Dlaczego występują opóźnienia w transmisjach na żywo

W dobie cyfryzacji Transmisje na żywo stały się integralną częścią naszego życia: od turniejów e-sportowych i edukacyjnych webinarów po transmisje na żywo ze sceny. Jednak każdy użytkownik spotkał się z sytuacją, w której dźwięk opóźnia się w stosunku do obrazu lub komentarze na czacie pojawiają się, zanim samo wydarzenie nastąpi na ekranie. Zjawisko to nazywa się latencją. Zrozumienie, dlaczego występują te przerwy, wymaga głębokiej analizy ścieżki danych z kamery streamera do urządzenia widza.

1. Fizyczne ograniczenia transmisji danych i tras sieciowych

Pierwszą i najbardziej oczywistą przyczyną opóźnienia jest dystans. Chociaż dane przemieszczają się z prędkością bliską prędkości światła, nie przemieszczają się po linii prostej. Pakiety informacji przemieszczają się przez złożoną sieć routerów, przełączników i podmorskich kabli.

• Przechodzenie przez węzły (Hop): Za każdym razem, gdy pakiet danych trafia do routera, musi zostać przetworzony. Router analizuje nagłówek pakietu, określa optymalną ścieżkę i przekazuje ją dalej. Każdy taki „skok” dodaje kilka milisekund do ogólnego opóźnienia.
• Przepustowość sieci: Jeśli kanał komunikacyjny jest przeciążony, pakiety umieszczane są w kolejce. W najgorszym przypadku następuje utrata pakietów, co zmusza protokoły transmisji (takie jak TCP) do ponownego żądania danych, co radykalnie zwiększa opóźnienia.
• Typ połączenia: Korzystanie z Wi-Fi lub Internetu mobilnego (4G/5G) zwiększa opóźnienia w porównaniu z przewodowym połączeniem Ethernet ze względu na zakłócenia fal radiowych i procesy modulacji sygnału.

Ważne jest, aby zrozumieć różnice pomiędzy rodzajami opóźnień, które przedstawiono w poniższej tabeli:

Typ opóźnienia

Przedział czasu

Aplikacja

2. Procesy kodowania i transkodowania treści wideo

Film nagrywany kamerą to ogromna ilość nieskompresowanych danych. Nie ma możliwości przesłania go w oryginalnej formie przez Internet. To tutaj wchodzą w grę kodeki.

Proces kodowania obejmuje następujące kroki, z których każdy wymaga czasu procesora:

1. Przechwytywanie i kompresja: Oprogramowanie (takie jak OBS) lub koder sprzętowy kompresuje wideo przy użyciu algorytmów takich jak H.264 lub HEVC. Wymaga to analizy ramki i usunięcia zbędnych informacji.
2. Transkodowanie po stronie serwera: Platformy (YouTube, Twitch) odbierają jeden strumień wysokiej jakości i ponownie kodują go do różnych rozdzielczości (1080p, 720p, 480p), aby widzowie ze słabym internetem również mogli obejrzeć transmisję. Proces ten odbywa się na bieżąco i powoduje znaczne opóźnienia.
3. Grupowanie ramek (GOP): Film jest podzielony na grupy klatek. Odtwarzacz nie może rozpocząć odtwarzania, dopóki nie otrzyma klatki kluczowej (klatki I), co powoduje wymuszone oczekiwanie.

Ciekawostka: Im bardziej złożony algorytm kompresji, tym mniejszy rozmiar pliku, ale tym więcej czasu zajmuje jego przetworzenie. To wieczny kompromis pomiędzy jakością obrazu a szybkością dostarczania.

3. Protokoły transmisji danych i ich wpływ na prędkość

Wybór protokołu jest być może decydującym czynnikiem w kwestii opóźnienia. Tradycyjne metody transmisji zostały zaprojektowane z myślą o stabilności, a nie szybkości.

HLS (transmisja na żywo HTTP) – najpopularniejszy protokół firmy Apple. Jego zasada działania polega na dzieleniu wideo na małe segmenty (fragmenty) trwające od 2 do 10 sekund. Odtwarzacz widza pobiera te segmenty jeden po drugim. Aby uniknąć przerw, gracz zawsze trzyma 2-3 segmenty w rezerwie. Zatem w samą architekturę protokołu wbudowane jest opóźnienie wynoszące 15–30 sekund.

Istnieją również bardziej nowoczesne alternatywy:

• InternetRTC: Pozwala osiągnąć opóźnienie mniejsze niż 500 ms, ale trudno je skalować do milionów widzów.
• LL-HLS i DASH: Modyfikacje standardowych protokołów, które działają z małymi częściami segmentów.
• RTMP: Stary standard, który nadal jest używany do dostarczania sygnału ze streamera do serwera, ale prawie nigdy nie jest używany do dostarczania go do przeglądarki końcowej.

4. Buforowanie po stronie klienta i serwera

Buforowanie jest mechanizmem obronnym. Połączenie sieciowe jest niestabilne: prędkość może spadać i rosnąć co sekundę. Aby zapobiec wyświetlaniu przez widza „koła pobierania” co pięć sekund, urządzenie z wyprzedzeniem pobiera do pamięci określoną ilość materiału wideo.

Jeśli masz wolne połączenie, odtwarzacz automatycznie zwiększa rozmiar bufora. Oznacza to, że oglądasz wydarzenia, bison casino które miały miejsce 20 lub 30 sekund temu, ale obraz porusza się płynnie. Transmisja na żywo w tym przypadku staje się „prawie żywy”.

Bufory serwera również odgrywają rolę. Odbierając dane od streamera, serwer gromadzi pakiety, tworząc pełnoprawny segment do dystrybucji za pośrednictwem CDN (Content Delivery Network). Każda taka kumulacja oznacza dodatkowe sekundy oczekiwania.

5. Rola sieci dostarczania treści (CDN)

Aby ludzie na całym świecie mogli oglądać transmisję, CDN. Jest to sieć serwerów rozproszonych geograficznie. Zamiast wszyscy widzowie łączą się z jednym serwerem w USA, łączą się z najbliższym „węzłem” w swoim regionie.

Jednak uruchomienie CDN również przyczynia się do opóźnień:

• Replikacja: Dane muszą zostać skopiowane z serwera głównego (Origin) na wszystkie serwery brzegowe (Edge).
• Buforowanie: Aby zmniejszyć obciążenie, serwery CDN buforują segmenty wideo. Jeśli gracz zażąda segmentu, który nie został jeszcze zaktualizowany w pamięci podręcznej, wystąpi problem.

W nowoczesnych systemach optymalizacja CDN minimalizuje te opóźnienia, wykorzystując protokoły transmisji, które „wypychają” treść do widza, gdy tylko się ona pojawi, bez czekania na żądanie.

Podsumowując, możemy tak powiedzieć żywe opóźnienie jest wynikiem złożonej interakcji pomiędzy fizyką, algorytmami kompresji matematycznej i architekturą Internetu. Całkowita eliminacja opóźnień przy zachowaniu wysokiej jakości i masowej publiczności pozostaje jednym z głównych wyzwań technologicznych naszych czasów. Wraz z rozwojem sieci 5G i protokołów nowej generacji zbliżamy się do punktu, w którym „transmisja na żywo” będzie naprawdę odbywać się w czasie rzeczywistym.