作者：折佩
出品：大淘宝技术
本文主要分享 2018-2021 年期间，大淘宝技术内容中台音视频基础技术团队，基于机器学习的带宽预测算法在淘宝直播的业务背景下的探索与大规模实践的成果。
背景
常见的媒体传输中带宽估计的算法有 GCC/BBR/PCC/QUBIC 等，主要基于传统的基于策略的算法白盒地根据历史网络数据以及主动探测等方法来推算当前网络的可用带宽。这种固化的算法逻辑难以应对复杂的网络特性，也无法区分拥塞丢包与随机丢包。于是我们希望借鉴机器学习的思想，使用大量的线上网络数据训练一个黑盒模型，替代传统算法来灵活应对不同的网络环境。
本文主要分享 2018-2021 年期间，大淘宝技术内容中台音视频基础技术团队，基于机器学习的带宽预测算法在淘宝直播的业务背景下的探索与大规模实践的成果。
Concerto：媒体传输层与媒体编解码层的协奏
2018年，淘宝直播基于 WebRTC 直播推拉流解决方案已经十分成熟。主播端与淘宝直播服务器均基于开源 WebRTC 实现实时音视频流的媒体编解码与传输。主播的摄像头与麦克风所采集的音视频，经由媒体编码器进行数据压缩，再由媒体传输协议 RTP/RTCP 封装成数据包传输给 MCU 服务器，再经过 CDN 分发给淘宝直播的观众。通常服务器间的网络相对比较稳定，因此主播的移动设备推流到 MCU 这“第一公里”的传输质量，就决定了 CDN 分发给直播间内所有观众的视频质量上限。
为了评估淘宝直播“第一公里”的音视频传输表现，我们整理分析了 2018 年 6 月整月直播的推流埋点数据，总计超过100 万小时的直播时长，遍布全球 57 个国家 749 个城市，覆盖 5 种网络制式(WiFi, 4G, 3G, LTE, 2G)，512 个运营商及 934 种手机型号。
埋点数据可以充分反映真实网络世界的延迟尖刺与突发丢包状况，对于评估低延迟直播的表现也至关重要。根据 ITU G.114 标准，要达到实时视频通话程度的服务质量，端到端全链路需要丢包率 <= 1% 且 RTT(Round Trip Time) <= 300ms。而直播场景中，约 20% 的场次平均丢包率 > 1%，约 10% 的场次平均 RTT > 300ms。
带你读《2022技术人的百宝黑皮书》——基于机器学习的带宽估计在淘宝直播中的探索与实践(2) https://developer.aliyun.com/article/1243297?groupCode=taobaotech
