zoukankan      html  css  js  c++  java
  • srs 使用 ffmpeg 转码

    前面搭建完毕后,在进行转码(清晰度转换)的时候发现 ffmpeg 非常占cpu,服务器一直处于高负载状态。

    centos7 top查看进程状态

     如图所示采取软解码cpu要求太高,所以我们考虑将转码任务分担到 gpu 硬件解码(效率提高的同时解少cpu负载)

     原文地址:https://www.jianshu.com/p/59da3d350488

    由于我的服务器没有显卡没有进行测试

    本文内容包括:

    • 在Linux环境下安装FFmpeg
    • 通过命令行实现视频格式识别和转码
    • 有Nvidia显卡的情况下,在Linux下使用GPU进行视频转码加速的方法

    FFmpeg编译安装

    在FFmpeg官网https://ffmpeg.org/download.html可以下载到ubunto/debian的发行包,其他Linux发行版需自行编译。同时,如果要使用GPU进行硬件加速的话,也是必须自己编译FFmpeg的,所以本节将介绍从源码编译安装FFmpeg的方法(基于RHEL/Centos)

    安装依赖工具

    yum install autoconf automake bzip2 cmake freetype-devel gcc gcc-c++ git libtool make mercurial pkgconfig zlib-devel
    

    准备工作

    在$HOME下创建ffmpeg_sources目录

    编译并安装依赖库

    本节中的依赖库基本都是必须的,建议全部安装

    nasm

    汇编编译器,编译某些依赖库的时候需要

    cd ~/ffmpeg_sources
    curl -O -L http://www.nasm.us/pub/nasm/releasebuilds/2.13.02/nasm-2.13.02.tar.bz2
    tar xjvf nasm-2.13.02.tar.bz2
    cd nasm-2.13.02
    ./autogen.sh
    ./configure --prefix="$HOME/ffmpeg_build" --bindir="$HOME/bin"
    make
    make install
    

    yasm

    汇编编译器,编译某些依赖库的时候需要

    cd ~/ffmpeg_sources
    curl -O -L http://www.tortall.net/projects/yasm/releases/yasm-1.3.0.tar.gz
    tar xzvf yasm-1.3.0.tar.gz
    cd yasm-1.3.0
    ./configure --prefix="$HOME/ffmpeg_build" --bindir="$HOME/bin"
    make
    make install
    

    libx264

    H.264视频编码器,如果需要输出H.264编码的视频就需要此库,所以可以说是必备

    cd ~/ffmpeg_sources
    git clone --depth 1 http://git.videolan.org/git/x264
    cd x264
    PKG_CONFIG_PATH="$HOME/ffmpeg_build/lib/pkgconfig" ./configure --prefix="$HOME/ffmpeg_build" --bindir="$HOME/bin" --enable-static
    make
    make install
    

    libx265

    H.265/HEVC视频编码器。
    如果不需要此编码器,可以跳过,并在ffmpeg的configure命令中移除--enable-libx265

    cd ~/ffmpeg_sources
    hg clone https://bitbucket.org/multicoreware/x265
    cd ~/ffmpeg_sources/x265/build/linux
    cmake -G "Unix Makefiles" -DCMAKE_INSTALL_PREFIX="$HOME/ffmpeg_build" -DENABLE_SHARED:bool=off ../../source
    make
    make install
    

    libfdk_acc

    AAC音频编码器,必备

    cd ~/ffmpeg_sources
    git clone --depth 1 --branch v0.1.6 https://github.com/mstorsjo/fdk-aac.git
    cd fdk-aac
    autoreconf -fiv
    ./configure --prefix="$HOME/ffmpeg_build" --disable-shared
    make
    make install
    

    libmp3lame

    MP3音频编码器,必备

    cd ~/ffmpeg_sources
    curl -O -L http://downloads.sourceforge.net/project/lame/lame/3.100/lame-3.100.tar.gz
    tar xzvf lame-3.100.tar.gz
    cd lame-3.100
    ./configure --prefix="$HOME/ffmpeg_build" --bindir="$HOME/bin" --disable-shared --enable-nasm
    make
    make install
    

    libops

    OPUS音频编码器
    如果不需要此编码器,可以跳过,并在ffmpeg的configure命令中移除--enable-libopus

    cd ~/ffmpeg_sources
    curl -O -L https://archive.mozilla.org/pub/opus/opus-1.2.1.tar.gz
    tar xzvf opus-1.2.1.tar.gz
    cd opus-1.2.1
    ./configure --prefix="$HOME/ffmpeg_build" --disable-shared
    make
    make install
    

    libogg

    被libvorbis依赖

    cd ~/ffmpeg_sources
    curl -O -L http://downloads.xiph.org/releases/ogg/libogg-1.3.3.tar.gz
    tar xzvf libogg-1.3.3.tar.gz
    cd libogg-1.3.3
    ./configure --prefix="$HOME/ffmpeg_build" --disable-shared
    make
    make install
    

    libvorbis

    Vorbis音频编码器
    如果不需要此编码器,可以跳过,并在ffmpeg的configure命令中移除--enable-libvorbis

    cd ~/ffmpeg_sources
    curl -O -L http://downloads.xiph.org/releases/vorbis/libvorbis-1.3.5.tar.gz
    tar xzvf libvorbis-1.3.5.tar.gz
    cd libvorbis-1.3.5
    ./configure --prefix="$HOME/ffmpeg_build" --with-ogg="$HOME/ffmpeg_build" --disable-shared
    make
    make install
    

    libvpx

    VP8/VP9视频编/解码器
    如果不需要此编/解码器,可以跳过,并在ffmpeg的configure命令中移除--enable-libvpx

    cd ~/ffmpeg_sources
    git clone --depth 1 https://github.com/webmproject/libvpx.git
    cd libvpx
    ./configure --prefix="$HOME/ffmpeg_build" --disable-examples --disable-unit-tests --enable-vp9-highbitdepth --as=yasm
    make
    make install
    

    编译安装ffmpeg 3.3.8

    cd ~/ffmpeg_sources
    curl -O -L https://ffmpeg.org/releases/ffmpeg-3.3.8.tar.bz2
    tar xjvf ffmpeg-3.3.8.tar.bz2
    cd ffmpeg-3.3.8
    PATH="$HOME/bin:$PATH" PKG_CONFIG_PATH="$HOME/ffmpeg_build/lib/pkgconfig" ./configure 
      --prefix="$HOME/ffmpeg_build" 
      --pkg-config-flags="--static" 
      --extra-cflags="-I$HOME/ffmpeg_build/include" 
      --extra-ldflags="-L$HOME/ffmpeg_build/lib" 
      --extra-libs=-lpthread 
      --extra-libs=-lm 
      --bindir="$HOME/bin" 
      --enable-gpl 
      --enable-libfdk_aac 
      --enable-libfreetype 
      --enable-libmp3lame 
      --enable-libopus 
      --enable-libvorbis 
      --enable-libvpx 
      --enable-libx264 
      --enable-libx265 
      --enable-nonfree
    make
    make install
    hash -r
    

    验证安装

    ffmpeg -h
    

    使用FFmpeg

    识别视频信息

    通过ffprobe命令识别并输出视频信息

    ffprobe -v error -show_streams -print_format json <input>  
    

    为方便程序解析,将视频信息输出为json格式,样例如下:

    {
        "streams": [
            {
                "index": 0,
                "codec_name": "h264",
                "codec_long_name": "H.264 / AVC / MPEG-4 AVC / MPEG-4 part 10",
                "profile": "High",
                "codec_type": "video",
                "codec_time_base": "61127/3668400",
                "codec_tag_string": "avc1",
                "codec_tag": "0x31637661",
                "width": 1920,
                "height": 1080,
                "coded_width": 1920,
                "coded_height": 1080,
                "has_b_frames": 0,
                "sample_aspect_ratio": "0:1",
                "display_aspect_ratio": "0:1",
                "pix_fmt": "yuv420p",
                "level": 40,
                "color_range": "tv",
                "color_space": "bt709",
                "color_transfer": "bt709",
                "color_primaries": "bt709",
                "chroma_location": "left",
                "refs": 1,
                "is_avc": "true",
                "nal_length_size": "4",
                "r_frame_rate": "30/1",
                "avg_frame_rate": "1834200/61127",
                "time_base": "1/600",
                "start_pts": 0,
                "start_time": "0.000000",
                "duration_ts": 61127,
                "duration": "101.878333",
                "bit_rate": "16279946",
                "bits_per_raw_sample": "8",
                "nb_frames": "3057",
                "disposition": {
                    "default": 1,
                    "dub": 0,
                    "original": 0,
                    "comment": 0,
                    "lyrics": 0,
                    "karaoke": 0,
                    "forced": 0,
                    "hearing_impaired": 0,
                    "visual_impaired": 0,
                    "clean_effects": 0,
                    "attached_pic": 0,
                    "timed_thumbnails": 0
                },
                "tags": {
                    "rotate": "90",
                    "creation_time": "2018-08-09T09:13:33.000000Z",
                    "language": "und",
                    "handler_name": "Core Media Data Handler",
                    "encoder": "H.264"
                },
                "side_data_list": [
                    {
                        "side_data_type": "Display Matrix",
                        "displaymatrix": "
    00000000:            0       65536           0
    00000001:       -65536           0           0
    00000002:     70778880           0  1073741824
    ",
                        "rotation": -90
                    }
                ]
            },
            {
                "index": 1,
                "codec_name": "aac",
                "codec_long_name": "AAC (Advanced Audio Coding)",
                "profile": "LC",
                "codec_type": "audio",
                "codec_time_base": "1/44100",
                "codec_tag_string": "mp4a",
                "codec_tag": "0x6134706d",
                "sample_fmt": "fltp",
                "sample_rate": "44100",
                "channels": 1,
                "channel_layout": "mono",
                "bits_per_sample": 0,
                "r_frame_rate": "0/0",
                "avg_frame_rate": "0/0",
                "time_base": "1/44100",
                "start_pts": 0,
                "start_time": "0.000000",
                "duration_ts": 4492835,
                "duration": "101.878345",
                "bit_rate": "91595",
                "max_bit_rate": "96000",
                "nb_frames": "4390",
                "disposition": {
                    "default": 1,
                    "dub": 0,
                    "original": 0,
                    "comment": 0,
                    "lyrics": 0,
                    "karaoke": 0,
                    "forced": 0,
                    "hearing_impaired": 0,
                    "visual_impaired": 0,
                    "clean_effects": 0,
                    "attached_pic": 0,
                    "timed_thumbnails": 0
                },
                "tags": {
                    "creation_time": "2018-08-09T09:13:33.000000Z",
                    "language": "und",
                    "handler_name": "Core Media Data Handler"
                }
            },
            {
                "index": 2,
                "codec_type": "data",
                "codec_tag_string": "mebx",
                "codec_tag": "0x7862656d",
                "r_frame_rate": "0/0",
                "avg_frame_rate": "0/0",
                "time_base": "1/600",
                "start_pts": 0,
                "start_time": "0.000000",
                "duration_ts": 61127,
                "duration": "101.878333",
                "bit_rate": "119",
                "nb_frames": "17",
                "disposition": {
                    "default": 1,
                    "dub": 0,
                    "original": 0,
                    "comment": 0,
                    "lyrics": 0,
                    "karaoke": 0,
                    "forced": 0,
                    "hearing_impaired": 0,
                    "visual_impaired": 0,
                    "clean_effects": 0,
                    "attached_pic": 0,
                    "timed_thumbnails": 0
                },
                "tags": {
                    "creation_time": "2018-08-09T09:13:33.000000Z",
                    "language": "und",
                    "handler_name": "Core Media Data Handler"
                }
            },
            {
                "index": 3,
                "codec_type": "data",
                "codec_tag_string": "mebx",
                "codec_tag": "0x7862656d",
                "r_frame_rate": "0/0",
                "avg_frame_rate": "0/0",
                "time_base": "1/600",
                "start_pts": 0,
                "start_time": "0.000000",
                "duration_ts": 61127,
                "duration": "101.878333",
                "nb_frames": "1",
                "disposition": {
                    "default": 1,
                    "dub": 0,
                    "original": 0,
                    "comment": 0,
                    "lyrics": 0,
                    "karaoke": 0,
                    "forced": 0,
                    "hearing_impaired": 0,
                    "visual_impaired": 0,
                    "clean_effects": 0,
                    "attached_pic": 0,
                    "timed_thumbnails": 0
                },
                "tags": {
                    "creation_time": "2018-08-09T09:13:33.000000Z",
                    "language": "und",
                    "handler_name": "Core Media Data Handler"
                }
            }
        ]
    }
    

    可以看到一共返回了4个流,其中第0个是视频流,1是音频流,2和3是附加数据,没什么用
    如果想指定分析视频流或音频流的话,可以加上参数-show_streams -v-show_streams -a,这样就会只输出视频/音频流的分析结果

    视频转码

    ffmpeg -i <input> -c:v libx264 -b:v 2048k -vf scale=1280:-1 -y <output>
    

    上述命令将输入视频转码为h264编码的视频

    • -c:v:指定编码器,编码器列表可以使用ffmpeg -codecs查看
    • -vf scale:指定输出视频的宽高,高-1代表按照比例自动适应
    • -b:v:指定输出视频的码率,即输出视频每秒的bit数
    • libx264支持的其他参数请使用ffmpeg -h encoder=libx264命令查询,如转码为其他编码,也可使用类似命令查询可用参数

    使用Nvidia显卡GPU进行转码

    重头戏来了,这块的资料相当少,我也是费了一番力气才搞定

    CUDA

    CUDA是Nvidia出的一个GPU计算库,让程序员可以驱动Nvidia显卡的GPU进行各种工作,其中就包含了视频的编解码

    安装CUDA

    首先验证一下显卡驱动是否装好

    nvidia-smi
    

    如果驱动正常的话,此命令会输出显卡的型号、驱动版本、现存/GPU占用等信息。如何安装显卡驱动本文不描述,请参考其他资料。

    到CUDA官网https://developer.nvidia.com/cuda-downloads下载对应平台的发行包,这里我选择Centos7对应的rpm包cuda-repo-rhel7-9-2-local-9.2.148-1.x86_64.rpm

    执行如下命令安装:

    rpm -i cuda-repo-rhel7-9-2-local-9.2.148-1.x86_64.rpm
    yum clean all
    yum install cuda
    

    一共大概要安装90多个依赖库,注意一下安装完成后的报告,我首次安装时有一个库不知道为什么安装失败了,又单独yum install了该库一次才成功

    验证安装

    /usr/local/cuda-9.2/bin/nvcc -V
    

    安装成功的话,会输出类似文本:

    nvcc: NVIDIA (R) Cuda compiler driver
    Copyright (c) 2005-2018 NVIDIA Corporation
    Built on Tue_Jun_12_23:07:04_CDT_2018
    Cuda compilation tools, release 9.2, V9.2.148
    

    重新编译ffmpeg

    要让ffmpeg能够使用CUDA提供的GPU编解码器,必须重新编译ffmpeg,让其能够通过动态链接调用CUDA的能力

    首先要编译安装nv-codec-headers库

    git clone https://git.videolan.org/git/ffmpeg/nv-codec-headers.git
    make PREFIX="$HOME/ffmpeg_build" BINDDIR="$HOME/bin"
    make install PREFIX="$HOME/ffmpeg_build" BINDDIR="$HOME/bin" 
    

    进入~/ffmepg_sources/ffmpeg-3.3.8/目录重新执行ffmpeg的编译和安装
    注意configure命令参数和之前configure命令参数的区别

    PATH="$HOME/bin:$PATH" PKG_CONFIG_PATH="$HOME/ffmpeg_build/lib/pkgconfig" ./configure 
      --prefix="$HOME/ffmpeg_build" 
      --pkg-config-flags="--static" 
      --extra-cflags="-I$HOME/ffmpeg_build/include -I/usr/local/cuda/include" 
      --extra-ldflags="-L$HOME/ffmpeg_build/lib -L/usr/local/cuda/lib64" 
      --extra-libs=-lpthread 
      --extra-libs=-lm 
      --bindir="$HOME/bin" 
      --enable-gpl 
      --enable-libfdk_aac 
      --enable-libfreetype 
      --enable-libmp3lame 
      --enable-libopus 
      --enable-libvorbis 
      --enable-libvpx 
      --enable-libx264 
      --enable-libx265 
      --enable-nonfree 
      --enable-cuda 
      --enable-cuvid 
      --enable-nvenc 
      --enable-libnpp
    make
    make install
    hash -r
    

    验证安装

    重新安装完ffmpeg,使用ffmpeg -hwaccels命令查看支持的硬件加速选项

    Hardware acceleration methods:
    cuvid
    

    可以看到多出来一种叫做cuvid的硬件加速选项,这就是CUDA提供的GPU视频编解码加速选项

    然后查看cuvid提供的GPU编解码器ffmpeg -codecs | grep cuvid

     DEV.LS h264                 H.264 / AVC / MPEG-4 AVC / MPEG-4 part 10 (decoders: h264 h264_cuvid ) (encoders: libx264 libx264rgb h264_nvenc nvenc nvenc_h264 )
     DEV.L. hevc                 H.265 / HEVC (High Efficiency Video Coding) (decoders: hevc hevc_cuvid ) (encoders: libx265 nvenc_hevc hevc_nvenc )
     DEVIL. mjpeg                Motion JPEG (decoders: mjpeg mjpeg_cuvid )
     DEV.L. mpeg1video           MPEG-1 video (decoders: mpeg1video mpeg1_cuvid )
     DEV.L. mpeg2video           MPEG-2 video (decoders: mpeg2video mpegvideo mpeg2_cuvid )
     DEV.L. mpeg4                MPEG-4 part 2 (decoders: mpeg4 mpeg4_cuvid )
     D.V.L. vc1                  SMPTE VC-1 (decoders: vc1 vc1_cuvid )
     DEV.L. vp8                  On2 VP8 (decoders: vp8 libvpx vp8_cuvid ) (encoders: libvpx )
     DEV.L. vp9                  Google VP9 (decoders: vp9 libvpx-vp9 vp9_cuvid ) (encoders: libvpx-vp9 )
    

    所有带有"cuvid"或"nvenc"的,都是CUDA提供的GPU编解码器
    可以看到,我们现在可以进行h264/hevc/mjpeg/mpeg1/mpeg2/mpeg4/vc1/vp8/vp9格式的GPU解码,以及h264/hevc格式的GPU编码

    使用GPU进行视频转码

    用GPU进行转码的命令和软转码命令不太一样,CPU转码的时候,我们可以依赖ffmpeg识别输入视频的编码格式并选择对应的解码器,但ffmpeg只会自动选择CPU解码器,要让ffmpeg使用GPU解码器,必须先用ffprobe识别出输入视频的编码格式,然后在命令行中指定对应的GPU解码器。

    例如,将h264编码的源视频转码为指定尺寸和码率的h264编码视频:

    ffmpeg -hwaccel cuvid -c:v h264_cuvid -i <input> -c:v h264_nvenc -b:v 2048k -vf scale_npp=1280:-1 -y <output>
    
    • -hwaccel cuvid:指定使用cuvid硬件加速
    • -c:v h264_cuvid:使用h264_cuvid进行视频解码
    • -c:v h264_nvenc:使用h264_nvenc进行视频编码
    • -vf scale_npp=1280:-1:指定输出视频的宽高,注意,这里和软解码时使用的-vf scale=x:x不一样

    转码期间使用nvidia-smi查看显卡状态,能够看到ffmpeg确实是在使用GPU进行转码:

    +-----------------------------------------------------------------------------+
    | Processes:                                                       GPU Memory |
    |  GPU       PID   Type   Process name                             Usage      |
    |=============================================================================|
    |    0     62543      C   ffmpeg                                       193MiB |
    +-----------------------------------------------------------------------------+
    

    GPU转码效率测试

    在配有两颗Intel-E5-2630v3 CPU和两块Nvidia Tesla M4显卡的服务器上,进行h264视频转码测试,成绩如下:

    • GPU转码平均耗时:8s
    • CPU转码平均耗时:25s

    并行转码时,CPU软转的效率有所提高,3个转码任务并行时32颗核心全被占满,此时的成绩

    • GPU转码平均耗时:8s
    • CPU转码平均耗时:18s

    不难看出,并行时GPU的转码速度并没有提高,可见一颗GPU同时只能执行一个转码任务。那么,如果服务器上插有多块显卡,ffmpeg是否会使用多颗GPU进行并行转码呢?

    很遗憾,答案是否。

    ffmpeg并不具备自动向不同GPU分配转码任务的能力,但经过一番调查后,发现可以通过-hwaccel_device参数指定转码任务使用的GPU!

    向不同GPU提交转码任务

    ffmpeg -hwaccel cuvid -hwaccel_device 0 -c:v h264_cuvid -i <input> -c:v h264_nvenc -b:v 2048k -vf scale_npp=1280:-1 -y <output>
    ffmpeg -hwaccel cuvid -hwaccel_device 1 -c:v h264_cuvid -i <input> -c:v h264_nvenc -b:v 2048k -vf scale_npp=1280:-1 -y <output>
    
    • -hwaccel_device N:指定某颗GPU执行转码任务,N为数字

    此时nvidia-smi显示:

    +-----------------------------------------------------------------------------+
    | Processes:                                                       GPU Memory |
    |  GPU       PID   Type   Process name                             Usage      |
    |=============================================================================|
    |    0     96931      C   ffmpeg                                       193MiB |
    |    1     96930      C   ffmpeg                                       193MiB |
    +-----------------------------------------------------------------------------+
    

    可以进行并行GPU转码了!

    那么在占满服务器资源时,GPU转码和CPU转码的效率如下:

    • GPU转码平均耗时:4s
    • CPU转码平均耗时:18s

    GPU效率是CPU的4.5倍

    文章未经版主同意不可任意转载,如有需要请标明文章出处。
  • 相关阅读:
    Linux中后台执行scp
    无意中发现一个开源的flv播放器
    Spark Label 可以显示多行,但 MX Label 不可以。
    牛到家的Flex效果
    回去研究一下rawChild
    这几天在做图片滤镜
    黑白图片滤镜
    Flash CS3里的滤镜在窗品>属性里,默认是不显示的,你点了后会出现在属性控制面板里
    currentFrameLabel和currentLabel的区别在于flash player9和10
    Flash游戏做html网页做不了的事
  • 原文地址:https://www.cnblogs.com/qihangzj/p/11562350.html
Copyright © 2011-2022 走看看