什么是Dash协议？Dash协议解析

什么是Dash

DASH，又叫MPEG DASH，DASH：Dynamic Adaptive Streaming over HTTP ，是由MPEG和ISO批准的独立于供应商的国际标准（ISO / IEC 23009-1），是一种在互联网上传送动态码率的Video Streaming技术，类似于苹果的HLS，DASH会通过media presentation description (MPD)将视频内容切片成一个很短的文件片段，每个切片都有多个不同的码率，DASH Client可以根据网络的情况选择一个码率进行播放，支持在不同码率之间无缝切换。

Dash格式详解

Dash流地址一般以mpd后缀结尾，内容是一个xml文件，描述了流的相关信息，有点类似Hls的m3u8文件，下图展示了它的基本结构：

<?xml version="1.0" encoding="UTF-8"?>
<!--Generated with https://github.com/google/shaka-packager version v2.5.1-9f11077-release-->
<MPD xmlns="urn:mpeg:dash:schema:mpd:2011" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="urn:mpeg:dash:schema:mpd:2011 DASH-MPD.xsd" profiles="urn:mpeg:dash:profile:isoff-live:2011" minBufferTime="PT2S" type="static" mediaPresentationDuration="PT114.5999984741211S">
  <Period id="0">
    <AdaptationSet id="0" contentType="audio" segmentAlignment="true">
      <Representation id="0" bandwidth="52672" codecs="mp4a.40.2" mimeType="audio/mp4" audioSamplingRate="48000">
        <AudioChannelConfiguration schemeIdUri="urn:mpeg:dash:23003:3:audio_channel_configuration:2011" value="2"/>
        <SegmentTemplate timescale="48000" initialization="audio/init.mp4" media="audio/$Number$.m4s" startNumber="1">
          <SegmentTimeline>
            <S t="48" d="307298"/>
            <S t="307346" d="307200" r="15"/>
            <S t="5222546" d="275505"/>
          </SegmentTimeline>
        </SegmentTemplate>
      </Representation>
    </AdaptationSet>
    <AdaptationSet id="1" contentType="video" maxWidth="2560" maxHeight="1440" frameRate="25000/1000" segmentAlignment="true" par="16:9">
      <Representation id="1" bandwidth="3689452" codecs="avc1.640028" mimeType="video/mp4" sar="1:1" width="1920" height="1080">
        <SegmentTemplate timescale="25000" initialization="video4/init.mp4" media="video4/$Number$.m4s" startNumber="1" duration="160000"/>
      </Representation>
      <Representation id="2" bandwidth="1562835" codecs="avc1.64001f" mimeType="video/mp4" sar="1:1" width="1280" height="720">
        <SegmentTemplate timescale="25000" initialization="video3/init.mp4" media="video3/$Number$.m4s" startNumber="1" duration="160000"/>
      </Representation>
      <Representation id="3" bandwidth="367288" codecs="avc1.640015" mimeType="video/mp4" sar="1:1" width="426" height="240">
        <SegmentTemplate timescale="25000" initialization="video1/init.mp4" media="video1/$Number$.m4s" startNumber="1" duration="160000"/>
      </Representation>
      <Representation id="4" bandwidth="770115" codecs="avc1.64001e" mimeType="video/mp4" sar="1:1" width="852" height="480">
        <SegmentTemplate timescale="25000" initialization="video2/init.mp4" media="video2/$Number$.m4s" startNumber="1" duration="160000"/>
      </Representation>
      <Representation id="5" bandwidth="4579255" codecs="avc1.640032" mimeType="video/mp4" sar="1:1" width="2560" height="1440">
        <SegmentTemplate timescale="25000" initialization="video5/init.mp4" media="video5/$Number$.m4s" startNumber="1" duration="160000"/>
      </Representation>
    </AdaptationSet>
  </Period>
</MPD>

Dash是一个非常复杂的标准，mpd中的内容非常灵活，这里只展示了其中的一种情况，在这个mpd中：

1.只有一段视频2.分为两个AdaptationSet，一个是音频的，一个是视频的3.音频是AAC编码，只有一种码率，分为18个片段，片段标准时长6.4s左右

SegmentTimeline标签中，分为三个S子标签，其中t代表起始时间，d代表时长，r代表该分片之后重复的个数，结合上面的mpd内容可知：分片数=1+1+15+1=18，片段标准时长=307200/48000=6.4s

4.视频是H264编码，有5个码率，分为18个片段，片段标准时长6.4s左右

视频没有SegmentTimeline标签，表示它的每个分片时长都一样=160000/25000=6.4s，总时长是114.6s（根据mediaPresentationDuration字段得来），因此总分片数=114.6/6.4=18片

从mpd中获取到这些关键信息后，播放器就可以进行相应的实现，达到各种播放效果，比如：

1.播放纯音频2.播放不同的清晰度3.根据用户带宽自适应码率并无缝切换4.无缝切换不同配音，如普通话/粤语（上面mpd中没有多语言配音，但是格式上是可以支持的）

Dash分片格式

Dash支持多种分片格式（包括hls常用的ts格式），其中较主流的是m4s，其实就是mp4。

分片形式也有两种方式：

•多文件分片，每个分片都是一个单独的文件•单文件分片，每个分片采用byte-range区分

其中，单文件分片较为主流，它具有以下优势：

•单体 m4s 比多个 m4s，传输和缓存效率更高，可以减少计算和 IO 开销。•多个m4s 会产生多个 CDN 请求，一次播放有可能需要多次回源。单体 m4s 在 CDN 侧缓存整个文件，一次回源，后续访问都可以命中缓存。

下面也主要以单体m4s为例进行介绍如何解析分片。

mp4中的基本单位是Box，一个mp4文件就是由一定数量的Box组成，Box可以嵌套，每个Box都有一个类型，以四个字母标识，每个类型的Box都有其特定作用和数据结构，这些都定义在ISO规范中。

aligned(8) class Box (unsigned int(32) boxtype, optional unsigned int(8)[16] extended_type) { 
 unsigned int(32) size; 
 unsigned int(32) type = boxtype; 
 if (size==1) { 
     unsigned int(64) largesize; 
 } else if (size==0) { 
     // box extends to end of file 
 } 
 if (boxtype==‘uuid’) { 
     unsigned int(8)[16] usertype = extended_type; 
 } 
}

一个典型的m4s单体文件结构如下：

•ftyp：m4s文件开头•moov：音视频描述信息，如编码、分辨率、采样率、sps、pps等信息都在这里•sidx：Segment Index Box，包含分片划分索引信息，据此可以计算每个分片的时长和位置•ssix：Subsegment Index Box，子片段的索引，作用不大无需解析•moof：媒体头，与mdat成对出现，描述mdat中的内容•mdat：媒体文件内容，如H264 nal单元等

一对moof和mdat，就可以当作是一个Dash分片。

通过解析mp4文件头，我们就可以得到每一个分片的时长以及在文件中的位置，从而可以通过byte请求快速访问到。

播放器对Dash的典型处理过程如下：

Dash直播

Dash也支持直播流，mpd文件中type="dynamic"，表示这是一个直播流。

直播有一些专用的属性配置，播放器可以根据不同配置进行相应处理：

具体每个字段的含义可以参考下文链接，由于我们目前没有这块业务，这里不再赘述：

Understanding and configuring a Dynamic MPD (MPEG-DASH)^[2]

Dash优缺点

优点

•支持自适应码率

支持音视频分离、多音轨、多码率

•封装、编码支持广泛

•mpd文件内容灵活，可扩展性强，文件体积小

•国际标准，开源

缺点

•标准较新，支持还不够广泛

References

[1] 我们为什么使用DASH: https://www.bilibili.com/read/cv855111/
[2] Understanding and configuring a Dynamic MPD (MPEG-DASH): https://docs.unified-streaming.com/documentation/live/configure-dynamic-mpd.html