2020 年，COVID-19 成爲“世界的通用語言”，截止 7 日 2 日，全球累計確診超過 1071 萬人。目前，雖然世界各國不再提倡全民主動宅家戰“疫”，但人們原先正常的工作節奏和社交習慣已被打破，各行各業出現了裁員潮。
疫情之下，百業凋零。而一場疫情卻將宅文化與宅經濟再次帶入到大衆的視野。宅文化源自於上世紀80年代的日本，當時衆多日本青少年、無業者以及在職員工沉迷於遊戲和動漫，促使日本的 ACG 產業（Animation 動畫、Comic 漫畫、Game 遊戲）得到了快速發展。而現狀之下，遊戲產業似乎再次成爲了時代的寵兒。
在疫情最嚴重的 3 月底，Newzoo 市場分析師曾發文表示，根據 Verizon 的報告，高峯時段的遊戲流量較前一週增加了 75％。同時 Twitch 和 YouTube Gaming 收看率較前一週均至少增長了 10％。管中窺豹看本質，人們在疫情期間花費了更多的時間在電子遊戲上，由此直接拉動了遊戲直播的飛速發展。
圖片來源：快手直播官網
快手作爲短視頻與直播領域的先行者之一，十分重視遊戲直播領域的發展。隨着遊戲類內容的不斷擴充，快手敏銳的觀察到由於遊戲直播興起給通信技術帶來了嚴峻的挑戰。近日，快手正式發佈了基於流式的直播多碼率自適應標準 LAS（Live Adaptive Streaming），其用於提供低延遲、平滑、流暢的直播體驗。快手科技算法科學家、傳輸算法團隊負責人周超博士表示，快手已將 LAS 端到端的解決方案開源，幫助業界更多用戶實現零門檻接入和使用 LAS 解決方案。
拿來主義真的好嗎？
從 2016 年開始，快手開始着手組建音視頻技術團隊。到了 2018 年，快手開始關注到多碼率自適應的問題，而受限於當時團隊人手不足，無法集中進行開發。2019 年，隨着直播業務的快速發展，快手遊戲直播業務激增，多碼率自適應方案再次被團隊提上日程。
根據 2019 年數據顯示，快手的直播 DAU 超過 1 億，其中游戲直播日活用戶數達到 5100 萬。周超博士表示，站在用戶角度，遊戲直播體驗至關重要，快手針對其面臨的三大痛點：卡頓、模糊與延遲大，進行了針對性的研發。
對於這些問題，單獨優化某一個指標並不難，難點在於彼此之間互相制約。例如通過降低碼率能降低卡頓率，提升觀看直播的流暢度，但降低碼率損失了清晰度的體驗，會引起直播畫面模糊。同時低延遲會帶來良好的體驗感受，但過低的延遲，客戶端的緩存數據也越少，對網絡抖動的抗性也越差，又會增加用戶的卡頓風險。
面對遊戲直播的複雜性，顯然單一的視頻質量（碼率、分辨率）或固定的檔位下發策略難以適應，多碼率方案已經成爲平衡清晰度與卡頓的最佳選擇。同時考慮到快手用戶的規模龐大且分佈廣泛，網絡差異性較大，究竟如何進行技術選型，這個難題擺在了快手音視頻技術團隊面前。
周超博士透露，針對多碼率方案，當時團隊有兩條路可以走，一是拿來主義，二是自研之路。
拿來主義：多碼率自適應是在抖動網絡下保證觀看流暢度最有效的手段之一，主要包括 MPEG-DASH 和 HLS 這類國際標準協議。優點在於部署快，見效快。但二者均是基於分片傳輸，設計之初主要用於點播場景，而非直播。其直接用於直播場景會造成延遲過大，直接影響直播體驗，顯然對於快手來說是無法接受的。雖然目前 MPEG-DASH 和 HLS 都有低延遲方案的選擇，例如 LHLS，但此類方案尚未標準化，離落地應用尚需時日。
自研之路：自主研發一套高清晰、低卡頓、低延遲的直播多碼率方案。自主研發相較拿來主義優勢明顯，首先從前期架構、算法、協議等方面考慮，快手可以自由調控，靈活結合不同業務需求進行優化。其次，對於後期部署而言，自主研發可兼容多種框架、支持多種協議，保證方案的易擴展性。但同時自研的缺點也很明顯，方案從零到一各方的不確定性將會是最大的挑戰。此外，針對快手而言，直播主要依靠第三方雲廠商進行分發，採用自研的方案，意味着需要所有 CDN 廠商配合做定製化開發。
好在快手對於自研新技術應用經驗豐富。周超博士透露，已經成熟落地的 KTP 方案便是由快手自主研發，擁有自主的知識產權。當時的快手同樣面臨兩難的選擇，經過反覆的斟酌與權衡，爲了把傳輸做到極致，快手毅然選擇了自研 KTP 方案。目前，KTP 方案已全面用於快手的各項業務，應用反饋良好，這也讓直播多碼率方案團隊擁有了更堅定的信心。
自研之路 = 理想的思路 + 執着的堅守
豐富的自研經驗以及團隊的堅定信心，讓快手再次走上了自研之路。周超博士強調，已有的解決方案均存在不足，難以滿足快手對於業務發展的需求。因此，快手自主研發了一套基於流式的直播多碼率自適應方案，其目標是在支持直播碼率自適應的同時，實現流式直播的低延遲。
低延遲與清晰度兼顧的自研思路
總體而言，本次快手推出的直播多碼率自適應方案包含兩大特性：一是基於流式傳輸，保證低延時；二是支持多碼率，依據每個用戶的網絡狀態，自適應選擇最佳的視頻清晰度。
與傳統的基於分片的多碼率架構相比，基於流式的直播多碼率能提供更低的延遲，在架構上也有一些特性，主要包括：
轉碼：不同於 MPEG-DASH 或 HLS，基於流式的直播多碼率方案在轉碼時不需要進行切片操作，只需在轉碼時保證不同的轉碼流 I 幀的 pts 嚴格對齊，從而保證視頻流的無縫切換
CDN 功能升級：CDN 側也即基於流式的直播多碼率方案的服務側，需要升級支持三種拉流模式，即默認位置拉流（傳統拉流模式）、絕對位置拉流（指定吐流絕對位置）與相對位置拉流（指定吐流相對位置）
自適應算法：在自適應算法上，與分片傳輸的策略相比，基於流式的傳輸邏輯會一定程度增加自適應算法的難度（例如在流式傳輸中，因爲源數據實時產生，觀測到的平均帶寬值近似等於當前請求的視頻碼率，無法反應真實的帶寬），但流式架構更加靈活，並且能顯著降低分片架構中存在的傳輸 ON-OFF 現象，從而降低了碼率切換過於頻繁的問題。周超博士指出，快手針對流式的直播多碼率方案，設計了一套高效的自適應算法 ，並將具體實現對外開放
自研之路沒有祕訣只有堅持
起初，基於已有的自研經驗，快手自研之路還算順利。周超博士表示，當時團隊內部氛圍積極樂觀，預估三至五個月後方案便可上線。團隊之外，CDN 廠商也都十分認可這套架構，配合度極高，解除了方案落地的後顧之憂。
但理想很豐滿，現實很骨感。經過四個月的開發與聯調工作，直播多碼率自適應方案進入了灰度與 AB 測試階段。最終，迎接團隊的不是成功的驚喜，而是失敗的心灰意冷。根據反饋數據顯示，無論是卡頓率等 QoS 數據，還是時長等 QoE 數據都呈現負向。周超博士透露，當時就連自己都產生了自我否定，開始懷疑是否是多碼率自適應算法設計存在缺陷。
到底爲何數據會呈負向，周超博士和團隊開始了漫長的求證和優化過程。首先，周超博士對算法的邏輯和實現進行了反覆檢查，基本排除了算法的因素。接着數據負向排查持續進行了數月，但方案收益依然顆粒無收，直播多碼率自適應方案一度變成了燙手山芋，甚至到了擱置的狀態。團隊內部氛圍十分低落，方案優化更是無從下手。
自研之路沒有祕訣只有堅持。周超博士認爲，做事情總該有始有終，爲了激勵團隊，自己硬着頭皮重新梳理了整個方案，責任到人，逐個環節去跟核心開發人員覈對預期需求和具體實現情況。強迫團隊內部開始行動，基於數據驅動，採用加埋點、AB 測試、數據分析與優化不斷循環的方式，不斷髮現問題、解決問題。
經過數月的分析與優化，2019 年 10 月直播多碼率自適應方案存在的問題全部得到了解決。並在“實戰”的遊戲直播中，成功的保證了直播視頻的清晰度、卡頓率與延遲，用戶時長等 QoE 收益增長明顯。當遊戲直播的收益開始凸顯，快手 APP 也決定採用該方案提升站內直播體驗。目前，這套方案已經全面應用於快手的各項直播業務。
以開源驅動行業發展
鑑於此，直播多碼率自適應方案開始逐步實現標準化與方案開源。周超博士表示，一方面，隨着方案的收益穩步提升，獲得了諸多的肯定。另一方面，考慮到如今市面上沒有針對直播多碼率標準的方案，這也許是快手爲業界作貢獻的好機會。經過團隊內部的協商，正式將該直播多碼率方案命名爲 LAS，目前快手已經將整套方案重新梳理，形成 LAS 的標準文檔，並已正式開源。
行業要發展，標準須先行。快手選擇做標準與開源，主動對外開放技術，只是希望可以幫助其他企業少走些彎路，畢竟直播多碼率自適應方案從開始調研，實現再到全量，快手解決了方案和架構選擇、工程實現、算法優化等諸多問題。
至於超越，我覺得這也是一種好事，說明 LAS 還有很大的優化空間，周超博士解釋道，快手從不怕“別人偷技術”。其實開源的意義也在於開放心態和樂於分享，這標誌着一個項目可以彙集多支團隊的智慧，也許困擾你的難題便會迎刃而解，這和閉門造車的理念形成了鮮明的對比。
目前，LAS 開源涵蓋服務端、客戶端和自適應算法。阿里雲、騰訊雲、百度雲、金山雲、網宿雲等雲廠商均已支持 LAS。此外，業內知名開源流媒體服務器 SRS 也已支持 LAS，基於 SRS 4.0 及更高版本，企業客戶也可搭建自己的 LAS 服務端以滿足個性化的需求。在客戶端，快手已經開源了 LAS Web 的實現，包括協議、架構和自適應算法。
當下只是 LAS 1.0，未來 LAS 還將進一步完善優化，主要包括以下幾個方面：
跨平臺：未來快手希望可以實現跨平臺的支持，例如移動端的支持和開源。
多協議：在協議層面，目前開源的版本是基於 HTTP-FLV 的實現，未來可以支持更多協議，例如 WebRTC、QUIC 等。
全鏈路：LAS 目前主要是針對拉流端的多碼率自適應方案，未來將涵蓋推流、轉碼，打造一套全鏈路的解決方案。
自適應算法：自適應算法是 LAS 高效性的保障。快手擁有完善的測試環境，AB 系統，爲新算法的對比、迭代優化和落地奠定了基礎。
嘉賓介紹
周超博士，畢業於北京大學，曾任職於華爲 2012 實驗室。現任快手科技算法科學家，快手傳輸算法團隊負責人。主要研究方向包括多媒體處理與通信、流媒體傳輸優化等，發表論文 40+，申請專利 50+，曾獲得 2012 年 IEEE VCIP Best Sthttp://url IEEE VCIP Best Paper Award。
如欲瞭解 LAS 的詳細文檔、架構、部署方式、測試數據等，可以登錄 LAS 官方網站。