 协议的情况下，它为 Web 端用户提供了流畅的直播体验

HTTP-FLV 的核心是 “流式传输”，而非一次性下载文件，依赖两个关键技术：

FLV 容器格式：FLV 是轻量级容器，仅包含「文件头（Header）+ 标签（Tag）」两部分，无复杂索引结构。

Tag 是数据传输的最小单元，分为三类：
- 视频 Tag（H.264/H.265 编码）
- 音频 Tag（AAC/MP3 编码）：存储实际媒体数据；
- 脚本 Tag（ScriptTag）：包含元数据（如编码格式、分辨率、比特率、时长）
HTTP Chunked Encoding（分块编码）：HTTP 协议默认是 “请求 - 完整响应”，但 HTTP-FLV 利用 Transfer-Encoding: chunked 响应头，将 FLV 流切分为连续的二进制块（每块 1-2s 数据），服务器实时向客户端推送块，客户端接收后立即解码播放，实现 “边传边播”。

二、Http-FLV 传输过程

HTTP-FLV 需 “推流端 - 流媒体服务器 - 播放端” 三方协作，流程如下：

推流端：通过 RTMP 协议（如 OBS、FFmpeg）将原始视频流（摄像头 / 本地文件）推送到流媒体服务器（如 SRS、Nginx-RTMP-Module、EasyDarwin），
服务器转流：服务器接收 RTMP 流后，会实时接收主播推来的视频 / 音频数据（比如通过 RTMP 推流到服务器），并即时封装成 FLV 格式的 “数据单元”，实时封装为 FLV 格式（无需完整生成 FLV 文件），然后，服务器会把这些 FLV 数据按 “1-2 秒的播放时长” 切成一块一块，并通过 HTTP 端口（80/443）对外提供访问地址（如 http://xxx.com/live/stream.flv）；
客户端：按块处理，收到第一块数据（1-2 秒的 FLV 内容），立即解析其中的 FLV Tag（提取视频帧、音频帧和时间戳），然后调用解码器（比如 H.264 视频解码器、AAC 音频解码器）解码这部分数据，解码完成后直接播放，不用等后续块。同时，客户端会继续接收第二块、第三块… 重复 “接收→解码→播放” 的流程，直到收到 “大小为 0 的空块”（直播结束）。
- 浏览器通过 flv.js（开源插件）或原生支持 FLV 的播放器（如 Video.js）发起 HTTP GET 请求，获取流地址；
- 服务器返回 Content-Type: video/x-flv 响应头，以 Chunked 模式持续推送 FLV 数据块；
- 客户端解析 FLV Tag，分离视频 / 音频数据，通过 HTML5 <video> 标签解码播放。

在这里插入图片描述

三、Http-FLV 对比HLS、本地FLV

3.1 Http-FLV 特点

优势：
- 低延迟：基于 Chunked 传输，延迟通常控制在 1-5 秒（远低于 HLS），适合半实时场景（如电商直播、教育直播）；
- 防火墙穿透：使用 HTTP 标准端口（80/443），避免 RTMP 1935 端口被拦截的问题；
- 兼容性：原生浏览器虽然不支持，但可以通过 flv.js 库解析，在 Chrome、Firefox、Edge 等现代浏览器运行，移动端也支持。
局限性补充：
- 无原生自适应比特率（ABR）：若网络波动，需服务器额外提供多码率流（如 720P/480P），客户端手动切换；
- 连接稳定性依赖 HTTP 长连接：若网络中断，需重新请求并恢复播放，可能丢失部分数据
- 它的传输特性会让流媒体资源缓存在本地客户端，也就是说保密性不怎么样；直到目前仍然不兼容iOS的浏览器

3.2 HLS 特点

HLS（HTTP Live Streaming）是苹果推出的基于 HTTP 的自适应比特率流媒体协议，核心是 “切片传输”，与 HTTP-FLV 同为 Web 流媒体主流方案，但技术路径差异显著。

1. HLS 协议简述

HLS 将视频流切分为 10-30 秒的 TS 片段（MPEG-TS 格式，支持 H.264/AAC），并生成一个 M3U8 索引文件（文本格式，记录 TS 片段的 URL、时长、码率）。
客户端先请求 M3U8，再按顺序请求 TS 片段播放，支持自动切换不同码率的 M3U8（如网络差时切 480P，网络好时切 1080P）。

2. HTTP-FLV 对比HLS

对比如下：

对比维度	HTTP-FLV	HLS
传输协议	HTTP 协议（Chunked Encoding 分块传输）	HTTP 协议（基于 TS 切片 + M3U8 索引）
数据格式	FLV 容器（Tag 结构，二进制流）	TS 片段（MPEG-TS 容器）+ M3U8 索引（文本）
延迟表现	低（1-5 秒），适合半实时场景	高（15-60 秒），切片越长延迟越高
自适应比特率	需额外开发（服务器提供多码率流，客户端切换）	原生支持（M3U8 可包含多码率索引，自动切换）
浏览器支持	需 `flv.js` 插件（Chrome/Firefox/Edge 等）	原生支持（Safari 全版本，Chrome/Firefox 需 HLS.js）
设备兼容性	支持 Web 端、Android 端；iOS 需第三方播放器	全平台支持（iOS 原生支持，Android/Web 需插件）
缓存机制	无持久化缓存（流数据实时播放，不存储片段）	自动缓存 TS 片段（可离线播放已缓存片段）
带宽适应性	固定码率（网络波动易卡顿）	动态码率（根据带宽自动切换，抗卡顿能力强）
部署复杂度	简单（普通 HTTP 服务器 + 流媒体模块即可）	较复杂（需切片工具 + 索引生成 + 多码率管理）
适用场景	低延迟直播（电商、教育、会议）	高容错直播 / 点播（赛事回放、视频网站点播）

主要差别：

延迟是关键分水岭：HTTP-FLV 适合需要 “近实时互动” 的场景（如主播与观众连麦），HLS 适合对延迟不敏感、追求流畅性的场景（如体育赛事直播）；
自适应能力：HLS 原生支持 ABR，更适合移动端（网络波动大），HTTP-FLV 需额外开发才能实现类似功能；
兼容性：HLS 在 iOS 端有天然优势（原生支持），HTTP-FLV 在 Web 端（尤其是 PC）部署更简单。
HLS 支持加密，通过 “TS 文件加密 + 密钥授权” 的成熟机制实现内容保护，能有效解决 “未加密流被缓存、窃取” 的问题

3.3 本地FLV 特点

本地 FLV 是存储在本地设备（电脑 / 手机）的 FLV 文件（如 video.flv），与 HTTP-FLV（流媒体）的核心差异是 “数据形态与传输方式”，具体对比如下：

1. 本地 FLV 简述

本地 FLV 是完整的文件，包含 FLV Header + 所有 Tag（视频 / 音频 / 脚本），需通过本地播放器（如 VLC、PotPlayer、暴风影音）加载并播放，无需网络传输（除非从本地服务器读取）。其播放逻辑是 “加载文件→解析元数据→按时间戳播放 Tag 数据”，支持进度条拖动、倍速播放等交互。

2. Http-FLV 对比本地FLV

对比如下：

对比维度	HTTP-FLV	本地 FLV
数据形态	实时流媒体（无完整文件，仅传输数据块）	静态文件（完整 FLV 结构，存储在本地设备）
传输方式	网络传输（HTTP 分块推送，依赖网络）	本地读取（从硬盘 / 内存加载，无网络依赖）
播放机制	边传边播（接收一块播放一块，无法提前加载）	可完整加载后播放，或本地流式播放（支持拖动进度条）
延迟表现	网络延迟（1-5 秒）+ 解码延迟	无网络延迟（仅解码延迟，毫秒级）
存储需求	服务器存储（实时生成流，不持久化片段）	本地存储（需占用设备空间，如 1GB 文件占 1GB 空间）
交互能力	弱（仅支持暂停 / 播放，无法拖动进度条）	强（支持拖动进度条、倍速、字幕加载等）
播放依赖	流媒体服务器 + 浏览器插件（如 flv.js）	本地播放器（如 VLC、PotPlayer）
适用场景	实时直播（无本地存储需求，需网络）	离线播放（下载后观看，如本地视频、离线课程）

主要差异：

“流” 与 “文件” 的本质区别：HTTP-FLV 是 “实时生成、实时传输、实时播放” 的流，无完整文件实体；本地 FLV 是 “预生成、本地存储、按需播放” 的文件；
网络依赖性：HTTP-FLV 完全依赖网络（断网即停），本地 FLV 无需网络（下载后可离线播放）；
交互体验：本地 FLV 支持完整的点播交互（如拖动进度条），HTTP-FLV 因是实时流，无法跳转播放未传输的内容。

四、协议场景选择

选 HTTP-FLV 的场景：
- 需低延迟的 Web 直播（如电商直播、在线教育、企业会议）；
- 网络环境严格（仅开放 80/443 端口，需穿透防火墙）；
- 部署资源有限（仅能搭建普通 HTTP 服务器）。
选 HLS 的场景：
- 对延迟不敏感，但需跨平台（尤其是 iOS 端）的直播 / 点播（如体育赛事、电影点播）；
- 网络波动大的场景（如移动端 4G/5G 环境，需自适应比特率抗卡顿）；
- 需支持离线缓存的场景（如用户希望缓存部分内容稍后观看）。
选本地 FLV 的场景：
- 离线播放需求（如下载视频后无网络观看）；
- 需高频交互的点播场景（如反复拖动进度条、倍速播放）；
- 无网络环境（如飞机、地铁上的本地视频播放）。