Single blog

Wprowadzenie do opóźnień w streamingu

Opóźnienie lub utajenie, to jeden z najczęściej omawianych problemów w branży transmisji na żywo. Wyobraź sobie sytuację: oglądasz na żywo finał meczu piłkarskiego i nagle słyszysz radosne krzyki sąsiada za ścianą, choć na Twoim ekranie zawodnik właśnie przygotowuje się do przyjęcia rzutu karnego. Jest to klasyczny przykład dużego opóźnienia. W świecie, w którym interakcje cyfrowe stają się natychmiastowe, czekanie 30–60 sekund wydaje się wiecznością.

Aby zrozumieć, dlaczego wideo nie pojawia się od razu na ekranie, musisz zdać sobie sprawę, że ścieżka klatki z kamery streamera do wyświetlacza widza nie jest linią prostą, ale złożonym potokiem technologicznym. Każdy krok po drodze dodaje milisekundy, a nawet sekundy, do całkowitego czasu oczekiwania. Główne czynniki wpływające na opóźnienie można podzielić na kilka kategorii:

• Przetwarzanie oprogramowania po stronie nadawcy (kodowanie);
• Transport danych poprzez węzły internetowe;
• Przetwarzanie na serwerach platformy medialnej (transmultipleksacja);
• Buforowanie po stronie gracza oglądającego.

W tym artykule przyjrzymy się bliżej każdemu z tych kroków, aby zrozumieć, dlaczego „na żywo” nigdy nie jest w rzeczywistości całkowicie aktywne.

Faza przechwytywania i kodowania: pierwsze sekundy opóźnienia

Wszystko zaczyna się od aparatu. Gdy światło dotrze do czujnika, urządzenie musi przekształcić sygnał analogowy w strumień cyfrowy. Jednak surowe wideo jest zbyt ciężkie, aby można je było przesyłać przez Internet. Na przykład nieskompresowany strumień 1080p przy 60 klatkach na sekundę wymaga przepustowości kilku gigabitów na sekundę. Dlatego wideo jest potrzebne kompresować (kodować).

Kodowanie to proces wymagający dużych zasobów. Kodery programowe (na przykład OBS wykorzystujący procesor) lub kodery sprzętowe (NVENC na kartach graficznych NVIDIA) analizują klatki i szukają w nich nadmiarowości. Opóźnienie tutaj wynika z algorytmów kompresji. Kodeki takie jak H.264 lub HEVC (H.265) wykorzystują koncepcję grupy obrazów (GOP).

1. Klatki I (klatki kluczowe): Obrazy pełnoklatkowe.
2. Ramki P (predykcyjne): Zawiera tylko zmiany względem poprzedniej klatki.
3. Klatki B (bi-predykcyjne): Analizowane są zarówno klatki poprzednie, jak i przyszłe.

Stosowanie Ramki B znacznie poprawia kompresję, ale zmusza koder do „czekania” na następną klatkę w celu zakodowania bieżącej, co natychmiast dodaje 100–500 ms opóźnienia. Ponadto ustawienia bufora kodera wpływają również na prędkość: im więcej danych koder gromadzi przed wysłaniem, tym stabilniejszy jest strumień, ale tym większe jest opóźnienie.

Protokoły sieciowe i routing: ścieżka przez oceany

Po spakowaniu wideo jest ono wysyłane na serwer Ingest. Tutaj w grę wchodzą protokoły sieciowe. Historycznie rzecz biorąc, był to standard RTMP (protokół przesyłania wiadomości w czasie rzeczywistym). Jest niezawodny, ale działa w oparciu o protokół TCP, co gwarantuje dostarczenie każdego pakietu. Jeśli jeden pakiet zostanie utracony, cała transmisja zostanie zatrzymana do czasu ponownej transmisji pakietu. Stwarza to efekt narastającego opóźnienia.

Protokół

Typowe opóźnienie

Główne cechy

Odległość też ma znaczenie. Światło w światłowodzie przemieszcza się szybko, ale nie natychmiastowo. Każdy router i przełącznik w drodze z domu do serwera w Kalifornii lub Amsterdamie dodaje kilka milisekund. Jeśli sieć jest przeciążona, mogą wystąpić problemy drganie (nierównomierność przychodzenia pakietów) i straty, co zmusza systemy do zwiększania buforów ochronnych.

Przetwarzanie i dostarczanie serwera przez CDN

Gdy film dotrze na serwer platformy (taki jak YouTube lub Twitch), rzadko jest po prostu przekazywany dalej. Serwer musi wystarczyć transkodowanie — utworzenie kilku wersji transmisji w różnych rozdzielczościach (1080p, 720p, 480p), tak aby transmisję mogli obejrzeć także widzowie ze słabym dostępem do Internetu. Proces ten wymaga ogromnej mocy obliczeniowej i czasu.

Następna jest sieć CDN (Content Delivery Network). Aby zapewnić szybkie ładowanie wideo milionom ludzi, jest ono kopiowane na tysiące serwerów na całym świecie. Większość nowoczesnych platform korzysta z protokołu HLS (transmisja na żywo HTTP). Jego zasada działania polega na cięciu wideo na małe fragmenty (fragmenty).

Dlaczego HLS powoduje opóźnienia:Zgodnie ze standardem odtwarzacz musi pobrać co najmniej trzy segmenty wideo przed rozpoczęciem odtwarzania. Jeżeli długość jednego segmentu wynosi 6 sekund, to dopiero na tym etapie otrzymamy automatyczne opóźnienie wynoszące 18 sekund. Nawet po skróceniu segmentów do 1–2 sekund obciążenie związane z żądaniami HTTP pozostaje znaczne.

Buforowanie po stronie widza: ostateczna bariera

Ostateczna przyczyna opóźnienia leży bezpośrednio w Twojej przeglądarce lub aplikacji. Ten bufor odtwarzania. Gracze celowo pobierają filmy „do przodu” przez kilka sekund. Dzieje się tak, aby w przypadku krótkotrwałego spadku prędkości Internetu transmisja nie zawieszała się w cyklu ładowania.

Istnieje bezpośrednia zależność: im gorsze i bardziej niestabilne łącze widza, tym bardziej gracz stara się zwiększyć bufor. Współcześni gracze wdrażają algorytmy adaptacyjnej przepływności (ABR), które próbują zrównoważyć jakość i opóźnienia, ale nie są one wszechmocne. Ustawienie „Low Latency” w ustawieniach strumienia zwykle zmniejsza ten bufor ochronny do minimum, co zwiększa ryzyko częstych zatrzymań (rebuforowania) przy najmniejszych zakłóceniach sieci.

Podsumowując, opóźnienie to suma kompromisów między jakością obrazu, stabilnością transmisji i kosztami infrastruktury. Technologia nie stoi w miejscu, a wprowadzenie protokołów takich jak HTTP/3 i rozwój sieci 5G stopniowo przybliżają nas do ery prawdziwego czasu rzeczywistego, jednak nadal nie da się całkowicie pozbyć opóźnień spowodowanych prawami fizyki i koniecznością przetwarzania danych.