淘宝直播技术分享：如何打造体验优秀的“直播 +”产品？

2016 年是移动直播爆发年，不到半年的时间内无数移动直播 App 掀起了全民直播的热潮。很多不同产品都在自己的应用里面增加了直播模块，希望能趁着这波移动直播的风潮能快速推进自己的产品。而在电商类的 APP 中，淘宝率先在手机直播里面试水电商直播，并用实际的数据证明了这是一种非常具备前景的新模式。

本文将重点介绍淘宝直播在业务模式上的探索、移动直播背后的技术难点、优化用户体验等方面的内容。主要内容出自阿里巴巴高级技术专家陈举锋（丰火）在 2016 杭州云栖大会上的分享。

淘宝直播的产品探索

淘宝直播项目，于 2015 年 11 月立项，在今年 4 月份正式在手机淘宝上线。之后除了对基础的直播体验持续打磨，在产品形态和互动玩法上也进行了很多的探索，如导购链路、互动打赏、粉丝连麦等，极大提升了用户在直播场景下购买体验。

不过回到淘宝直播的产品设计上来，在原有产品能力加上直播功能，并不只是简单的加一个功能，还要考虑如何与产品原有能力融合、是否对业务数据有提升等问题，这些都是要重点关注的点。

第一个面临的就是内容整合的问题，直播如何与商品结合，与商家的能力结合、与整个生态上的各个角色结合。在这方面淘宝有很强的优势，有大量活跃在整个淘宝生态上的模特、淘女郎，她们自己的粉丝，有自己的流量来源，而粉丝也有在日常购买习惯上跟随这类草根明星（网红）的习惯，除此之外，她们也有与粉丝交流、直接给粉丝推送商品的场景，而直播作为一个实时的互动平台，正是连接这三方的一个很好的产品形态。

（淘宝直播产品形式）

在淘宝直播内，主播能随时的根据粉丝的反馈利用商品橱窗、优惠券、红包、抽奖等有趣的玩法来拉倒整体直播间的氛围，同时借助后台的商品实时识别能力，我们会直接在视频上叠加相关的热区标识。这样粉丝看到商品后直接点击就能进入商品详情页面，很好的缩短了导购链路，受到了主播和店家的欢迎。

据统计，通过淘宝直播做营销，成交转化率 4%，进店率 30%，关注率 9%.

同时，结合直播 + 电商的特殊性，淘宝直播支持实时对直播内容进行分片，并和商品内容进行关联，无论是作为点播内容或者作为商品的介绍视频，也是很好的素材来源，主播也可以根据沉淀下来的直播内容持续分佣。

淘宝直播技术架构

这是目前一些主流直播 App 产品的技术架构，包括各种 SDK、HTTPDNS、CDN、视频流处理、推流、播放等等模块。淘宝直播在架构上也参考了业界的思路。

这是淘宝直播目前主要的核心架构，分为上下两层：

上层是客户端，左边是推流，右边是播放，采用了常见的编解码和推流协议。下层是服务端，包括 TCP 接入、CDN、数据分发、录像生成等等。淘宝自主研发了 CDN 分发方案，完成整个直播链路的传输。另外和业界典型方案不同的还有一个点，就是双向互动通道，用于互动营销方案，主播跟粉丝进行一些互动，这是基于阿里自研的支持亿级日活的 ACCS 网络通道来做的。

直播体验优化

做一个直播平台，用户体验的关键基本上就七个字、三个点就可以概括：“不卡、不掉、不延迟”，分别对应播放流畅、交互稳定、内容实时。具体到业务上，大概有这些方面：

• 首屏秒开
• 带宽成本优化
• ROI 优化
• 时延优化

下面分别介绍淘宝直播的做法。

首屏秒开优化

直播的首屏秒开指的是点击一个直播就能立即播放，目前业界也做得比较成熟，淘宝直播在其基础上对细节进行了分类，包括业务逻辑、网络、缓冲、渲染等优化：

1. 并行处理：列表页、获取播放地址、房间状态、连接消息通道 整体时延超过 3s
2. 请求合并：房间状态、地址、主播信息层、点赞数量、观看人数、在线列表
3. 传统 DNS 基于 UDP，解析时间过长。使用 HTTPDNS：预解析、防止域名劫持、精准调度（就近接入）、避免延迟
4. 收流服务器主动推送 GOP 至边缘节点，边缘节点缓存 GOP，播放端则可以快速加载，减少回源延迟
5. 根据 TCP 拥塞窗口做智能调度，当拥塞窗口过小说明丢包率过高，需要切换节点和故障排查
6. 增加上行、下行带宽探测接口，当带宽不满足时降低视频质量，即降低码率

通过这些优化手段，能够做到 95% 的直播点击后在 900ms 以内能够播放。

带宽成本优化

带宽成本优化主要是对音视频解码进行优化。直播是一个很烧钱的事情，淘宝直播上线以后，带宽消耗非常巨大。降低成本的手段第一是窄带高清，降低整体码率的消耗，还有一个重要的是采用了 H265 编解码，在画质上，其带宽消耗要远远低于 H264，但带来附加上的技术问题是首先后台要有转码，我们在端上的解码用 H265 来看，但在主播端是用 H264 的编码来传，通过云端的集群将 H264 转成 H265，需要阿里云的集群转码能力才能实现，对于 H265 的解码进行定制化的方案，目前做到的效果要比自带解码器的效率提升 30% 以上。

ROI 优化

ROI 是指 Region Of Interest，根据视频画面不同区域的重要程度分配相应的码率，基于人脸识别，需要实时的对视频流进行处理。其实现在业界直播有一些美颜、实时装饰技术，原理上大家都差不多，只是 ROI 技术优化的目的在于优化码率。。

时延优化

在做首屏秒开优化的时候，会预加载关键帧，但这个预加载会造成一定的时延，这时需要用算法进行决策加速、正常还是放慢播放，自动追帧丢帧，让主播和观众之间的时间差尽量小。

直播互动技术架构

淘宝直播的互动包括留言、礼物、红包、商品橱窗等等。这些互动都是基于 Weex 开发而来。

从业务的类型而言，淘宝直播是一个很典型的淘系的业务。在构建整个逻辑体系的时候，采用 Weex 经过了多方面的考虑，因为初始团队比较小，很难同时兼顾多平台的开发，另外工期短，要求开发效率要高，使用 Weex 达成了覆盖多平台的目的，并且能满足团队在功能和性能上的需求。

淘宝直播的下一步是打造开放平台，实现技术、内容上集团内共享，提供完备的直播服务。未来，阿里百川还将基于淘宝直播的技术，向开发者提供直播 SDK，不仅提供常规的直播和推流技术支撑，也将把淘宝直播在电商互动方面的积累开放给广大开发者。