FLV协议5分钟入门浅析 _FLV协议

文章插图

FLV协议简介
FLV（Flash Video）是一种流媒体格式，因其体积小、协议相对简单，很快便流行开来，并得到广泛的支持。
常见的HTTP-FLV直播协议，就是使用HTTP流式传输通过FLV封装的音视频数据。对想要了解HTTP-FLV的同学来说，了解FLV协议很有必要。
概括地说，FLV 由 FLV header 跟 FLV file body 两部分组成，而 FLV file body 又由多个 FLV tag组成。

FLV = FLV header + FLV file body FLV file body = PreviousTagSize0 + Tag1 + PreviousTagSize1 + Tag2 + ... + PreviousTagSizeN-1 + TagN

FLV tag又分为3种类型：

Video Tag：存放视频相关数据；
Audio Tag：存放音频相关数据；
Script Tag：存放音视频元数据；

在实际讲解FLV协议前，首先对单位进行约定：
类型定义0x...16进制数据SI8有符号8位整数SI16有符号16位整数SI24有符号24位整数SI32有符号32位整数STRINGSequence of Unicode 8-bit characters (UTF-8), terminated with 0x00 (unless otherwise specified)UI8无符号8位整数UI16无符号16位整数UI24无符号24位整数UI32无符号32位整数xxx [ ]类型为xxx的数组xxx [n]类型为xxx的数组，数组长度为n
FLV header
FLV header由如下字段组成，其中：

前三个字节内容固定是FLV
最后4个字节内容固定是9（对FLV版本1来说）

字段字段类型字段含义SignatureUI8签名，固定为'F' (0x46)SignatureUI8签名，固定为'L' (0x4c)SignatureUI8签名，固定为'V' (0x56)VersionUI8版本，比如 0x01 表示 FLV 版本 1TypeFlagsReservedUB[5]全为0TypeFlagsAudioUB[1]1表示有audio tag，0表示没有TypeFlagsReservedUB[1]全为0TypeFlagsVideoUB[1]1表示有video tag，0表示没有DataOffsetUI32FLV header的大小，单位是字节
FLV file body
FLV file body很有规律，由一系列的TagSize和Tag组成，其中：

PreviousTagSize0 总是为0；
tag 由tag header、tag body组成；
对FLV版本1，tag header固定为11个字节，因此，PreviousTagSize（除第1个）的值为 11 + 前一个tag 的 tag body的大小；

字段字段类型字段含义PreviousTagSize0UI32总是0Tag1FLVTAG第1个tagPreviousTagSize1UI32前一个tag的大小，包括tag headerTag2FLVTAG第2个tag.........PreviousTagSizeN-1UI32第N-1个tag的大小TagNFLVTAG第N个tagPreviousTagSizeNUI32第N个tag的大小，包含tag header
FLV tags
FLV tag由 tag header + tag body组成。
tag header如下，总共占据11个字节：
字段字段类型字段含义TagTypeUI8tag类型
8：audio
9：video
18：script data
其他：保留DataSizeUI24tag body的大小TimestampUI24相对于第一个tag的时间戳（单位是毫秒）
第一个tag的Timestamp为0TimestampExtendedUI8时间戳的扩展字段，当 Timestamp 3个字节不够时，会启用这个字段，代表高8位StreamIDUI24总是0Data取决于根据TagTypeTagType=8，则为AUDIODATA
TagType=9，则为VIDEODATA
【FLV协议5分钟入门浅析】TagType=18，则为SCRIPTDATAOBJECT

In playback, the time sequencing of FLV tags depends on the FLV timestamps only. Any timing mechanisms built into the payload data format are ignored.

Audio tags
定义如下所示：
字段字段类型字段含义SoundFormatUB[4]音频格式，重点关注 **10 = AAC **
0 = Linear PCM, platform endian
1 = ADPCM
2 = MP3
3 = Linear PCM, little endian
4 = Nellymoser 16-kHz mono
5 = Nellymoser 8-kHz mono
6 = Nellymoser
7 = G.711 A-law logarithmic PCM 8 = G.711 mu-law logarithmic PCM 9 = reserved
10 = AAC
11 = Speex
14 = MP3 8-Khz
15 = Device-specific sound
SoundRateUB[2]采样率，对AAC来说，永远等于3
0 = 5.5-kHz
1 = 11-kHz
2 = 22-kHz
3 = 44-kHzSoundSizeUB[1]采样精度，对于压缩过的音频，永远是16位
0 = snd8Bit
1 = snd16BitSoundTypeUB[1]声道类型，对Nellymoser来说，永远是单声道；对AAC来说，永远是双声道；
0 = sndMono 单声道
1 = sndStereo 双声道SoundDataUI8[size of sound data]如果是AAC，则为 AACAUDIODATA；
其他请参考规范；
备注：

If the SoundFormat indicates AAC, the SoundType should be set to 1 (stereo) and the SoundRate should be set to 3 (44 kHz). However, this does not mean that AAC audio in FLV is always stereo, 44 kHz data. Instead, the Flash Player ignores these values and extracts the channel and sample rate data is encoded in the AAC bitstream.

AACAUDIODATA
当 SoundFormat 为10时，表示音频采AAC进行编码，此时，SoundData的定义如下：
字段字段类型字段含义AACPacketTypeUI80: AAC sequence header