GiaoThuc.comGiao Thức
Giao thức thời gian thực và IoT

HLS và DASH là gì: video được cắt thành đoạn và tự đổi chất lượng theo mạng ra sao

HLS và DASH chia video thành đoạn vài giây, kèm danh sách phát nhiều mức chất lượng; trình phát tự chọn mức theo băng thông. Cơ chế, độ trễ, khác biệt.

Family in a Can Tho living room watching a football match on a large television with a softly blurred picture, router blinking on a shelf, warm evening lamp light, viewers seen from behind

HLS và DASH là hai giao thức phát video qua HTTP theo cùng một ý tưởng: cắt video thành những đoạn ngắn vài giây, mã hoá sẵn ở nhiều mức chất lượng, và để trình phát tự chọn tải đoạn nào dựa trên tốc độ mạng đo được. Nhờ vậy khi bạn đi vào vùng sóng yếu, video chuyển sang hình mờ hơn thay vì đứng hình xoay vòng.

Hình dung một bộ truyện tranh được in sẵn ba khổ: khổ lớn nét căng, khổ vừa và khổ bỏ túi. Người đọc lấy từng chương một, chương nào cũng có đủ ba khổ, và mỗi lần lấy tuỳ túi đang rộng hay chật mà chọn khổ phù hợp. Danh sách phát chính là mục lục cho biết mỗi chương nằm ở đâu, có những khổ nào. Phần dưới giải thích cấu trúc danh sách phát của HLS và DASH, thuật toán chọn chất lượng, vì sao phát trực tiếp theo kiểu này thường trễ vài chục giây và các cách rút ngắn độ trễ đó.

Vì sao phát video lại quay về HTTP

Trước đây, phát video trực tuyến hay dùng giao thức chuyên dụng giữ một kết nối có trạng thái giữa máy chủ và trình phát, máy chủ chủ động đẩy dữ liệu theo nhịp phát. Cách này cho độ trễ thấp nhưng khó mở rộng: mỗi người xem chiếm một phiên trên máy chủ chuyên dụng, tường lửa doanh nghiệp hay chặn cổng lạ, và hạ tầng bộ nhớ đệm khổng lồ sẵn có của web không giúp được gì.

Ý tưởng của phát video qua HTTP đảo ngược mô hình. Máy chủ không biết gì về người xem; nó chỉ phục vụ những tệp tĩnh như mọi trang web. Trình phát mới là bên thông minh: tự tải danh sách phát, tự đo tốc độ, tự quyết định lấy đoạn nào. Vì các đoạn video là tệp HTTP bình thường, chúng được lưu đệm ở mạng phân phối nội dung (CDN), ở proxy của nhà mạng, đi qua cổng 443 như mọi trang web.

Kết quả là một trận bóng đá có hàng triệu người xem cùng lúc vẫn có thể phục vụ bằng những máy chủ web phân tán, mỗi đoạn video chỉ cần lấy từ máy chủ gốc một lần cho mỗi nút đệm. Cái giá là độ trễ: phải đợi một đoạn được mã hoá xong, ghi xong, liệt kê vào danh sách phát, rồi trình phát mới tải về.

Cấu trúc danh sách phát HLS

HLS do Apple đề xuất, được mô tả trong RFC 8216. Danh sách phát là tệp văn bản đuôi m3u8, có hai cấp: danh sách chính liệt kê các mức chất lượng, và danh sách media của từng mức liệt kê các đoạn.

ThẻNằm ởÝ nghĩa
EXT-X-STREAM-INFDanh sách chínhMỗi mức chất lượng, kèm BANDWIDTH (tốc độ bit đỉnh), RESOLUTION, CODECS và đường dẫn tới danh sách media của mức đó
EXT-X-TARGETDURATIONDanh sách mediaĐộ dài tối đa của một đoạn, tính bằng giây, làm tròn
EXT-X-MEDIA-SEQUENCEDanh sách mediaSố thứ tự của đoạn đầu tiên trong danh sách; với phát trực tiếp, số này tăng dần khi đoạn cũ bị bỏ khỏi cửa sổ
EXTINFDanh sách mediaĐứng trước mỗi đoạn, cho biết độ dài chính xác của đoạn đó
EXT-X-ENDLISTDanh sách mediaCó mặt nghĩa là danh sách đã đủ, thường là video theo yêu cầu; vắng mặt nghĩa là đang phát trực tiếp, trình phát phải tải lại danh sách định kỳ
EXT-X-KEYDanh sách mediaCách giải mã các đoạn được mã hoá, kèm nơi lấy khoá

Ví dụ giả định: một kênh phát trực tiếp có ba mức 1080p, 720p và 480p. Danh sách chính có ba dòng EXT-X-STREAM-INF. Danh sách media của mức 720p giữ năm đoạn gần nhất, mỗi đoạn sáu giây. Cứ mỗi vài giây, trình phát tải lại danh sách này, thấy một đoạn mới xuất hiện ở cuối và số MEDIA-SEQUENCE tăng một, rồi tải đoạn mới đó. Các đoạn ban đầu đóng gói dạng MPEG-TS, phiên bản mới hơn cho phép dùng MP4 phân mảnh.

DASH: cùng ý tưởng, mô tả bằng XML

DASH, tên đầy đủ Dynamic Adaptive Streaming over HTTP, là chuẩn quốc tế của nhóm MPEG, mang số hiệu ISO/IEC 23009-1. Thay vì tệp m3u8, DASH dùng tệp mô tả trình chiếu MPD viết bằng XML. Cấu trúc phân cấp rõ ràng hơn: một MPD chứa một hoặc nhiều Period (khoảng thời gian, ví dụ phần chính và phần quảng cáo chèn giữa), mỗi Period chứa các AdaptationSet (nhóm luồng có thể thay thế nhau, như mọi mức video, hoặc mọi bản âm thanh lồng tiếng), và mỗi AdaptationSet chứa nhiều Representation, tức từng mức chất lượng cụ thể.

Điểm khác về cách liệt kê đoạn: DASH thường không liệt kê từng tệp mà dùng mẫu đường dẫn có biến số thứ tự hoặc thời gian, trình phát tự tính tên đoạn tiếp theo. Nhờ vậy với phát trực tiếp, trình phát không cần tải lại MPD liên tục như HLS phải tải lại danh sách media. DASH cũng trung lập về codec: chuẩn không ràng buộc dùng codec nào.

Trên thực tế hai giao thức đã xích lại gần nhau nhờ định dạng chung CMAF, dựa trên MP4 phân mảnh. Nhà cung cấp chỉ cần mã hoá và đóng gói các đoạn một lần, rồi sinh cả danh sách HLS lẫn MPD trỏ vào cùng một bộ tệp, thay vì phải lưu hai bản. Việc chọn HLS hay DASH lúc này phụ thuộc chủ yếu vào thiết bị cần hỗ trợ, vì hệ sinh thái của Apple ưu tiên HLS.

Âm thanh, phụ đề và nhiều ngôn ngữ đi kèm

Một video không chỉ có hình. Bản phim có thể kèm âm thanh tiếng Việt, tiếng Anh, bản thuyết minh cho người khiếm thị, phụ đề nhiều thứ tiếng. Nếu trộn sẵn mọi tổ hợp vào từng mức video, số tệp phải lưu sẽ nhân lên nhanh chóng. Cả HLS và DASH đều giải quyết bằng cách tách các thành phần thành luồng riêng.

Trong HLS, các bản âm thanh và phụ đề thay thế được khai báo bằng thẻ EXT-X-MEDIA trong danh sách chính, mỗi bản có loại, ngôn ngữ, tên hiển thị và danh sách media riêng; mỗi mức video ghi rõ dùng nhóm âm thanh nào. Trong DASH, mỗi ngôn ngữ âm thanh hoặc phụ đề là một AdaptationSet riêng, bên cạnh AdaptationSet của video. Trình phát tải song song đoạn video ở mức chất lượng đang chọn và đoạn âm thanh của ngôn ngữ người xem chọn, rồi ghép lại khi phát dựa trên dấu thời gian.

Cách tách này còn có lợi cho băng thông: khi mạng yếu, trình phát hạ mức video mà vẫn giữ nguyên chất lượng âm thanh, vì người xem chịu được hình mờ hơn nhiều so với tiếng rè. Phụ đề thường ở dạng văn bản có mốc thời gian, rất nhẹ, được tải theo đoạn giống video hoặc tải trọn một lần với video theo yêu cầu.

Trình phát chọn chất lượng thế nào

Dựa trên thông lượng. Trình phát đo thời gian tải mỗi đoạn và kích thước của nó để ước lượng tốc độ mạng, rồi chọn mức có tốc độ bit thấp hơn ước lượng đó một khoảng an toàn. Cách này phản ứng nhanh nhưng dễ dao động khi tốc độ đo được nhảy lên xuống, ví dụ trên Wi-Fi đông người.

Dựa trên bộ đệm. Trình phát nhìn lượng video đã tải trước nhưng chưa phát. Bộ đệm đầy thì mạnh dạn lên mức cao; bộ đệm vơi dần thì hạ mức xuống trước khi cạn và đứng hình. Cách này ổn định hơn nhưng cần bộ đệm đủ dài để có chỗ xoay xở.

Kết hợp và các ràng buộc khác. Trình phát thực tế thường kết hợp cả hai, cộng thêm ràng buộc như không chọn độ phân giải cao hơn kích thước khung hiển thị, hoặc giới hạn khi thiết bị đang dùng mạng di động để tiết kiệm dung lượng.

Vì sao đầu video thường mờ rồi mới nét. Lúc mới mở, trình phát chưa có số đo nào nên thường bắt đầu ở mức thấp hoặc trung bình để hình hiện lên nhanh, rồi tăng dần sau vài đoạn khi đã biết tốc độ mạng. Đó là đánh đổi có chủ ý giữa thời gian chờ ban đầu và chất lượng.

Độ trễ phát trực tiếp đến từ đâu

Người xem phát trực tiếp qua HLS hay DASH truyền thống thường thấy hình chậm hơn thực tế từ khoảng mười lăm giây đến nửa phút. Ví dụ giả định với đoạn sáu giây, tách độ trễ thành từng phần:

Thành phầnVí dụ giả địnhGhi chú
Thu hình và mã hoákhoảng 1–2 giâyBộ mã hoá cần gom khung để nén hiệu quả
Chờ đủ một đoạn6 giâyĐoạn phải ghi xong mới được liệt kê vào danh sách phát
Lan tới CDN và trình phát tải danh sáchkhoảng 1–3 giâyPhụ thuộc chu kỳ tải lại danh sách và bộ nhớ đệm
Bộ đệm phía trình phátkhoảng 12–18 giâyNhiều trình phát giữ vài đoạn trước khi bắt đầu phát để chống đứng hình
Tổngkhoảng 20–29 giâyĐoạn càng dài, bộ đệm càng nhiều đoạn, độ trễ càng lớn

Đọc bảng này sẽ thấy vì sao người xem trận bóng qua ứng dụng nghe hàng xóm reo hò trước khi thấy bàn thắng. Độ trễ không do mạng chậm mà do thiết kế dựa trên đoạn và bộ đệm.

Các cách rút ngắn độ trễ

Có vài hướng giảm độ trễ mà vẫn giữ được lợi thế phân phối qua HTTP và CDN:

  • Rút ngắn đoạn: đoạn hai giây thay vì sáu giây làm giảm cả thời gian chờ đoạn lẫn bộ đệm, đổi lại nhiều yêu cầu hơn và nén kém hiệu quả hơn một chút vì khung chính dày hơn.
  • HLS độ trễ thấp (LL-HLS): chia mỗi đoạn thành các phần nhỏ cỡ vài trăm mili giây, liệt kê phần ngay khi có, cho trình phát yêu cầu trước phần sắp xuất hiện và máy chủ giữ yêu cầu đó tới khi có dữ liệu.
  • DASH độ trễ thấp với CMAF dạng khúc: mỗi đoạn được gửi dần từng khúc nhỏ bằng truyền mã hoá theo khúc của HTTP ngay khi bộ mã hoá sinh ra, trình phát bắt đầu giải mã trước khi đoạn ghi xong.
  • Chuyển sang WebRTC: với nhu cầu dưới một giây như đấu giá trực tuyến, lớp học tương tác, WebRTC cho độ trễ thấp nhất nhưng khó mở rộng tới hàng triệu người như CDN.

Độ trễ thấp luôn đi kèm bộ đệm mỏng, nên mạng chập chờn sẽ gây đứng hình nhiều hơn. Phát một bộ phim không cần độ trễ thấp; phát trận đấu có bình luận trực tiếp thì đáng cân nhắc.

Câu hỏi thường gặp

HLS và DASH khác nhau ở điểm nào chính?

Cả hai cùng cắt video thành đoạn và cho trình phát tự chọn chất lượng. HLS dùng danh sách phát m3u8 dạng văn bản và được thiết bị của Apple hỗ trợ sẵn; DASH dùng tệp MPD viết bằng XML, là chuẩn quốc tế trung lập về codec. Với định dạng CMAF, hai bên có thể dùng chung một bộ đoạn video.

Tệp m3u8 có chứa video không?

Không. Tệp m3u8 chỉ là danh sách văn bản trỏ tới các đoạn video và các mức chất lượng khác. Mở nó bằng trình soạn văn bản sẽ thấy các thẻ bắt đầu bằng dấu thăng và các đường dẫn. Video thật nằm trong các tệp đoạn.

Vì sao xem trực tiếp qua ứng dụng lại chậm hơn truyền hình?

Phát qua HLS hoặc DASH truyền thống phải chờ mỗi đoạn vài giây được ghi xong, rồi trình phát còn giữ vài đoạn trong bộ đệm để chống đứng hình. Cộng lại thường ra vài chục giây, dù mạng của bạn rất nhanh.

Vì sao video lúc đầu mờ rồi mới nét?

Khi mới mở, trình phát chưa biết tốc độ mạng nên chọn mức chất lượng thấp hoặc trung bình để hình hiện nhanh. Sau vài đoạn, nó đo được tốc độ thực tế và chuyển dần lên mức cao hơn nếu mạng cho phép.

Có thể phát HLS trên trình duyệt không hỗ trợ sẵn không?

Được. Trên các trình duyệt không phát HLS gốc, trang web dùng thư viện JavaScript tải danh sách phát và các đoạn qua HTTP, rồi đưa dữ liệu vào phần tử video thông qua giao diện Media Source Extensions. DASH trên trình duyệt cũng chạy theo cách này.

Đoạn video nên dài bao nhiêu giây?

Không có con số đúng cho mọi trường hợp. Đoạn dài nén hiệu quả hơn và ít yêu cầu hơn nhưng làm tăng độ trễ phát trực tiếp; đoạn ngắn giảm độ trễ nhưng tăng số yêu cầu tới CDN. Video theo yêu cầu thường dùng đoạn dài hơn phát trực tiếp.

Cần tư vấn cụ thể cho trường hợp của bạn?

Chúng tôi sẽ liên hệ trong vòng 24 giờ.

Đăng ký tư vấn ngay

Bài viết liên quan

Bạn cần hỗ trợ thêm?

Để lại thông tin, chúng tôi sẽ liên hệ trong 24 giờ.

hoặc
Gọi ngay 0926 138 138