RTMP推流详解

参考资料：

• Adobe Flash Video File Format Specification Version 10.1
• ISO/IEC 14496-3 Second edition 2001（Information technology — Coding of audio-visual objects — Part 3: Audio）
• ISO/IEC 14496-15 Second edition 2010（Information technology — Coding of audio-visual objects — Part 15: Advanced Video Coding (AVC) file format）
• ITU-T H.264(01/2012)（Advanced video coding for generic audiovisual services）

RTMP推流，需要以FLV Tag发送数据。

发送 script data

如果要发送，必须在发送音视频数据之前进行发送；但也可以完全不发送。

script data里面必须有onMetadata，但并不是所有的属性都需要发送，可以选择性地发送其中的几个，比如，只发送audiocodecid、videocodecid、height、width。

发送音频数据

发送 AAC sequence header

必须在发送AAC raw之前进行发送。

AudioTagHeader

其结构如下：

4位的SoundFormat，用10代表AAC
2位的SoundRate，用3代表44100Hz
1位的SoundSize，对于压缩格式（AAC属于压缩格式），用1代表16位的采样大小
1位的SoundType，0代表单声道；1代表立体声；
8位的AACPacketType，用0代表AAC sequence header

另，根据上图中的文字信息，可以得出，这2个字节固定为：

0xAF和0x00

解析如下：

4位的SoundFormat，取10，二进制就是1010
2位的SoundRate，取3，二进制就是11
1位的SoundSize，取1，二进制就是1
1位的SoundType，取1，二进制就是1

它们正好是1字节，也就是0xAF。

后面的1字节AACPacketType，是0x00。

AudioTagBody

对于AAC sequence header，其AudioTagBody就是AudioSpecificConfig：

AudioSpecificConfig

audioObjectType

samplingFrequencyIndex

因为发送的是AAC，samplingFrequencyIndex不会取0xf，因此，忽略占24位的samplingFrequency。

channelConfiguration

GASpecificConfig

上图中标记为红色的字段，都取0。

计算AudioSpecificConfig

5位audioObjectType，
4位samplingFrequencyIndex，
4位channelConfiguration，
3位GASpecificConfig

总共2个字节，计算公式如下：

bytes[0] = ((audioObjectType & 0x1F) << 3) | ((samplingFrequencyIndex & 0x0F) >> 1))
bytes[1] = ((samplingFrequencyIndex & 0x01) << 7) | ((channelConfiguration & 0x0F) << 3) | GASpecificConfig

因为GASpecificConfig都是0，因此：

bytes[0] = ((audioObjectType & 0x1F) << 3) | ((samplingFrequencyIndex & 0x0F) >> 1))
bytes[1] = ((samplingFrequencyIndex & 0x01) << 7) | ((channelConfiguration & 0x0F) << 3)

发送 AAC raw

AudioTagHeader

其结构如下：

4位的SoundFormat，用10代表AAC
2位的SoundRate，用3代表44100Hz
1位的SoundSize，对于压缩格式（AAC属于压缩格式），用1代表16位的采样大小
1位的SoundType，0代表单声道；1代表立体声；
8位的AACPacketType，用1代表AAC raw

另，根据上图中的文字信息，可以得出，这2个字节的数据，固定为：

0xAF和0x01

AudioTagBody

也即Raw AAC frame data

发送视频数据

发送 AVC sequence header

VideoTagHeader

4位的Frame Type，用1代表关键帧(针对的是AVC，也就是H.264)
4位的CodecID，用7代表AVC
8位的AVCPacketType，用0代表AVC sequence header
24位的CompositionTime，取0

因此，这5个字节固定如下：

byte[0] = 0x17
byte[1] = 0x00;
byte[2] = 0x00;
byte[3] = 0x00;
byte[4] = 0x00;

VideoTagBody

对于AVC sequence header，其VideoTagBody就是AVCDecoderConfigurationRecord：

AVCDecoderConfigurationRecord

计算AVCDecoderConfigurationRecord

发送 AVC NALU

VideoTagHeader

4位的Frame Type，用1代表关键帧，用2代表非关键帧(这两个值，针对的是AVC，也就是H.264)
4位的CodecID，用7代表AVC
8位的AVCPacketType，用1代表AVC NALU
24位的CompositionTime，取0

因此，这5个字节的计算公式如下：

byte[0] = ((FrameType & 0x0F) << 4) | (CodecID & 0x0F)
byte[1] = 0x01;
byte[2] = 0x00;
byte[3] = 0x00;
byte[4] = 0x00;

byte[0]要么是0x17，要么是0x27

VideoTagBody

对于AVC NALU，其VideoTagBody就是One or more NALUs (Full frames are required)，每个NALU的最前面，不需要Start Code，但需要加上NumBytesInNALunit（也就是NALU的长度）