一個關于Netflix應用程序在新機頂盒上啟動的問題

并非真正使用了 WebRTC，但此處存在使用 WebRTC 技術性質的相似之處。

Netflix的應用程序可以在數(shù)百臺智能電視、電視棒和付費電視機頂盒上運行。Netflix的合作工程師的角色是幫助設備制造商在他們的設備上啟動Netflix應用程序。在這篇文章中，我們將討論一個特別困難的問題，它影響了一款設備在歐洲的正常發(fā)布。

神秘的開始

2017年底，我參加一個電話會議，其中主要討論一個關于Netflix應用程序在新機頂盒上啟動的問題。box是一款全新的Android電視設備，具有4k播放功能，基于Android開放源碼項目（AOSP） 5.0版本，又名“棒棒糖”。我在Netflix工作了幾年，過去發(fā)布過很多臺設備，但這是我推出的第一款Android電視設備。

與該設備相關的四家公司都在此次電話會議中：推出該設備的大型歐洲付費電視公司（運營商）、集成機頂盒固件的承包商（集成商）、系統(tǒng)芯片供應商（芯片供應商）和我（Netflix）。

這家集成機頂盒固件的承包商（集成商）和Netflix已經(jīng)完成了嚴格的Netflix認證程序，但在這家電視運營商的內(nèi)部測試過程中，該公司的一名高管報告了一個嚴重問題：Netflix在他的設備上播放“結巴（卡頓）”。即視頻會播放很短的時間后暫停，接著重新開始，隨后又暫停。這種情況并不會一直發(fā)生，但肯定會在機頂盒通電后的幾天內(nèi)開始發(fā)生。他們提供了一段演示視頻，情況看起來很糟糕。

設備集成商找到了重現(xiàn)這個問題的方法：反復啟動Netflix，開始播放，然后回到設備的用戶界面。他們提供了一個腳本來自動化這個過程，有時這個過程會持續(xù)長達五分鐘的時間，但是腳本總是能夠穩(wěn)定地重現(xiàn)錯誤。

與此同時，芯片供應商的一名現(xiàn)場工程師診斷出了根本原因：Netflix的Android電視應用程序Ninja傳輸音頻數(shù)據(jù)的速度不夠快?？D是由于設備音頻管道緩沖不足引起的。當解碼器等待Ninja傳送更多的音頻流時，播放停止，等待更多的數(shù)據(jù)到達后恢復播放。集成商、芯片供應商和運營商都認為問題已經(jīng)確定，他們向我傳達的信息很明確：Netflix，你的應用程序中有一個漏洞，你需要修復它。我從通話里聽出了壓力。他們設備的上線時間推遲了，而且超出了預算，他們期待我的解決方案。

調(diào)查

我持懷疑態(tài)度。同樣的Ninja應用程序在數(shù)以百萬計的Android電視設備上運行，包括智能電視和其他機頂盒。如果Ninja存在漏洞，為什么它只出現(xiàn)在這款設備上？

我首先使用他們提供的腳本重現(xiàn)了問題，同時聯(lián)系了芯片供應商的同事，詢問他以前是否見過類似的情況（他沒有見過）。接下來我開始檢查Ninja的源代碼，我想找到傳輸音頻數(shù)據(jù)的那行代碼。我認識很多，但我在播放代碼中開始不知所措，我需要幫助。

我上樓找到了Ninja編寫音頻和視頻傳輸代碼的工程師，他幫我梳理了代碼。我自己花了一些時間研究源代碼來理解它的工作部分，并添加了我自己的日志記錄來確認我的理解。Netflix應用程序很復雜，簡單來說，它從Netflix服務器傳輸數(shù)據(jù)，在設備上緩沖數(shù)秒的視頻和音頻數(shù)據(jù)，然后一次一次地將視頻和音頻幀發(fā)送到設備的播放硬件。

圖1：設備播放管道（簡化）

讓我們花點時間來討論Netflix應用程序中的音頻/視頻管道。在每個機頂盒和智能電視上，直到“解碼器緩沖區(qū)”都是相同的，但是將A/V數(shù)據(jù)傳輸?shù)皆O備的解碼器緩沖區(qū)是一個特定的程序，在它自己的線程中運行。它的例行工作是通過調(diào)用提供音頻或視頻數(shù)據(jù)下一幀的API（Netflix提供）來保持解碼器緩沖區(qū)滿狀態(tài)。在Ninja中，這一任務是由Android線程執(zhí)行的。有一個簡單的狀態(tài)機和一些邏輯來處理不同的播放狀態(tài)，但在正常播放下，線程將一幀數(shù)據(jù)復制到Android播放API中，然后告訴線程調(diào)度程序等待15毫秒并再次調(diào)用處理程序。當你創(chuàng)建一個Android線程時，可以請求線程重復運行，就像在一個循環(huán)中一樣，但是調(diào)用處理程序的是Android的線程調(diào)度程序，不是你自己的應用程序。

60幀/秒是Netflix能播放視頻的最高幀率，設備必須每16.66毫秒渲染一個新幀，所以每15毫秒檢查一個新樣本的速度足以領先于Netflix提供的任何視頻流。因為集成商已經(jīng)確定音頻流是問題所在，所以我將注意力集中放在將音頻樣本傳遞給Android音頻服務的特定線程處理程序上。

我想回答這個問題：額外的時間在哪里？假設罪魁禍首是處理程序調(diào)用的某個函數(shù)，所以我在處理程序中添加了日志消息，假設錯誤代碼是顯而易見的。很快就可以看出，處理程序中沒有任何不正常的行為，即使播放不流暢，處理器也能在幾毫秒內(nèi)運行正常。

啊哈，洞察力

最后，我關注了三個數(shù)字：數(shù)據(jù)傳輸速率，處理程序被調(diào)用的時間，以及處理程序將控制權交還給Android的時間。我編寫了一個腳本來解析日志輸出，并制作了下面的圖表，它給出了答案。

圖2：可視化音頻吞吐量和線程處理器時間

橙色的線是數(shù)據(jù)從流媒體緩沖區(qū)移動到Android音頻系統(tǒng)的速率，單位是字節(jié)/毫秒。在這張圖表中，你可以看到三種不同的行為：

這兩個又高又尖的部分，數(shù)據(jù)速率達到500字節(jié)/毫秒。這是在播放開始之前的緩沖階段。處理程序正在盡可能快地復制數(shù)據(jù)。

中間的區(qū)域是正常播放階段。音頻數(shù)據(jù)以大約45字節(jié)/毫秒的速度傳輸。

當音頻數(shù)據(jù)以接近10字節(jié)/毫秒的速度傳輸時，卡頓區(qū)域在右側。速度還不夠快，無法維持正常播放。

不可避免的結論是橙色線證實了芯片供應商工程師的報告：Ninja傳輸音頻數(shù)據(jù)的速度不夠快。

為了理解這其中的原因，讓我們看看黃線和灰線又說明了哪些問題。

黃色的線顯示花費在處理程序本身的時間，根據(jù)處理程序頂部和底部記錄的時間戳計算。在正常播放和卡頓的區(qū)域，處理程序花費的時間是相同的：大約2毫秒。峰值顯示由于在設備上其他任務花費了時間而導致Ninja傳輸音頻數(shù)據(jù)的速度不夠快。

真正的原因

灰色的線是兩次調(diào)用處理程序之間的時間，它說明了不同的情況。在正常播放的情況下，你可以看到處理程序大約每15毫秒被調(diào)用一次。在播放卡頓的情況下，在右側大約每55毫秒調(diào)用一次處理程序。調(diào)用之間有額外的40毫秒，沒有辦法跟上播放的速度。但這是為什么呢？

我把我的發(fā)現(xiàn)告訴了集成商和芯片供應商 （看，這是Android線程調(diào)度程序?。?，但他們對這一發(fā)現(xiàn)并不感冒。為什么不在每次調(diào)用處理程序時復制更多的數(shù)據(jù)呢？這是一個合理的質疑，但改變這種行為涉及更深層次的變化，超出了我的準備，我繼續(xù)尋找根本原因。我深入研究了Android源代碼，了解到Android線程是一個用戶空間結構，線程調(diào)度程序使用epoll（）系統(tǒng)調(diào)用進行計時。我知道epoll（）的性能不能得到保證，所以我懷疑有什么東西以系統(tǒng)的方式影響epoll（）。

就在這時，芯片供應商的另一位工程師救了我，他發(fā)現(xiàn)了一個漏洞，這個漏洞在下一個名為“棉花糖”（Marshmallow）的Android版本中已經(jīng)修復了。Android線程調(diào)度程序根據(jù)應用程序是在前臺運行還是在后臺運行來改變線程的行為。后臺線程被分配額外的40毫秒（4000萬ns）的等待時間。

Android系統(tǒng)本身的一個深層漏洞意味著當線程移動到前臺時，這個額外的定時器值被保留。通常音頻處理線程是在應用程序處于前臺時創(chuàng)建的，但有時線程是在Ninja仍然在后臺時創(chuàng)建的。當這種情況發(fā)生時，播放就會卡頓。

經(jīng)驗教訓

這并不是我們在這個平臺上修復的最后一個漏洞，但卻是最難追蹤的一個。它在Netflix應用程序之外，在播放線程之外的系統(tǒng)部分，所有的初始數(shù)據(jù)都表明Netflix應用程序本身存在缺陷。

這個故事確實體現(xiàn)了我熱愛這份工作的一個方面：我不能預知我們的合作伙伴會向我拋出的所有問題，要解決這些問題，我必須了解多個系統(tǒng)，與優(yōu)秀的同事合作，并不斷督促自己學習更多知識。我所做的事直接影響著現(xiàn)實中的人們以及他們的用戶體驗。我知道，當人們在客廳里享受Netflix時，我是Netflix團隊中不可或缺的一員，是我們讓這一切成為現(xiàn)實。

責任編輯：lq