بازگشت به بلاگ
HLS پروتکلویدیو استریمینگ

پروتکل HLS چیست و HLS Streaming چگونه کار می‌کند؟

دوریفای۱۳ دقیقه زمان برای مطالعه
پروتکل HLS چیست و HLS Streaming چگونه کار می‌کند؟
پروتکل HLS چیست و HLS Streaming چگونه کار می‌کند؟

پروتکل HLS چیست و HLS Streaming چگونه کار می‌کند؟

اگر کیفیت یک ویدیوی آنلاین هنگام تغییر وضعیت شبکه از ۳۶۰p به ۷۲۰p می‌رود و پخش بدون توقف ادامه پیدا می‌کند، HLS احتمالاً بخشی از این تجربه است. HLS یا HTTP Live Streaming روشی برای تحویل صدا و تصویر از طریق وب است. در این روش، رسانه به قطعه‌های کوچک تقسیم می‌شود و یک playlist به پخش‌کننده می‌گوید هر قطعه را از کجا و با چه کیفیتی بگیرد. HLS هم برای پخش زنده و هم برای ویدیوی درخواستی (VOD) به کار می‌رود.

مسیر HLS از منبع ویدیو تا پخش‌کننده، ساختار فایل M3U8، پخش تطبیقی، تأخیر، LL-HLS، سازگاری مرورگرها و امنیت را دربرمی‌گیرد. انتخاب آن هم به سناریو بستگی دارد: نیازهای یک دورهٔ آموزشی با پخش زندهٔ ورزشی یا تماس تعاملی یکسان نیست.

HLS چیست؟ تعریف کوتاه و دقیق

HLS مخفف HTTP Live Streaming است؛ فناوری‌ای که اپل آن را معرفی کرد. در این معماری، encoder یا transcoder منبع صوتی و تصویری را در چند rendition با نرخ بیت و وضوح متفاوت آماده می‌کند. سپس packager هر rendition را به segmentهای پیاپی و یک یا چند playlist تبدیل می‌کند. playlist معمولاً یک فایل متنی با پسوند .m3u8 است و نشانی قطعه‌ها، مدت آن‌ها و اطلاعات لازم برای پخش را در خود دارد.

پخش‌کننده ابتدا playlist را می‌خواند، segmentها را از وب‌سرور یا CDN می‌گیرد و پشت سر هم نمایش می‌دهد. اگر شبکه یا وضعیت دستگاه تغییر کند، player می‌تواند به rendition دیگری برود. بنابراین HLS خودِ codec یا فایل MP4 نیست؛ روشی برای بسته‌بندی، فهرست‌کردن و تحویل رسانه است.

مشخصات HLS در RFC 8216 توضیح داده شده و مستندات جدیدتر Apple نیز قابلیت‌هایی مانند authoring، ابزارها و Low-Latency HLS را پوشش می‌دهند.

HLS چگونه کار می‌کند؟ از منبع تا صفحهٔ ویدیو

معماری معمول HLS چنین مسیری دارد:

Source → Encoder/Transcoder → Packager → Playlist و Segmentها → Origin/CDN → Player

۱. دریافت و آماده‌سازی منبع

منبع می‌تواند دوربین، میکروفن، فایل MP4 یا خروجی نرم‌افزار تولید باشد. در پخش زنده، encoder فریم‌های ویدیو و نمونه‌های صدا را به codecهایی مانند H.264 یا HEVC برای تصویر و AAC برای صدا تبدیل می‌کند. در VOD، فایل اصلی پیش از انتشار پردازش می‌شود.

ترنسکد معمولاً چند خروجی می‌سازد؛ برای نمونه، ۴۸۰p با ۸۰۰ کیلوبیت‌برثانیه، ۷۲۰p با ۲٫۵ مگابیت‌برثانیه و ۱۰۸۰p با ۵ مگابیت‌برثانیه. به این مجموعه bitrate ladder می‌گویند. تعداد کیفیت‌ها باید با اندازهٔ مخاطب، دستگاه‌های هدف، هزینهٔ ذخیره‌سازی و سرعت واقعی شبکه هماهنگ باشد.

۲. بسته‌بندی و ساخت segmentها

packager هر خروجی را به قطعه‌های کوتاه تقسیم می‌کند. این قطعه‌ها می‌توانند با MPEG-2 Transport Stream یا fragmented MP4 ساخته شوند. fMP4 و CMAF در معماری‌های جدید کاربرد زیادی دارند؛ بنابراین این تصور که HLS همیشه فقط از فایل‌های .ts استفاده می‌کند، درست نیست.

طول segment مقدار ثابت و اجباری برای همهٔ پروژه‌ها نیست. قطعه‌های طولانی‌تر معمولاً سربار درخواست را کم می‌کنند، اما ممکن است تأخیر را افزایش دهند. قطعه‌های کوتاه‌تر به کاهش تأخیر کمک می‌کنند و در عوض به درخواست‌های بیشتر، تنظیم دقیق‌تر encoder و تحمل بهتر نوسان شبکه نیاز دارند.

۳. playlist و فایل M3U8

HLS دو نوع playlist اصلی دارد:

  • Master یا Multivariant Playlist: فهرست renditionها، یعنی کیفیت‌ها، codecها، نرخ بیت و نشانی playlist هر کیفیت.
  • Media Playlist: فهرست segmentهای یک rendition مشخص، همراه با مدت و ترتیب آن‌ها.

پسوند M3U8 به قالب متنی UTF-8 playlist اشاره می‌کند. M3U8 فایل ویدیویی نیست؛ نقشه‌ای است که player با خواندن آن می‌فهمد چه منابعی را درخواست کند.

نمونهٔ کوتاه یک master playlist:

#EXTM3U
#EXT-X-VERSION:7
#EXT-X-STREAM-INF:BANDWIDTH=900000,RESOLUTION=640x360,CODECS="avc1.4d401e,mp4a.40.2"
360p/index.m3u8
#EXT-X-STREAM-INF:BANDWIDTH=2800000,RESOLUTION=1280x720,CODECS="avc1.64001f,mp4a.40.2"
720p/index.m3u8
#EXT-X-STREAM-INF:BANDWIDTH=5200000,RESOLUTION=1920x1080,CODECS="avc1.640028,mp4a.40.2"
1080p/index.m3u8

در این مثال، player ابتدا سه گزینه را می‌بیند و هنوز segmentهای ویدیو را نگرفته است. سپس، مثلاً playlist کیفیت ۷۲۰p را می‌خواند:

#EXTM3U
#EXT-X-TARGETDURATION:4
#EXT-X-MEDIA-SEQUENCE:1200
#EXTINF:3.96,
seg-1200.m4s
#EXTINF:4.00,
seg-1201.m4s
#EXTINF:3.92,
seg-1202.m4s

EXTINF مدت تقریبی هر segment را مشخص می‌کند و MEDIA-SEQUENCE شمارهٔ قطعهٔ اول را نشان می‌دهد. در VOD معمولاً انتهای playlist با #EXT-X-ENDLIST مشخص می‌شود. در live، playlist با رسیدن قطعه‌های تازه به‌روزرسانی می‌شود.

۴. تحویل از وب‌سرور و CDN

playlist و segmentها از طریق HTTP تحویل می‌شوند. در نتیجه می‌توان از وب‌سرور، cache و CDN استفاده کرد و برای هر کاربر یک اتصال دائمی اختصاصی به سرور رسانه نداشت. CDN قطعه‌ها را در نقاط نزدیک‌تر به کاربران cache می‌کند و در رویدادهای بزرگ فشار روی origin را کاهش می‌دهد.

CDN به‌تنهایی کیفیت پخش را تضمین نمی‌کند. cache-control نادرست برای playlist زنده، CORS، زمان انقضای URL، هم‌ترازی keyframeها یا پاک‌شدن زودهنگام segmentها می‌تواند به مکث و خطای پخش منجر شود.

۵. نقش player

player playlist را می‌خواند، buffer می‌سازد، segmentها را دانلود و decode می‌کند و دربارهٔ کیفیت بعدی تصمیم می‌گیرد. نرخ دانلود قطعه‌های اخیر، اندازهٔ buffer، ظرفیت دستگاه و انتخاب دستی کاربر در این تصمیم اثر دارند. بنابراین ABR فقط تغییر کیفیت در سمت سرور نیست؛ منطق اصلی انتخاب در client یا player اجرا می‌شود.

در Safari و بسیاری از دستگاه‌های اپل، پشتیبانی native از HLS در لایهٔ سیستم‌عامل وجود دارد. در مرورگرهای دیگر، معمولاً از Media Source Extensions و کتابخانه‌ای مانند hls.js استفاده می‌شود. قابلیت واقعی محیط را باید بررسی کرد و سازگاری همهٔ مرورگرها را از روی یک <video src="stream.m3u8"> فرض نکرد.

ABR چگونه کیفیت را با اینترنت هماهنگ می‌کند؟

Adaptive Bitrate یا ABR به player اجازه می‌دهد بین renditionهای master playlist جابه‌جا شود. برای مثال، اگر کاربر با اینترنت ناپایدار شروع کند، player ممکن است ۳۶۰p را انتخاب کند تا buffer خالی نشود. پس از چند قطعهٔ موفق، اگر ظرفیت شبکه بیشتر باشد، به ۷۲۰p یا ۱۰۸۰p می‌رود.

این سازوکار باید میان کیفیت و پایداری تعادل برقرار کند. رفتن زودهنگام به کیفیت بالا می‌تواند rebuffering ایجاد کند؛ انتخاب بیش از حد محافظه‌کارانه هم تصویر را بی‌دلیل کم‌کیفیت نگه می‌دارد. renditionها برای سوئیچ روان باید keyframe و زمان‌بندی سازگار داشته باشند و اختلاف bitrate آن‌ها منطقی باشد.

مزایا و محدودیت‌های HLS

مزایا

  • مقیاس‌پذیری: استفاده از HTTP و CDN آن را برای مخاطبان زیاد مناسب می‌کند.
  • پخش تطبیقی: player کیفیت را با شبکه و دستگاه هماهنگ می‌کند.
  • پشتیبانی گسترده: در اکوسیستم اپل پشتیبانی native قوی دارد و در وب با MSE و کتابخانه‌هایی مانند hls.js قابل استفاده است.
  • پشتیبانی از Live و VOD: یک معماری می‌تواند هر دو نوع محتوا، زیرنویس، چند صدای زبانی و metadata زمان‌دار را پوشش دهد.
  • قابلیت‌های تجاری: رمزنگاری، احراز دسترسی، درج آگهی و DRM در زنجیرهٔ HLS قابل پیاده‌سازی هستند.

محدودیت‌ها

  • HLS معمولی به دلیل buffer و چرخهٔ playlist برای تعامل چندصدمیلی‌ثانیه‌ای ساخته نشده است.
  • تولید چند rendition، ذخیره‌سازی segmentها و ترافیک خروجی هزینه دارد.
  • پشتیبانی وب به مرورگر، codec، container و روش پخش وابسته است؛ native بودن در Safari به معنی native بودن در همهٔ مرورگرها نیست.
  • خطا در timestamp، keyframe، MIME type، CORS یا cache می‌تواند تعداد زیادی segment را غیرقابل‌پخش کند.
  • راه‌اندازی DRM، توکن و پایش کیفیت طراحی جداگانه می‌خواهد و با فعال‌کردن HLS خودبه‌خود ایجاد نمی‌شود.

تأخیر HLS چقدر است؟ LL-HLS چه تغییری می‌دهد؟

تأخیر HLS عدد ثابتی نیست. در live، این فاصله از زمان capture و encoding، انتظار برای کامل‌شدن segment، به‌روزرسانی playlist، cache و CDN، دانلود در player و buffer ایمنی تشکیل می‌شود. اگر segmentها چهار تا شش ثانیه‌ای باشند و player چند segment را پیشاپیش نگه دارد، فاصلهٔ تصویر کاربر از رویداد واقعی می‌تواند از چند ثانیه تا چند ده ثانیه تغییر کند.

Low-Latency HLS یا LL-HLS برای کم‌کردن این فاصله طراحی شده است. در آن، یک segment بزرگ‌تر به Partial Segmentهای کوچک‌تر تقسیم می‌شود و playlist با روش‌هایی مانند blocking reload و به‌روزرسانی کم‌حجم‌تر در اختیار player قرار می‌گیرد. نتیجه، نزدیک‌ترشدن پخش به زمان واقعی است؛ اما کوتاه‌کردن segment به‌تنهایی LL-HLS نمی‌سازد. encoder، packager، origin، CDN و player باید با مدل کم‌تأخیر سازگار باشند.

در LL-HLS باید میان Part Target Duration، زمان رفت‌وبرگشت شبکه، مقدار hold-back و پایداری buffer تعادل برقرار شود. هرچه latency پایین‌تر بیاید، حاشیهٔ خطا هم کمتر می‌شود و نوسان شبکه احتمال rebuffering را بالا می‌برد. LL-HLS برای حراج زنده، بازی، خبر فوری یا پخش ورزشی مفید است؛ برای دورهٔ آموزشی ضبط‌شده معمولاً پیچیدگی اضافی آن توجیهی ندارد.

HLS در مرورگر و اپلیکیشن

در اپلیکیشن‌های iOS، tvOS و macOS می‌توان از frameworkهای اپل مانند AVFoundation و AVKit استفاده کرد. در وب، این ترتیب عملی است:

  1. پشتیبانی native واقعی را بررسی کنید.
  2. اگر مرورگر از MSE پشتیبانی می‌کند، HLS.js یا راهکار مشابه را به عنصر HTML5 video متصل کنید.
  3. codec و container را روی دستگاه‌های هدف آزمایش کنید.
  4. خطاهای playlist، CORS، MIME type، DRM و قطع شبکه را جداگانه پایش کنید.

در پروژهٔ چندسکویی، بازشدن URL مربوط به M3U8 کافی نیست. گوشی قدیمی، تلویزیون هوشمند، مرورگر دسکتاپ و اپلیکیشن بومی ممکن است codec یا قابلیت‌های متفاوتی داشته باشند. تست با یک master playlist واقعی و اندازه‌گیری startup time، rebuffer ratio و live latency از یک تست موفق روی لپ‌تاپ قابل‌اعتمادتر است.

امنیت HLS: HTTPS کافی نیست

HLS به‌خودی‌خود محتوای شما را خصوصی یا ضدکپی نمی‌کند. امنیت باید چند لایه داشته باشد:

  • HTTPS: مسیر انتقال playlist، segment و درخواست key را در برابر شنود و دست‌کاری محافظت می‌کند.
  • احراز هویت و URL امضاشده: توکن کوتاه‌عمر و محدود به مسیر، کاربر، IP یا زمان می‌تواند مانع پخش عمومی لینک شود. اعتبارسنجی باید برای playlist و segmentها سازگار باشد؛ حفاظت فقط از فایل اصلی کافی نیست.
  • رمزنگاری رسانه: HLS از روش‌هایی مانند AES-128 و الگوهای مرتبط با SAMPLE-AES پشتیبانی می‌کند. کلید نباید در مسیر عمومی و بدون کنترل دسترسی قرار بگیرد.
  • DRM: در سناریوهای تجاری که کنترل بیشتری بر استفاده از محتوا لازم است، DRMهایی مانند FairPlay Streaming در اکوسیستم‌های مربوط قابل بررسی‌اند. رمزنگاری ساده با DRM یکسان نیست.
  • کنترل مبدأ و CDN: CORS، referrer policy، rate limiting، ثبت رخداد و محدودکردن دسترسی origin به CDN باید درست تنظیم شوند.

هیچ‌کدام از این لایه‌ها مانع مطلق ضبط صفحه یا استخراج از دستگاه مجاز نیستند. هدف، کنترل دسترسی، دشوارکردن سوءاستفاده و رعایت الزامات توزیع محتواست.

مقایسهٔ سناریومحور HLS با پروتکل‌های دیگر

سناریوانتخاب مناسب‌تردلیل اصلینکتهٔ مهم
دورهٔ آموزشی و VOD برای کاربران زیادHLSCDN، ABR، زیرنویس و سازگاری خوبlatency پایین معمولاً اولویت نیست؛ کیفیت master playlist مهم است
پخش زندهٔ ورزشی یا رویداد عمومیHLS یا LL-HLSمقیاس‌پذیری و توزیع گستردهبرای تعامل کم‌تأخیر، LL-HLS و زنجیرهٔ سازگار لازم است
ارسال خروجی دوربین به پلتفرمRTMP یا SRT برای ingestمناسب contribution از encoder به سرورingest با delivery یکی نیست؛ خروجی نهایی می‌تواند HLS باشد
تحویل HTTP با اکوسیستم غیر اپلHLS یا MPEG-DASHهر دو از CDN و ABR استفاده می‌کنندانتخاب را بر اساس دستگاه، DRM، ابزار و pipeline انجام دهید
کلاس تعاملی، بازی دونفره یا تماس زندهWebRTClatency بسیار کم و ارتباط دوطرفهمقیاس‌پذیری، ضبط و پخش یک‌به‌چند ممکن است پیچیده‌تر شود

HLS در برابر RTMP: RTMP بیشتر در مسیر ingest، یعنی رساندن stream از encoder به سرور، دیده می‌شود. برای تحویل نهایی به تعداد زیادی کاربر وب، HLS معمولاً با CDN سازگارتر است. این دو لزوماً رقیب مستقیم نیستند و می‌توانند در دو بخش یک زنجیره کنار هم قرار بگیرند.

HLS در برابر MPEG-DASH: هر دو بر HTTP، playlist، segment و ABR تکیه دارند. انتخاب به دستگاه‌های مقصد، codec، DRM، ابزار بسته‌بندی و تجربهٔ تیم بستگی دارد. در بسیاری از سامانه‌ها، هر دو خروجی برای پوشش بهتر دستگاه‌ها تولید می‌شوند.

HLS در برابر WebRTC: WebRTC برای تعامل تقریباً بلادرنگ و مسیرهای دوطرفه مناسب‌تر است. HLS برای پخش گسترده، VOD و زمانی که چند ثانیه تأخیر قابل قبول است، عملیاتی‌تر و سازگارتر با cache است. اگر کاربر فقط تماشا می‌کند، WebRTC ممکن است پیچیدگی غیرضروری ایجاد کند.

چه زمانی HLS انتخاب خوبی است؟

HLS انتخاب مناسبی است اگر می‌خواهید ویدیو را به مخاطبان زیاد، روی دستگاه‌های متنوع و از طریق زیرساخت HTTP/CDN عرضه کنید؛ اگر VOD، پخش زنده، چند کیفیت، زیرنویس یا کنترل دسترسی دارید؛ و اگر چند ثانیه تأخیر برای محصول قابل قبول است.

پیش از انتخاب، این پرسش‌ها را پاسخ دهید: مخاطب بیشتر کجاست؟ چه مرورگرها و تلویزیون‌هایی باید پشتیبانی شوند؟ latency قابل قبول چقدر است؟ ingest با چه پروتکلی انجام می‌شود؟ آیا DRM لازم است؟ هزینهٔ ترنسکد، ذخیره‌سازی و CDN چقدر است؟ پاسخ‌ها ممکن است به HLS معمولی، LL-HLS، MPEG-DASH یا ترکیبی از چند خروجی منجر شوند.

پرسش‌های متداول دربارهٔ HLS

آیا HLS فقط برای پخش زنده است؟

خیر. HLS هم برای live و هم برای VOD استفاده می‌شود. در live، media playlist با رسیدن segmentهای جدید به‌روزرسانی می‌شود؛ در VOD، playlist کامل و معمولاً با EXT-X-ENDLIST منتشر می‌شود.

M3U8 با MP4 چه تفاوتی دارد؟

M3U8 یک playlist متنی است و نشانی segmentها و دستورهای لازم برای پخش را توصیف می‌کند. MP4 یک container رسانه‌ای است که می‌تواند صدا و تصویر را در یک فایل نگه دارد. HLS ممکن است از segmentهای fMP4 استفاده کند، اما خودِ M3U8 فایل ویدیویی نیست.

آیا HLS همیشه از فایل TS استفاده می‌کند؟

خیر. MPEG-TS یکی از قالب‌های segment است و fMP4/CMAF نیز در HLS کاربرد دارد. انتخاب به دستگاه‌ها، codecها، ابزار و الزامات pipeline بستگی دارد.

چرا کیفیت ویدیو خودکار تغییر می‌کند؟

چون master playlist چند rendition دارد و player با بررسی نرخ دانلود، buffer و وضعیت شبکه، rendition مناسب‌تری را انتخاب می‌کند. کاربر معمولاً می‌تواند کیفیت را دستی قفل کند، اما حالت خودکار برای جلوگیری از مکث مفید است.

آیا Chrome و Firefox مستقیماً HLS را پخش می‌کنند؟

پشتیبانی به نسخهٔ مرورگر، سیستم‌عامل، codec و روش اجرا بستگی دارد. Safari معمولاً HLS native دارد؛ در بسیاری از محیط‌های دیگر، hls.js روی MSE راهکار رایجی است. قابلیت را روی مرورگرها و دستگاه‌های واقعی خود آزمایش کنید و به یک canPlayType ساده اکتفا نکنید.

برای پخش زندهٔ تعاملی HLS بهتر است یا WebRTC؟

اگر تأخیر بسیار کم و تعامل دوطرفه مهم است، WebRTC معمولاً مناسب‌تر است. اگر پخش یک‌به‌چند، VOD، CDN و مقیاس بالا اولویت دارد و چند ثانیه تأخیر قابل قبول است، HLS انتخاب عملی‌تری است. LL-HLS می‌تواند فاصله را کمتر کند، اما جایگزین کامل WebRTC برای گفت‌وگوی تعاملی نیست.

آیا HTTPS یعنی HLS امن است؟

خیر. HTTPS فقط انتقال را رمزنگاری می‌کند. برای کنترل دسترسی باید احراز هویت، URL امضاشده، حفاظت از key، تنظیم CDN و در صورت نیاز encryption یا DRM را هم طراحی کنید.

جمع‌بندی

HLS روشی برای بسته‌بندی و تحویل تطبیقی صدا و تصویر روی HTTP است. encoder و packager خروجی‌های مختلف را به segment و playlist تبدیل می‌کنند، CDN آن‌ها را توزیع می‌کند و player با خواندن M3U8 کیفیت مناسب را انتخاب می‌کند. همین جداسازی، HLS را برای VOD و پخش زندهٔ مقیاس‌پذیر مناسب کرده است.

برای انتخاب درست، کل زنجیره را ببینید: ingest، codec، segment، playlist، CDN، player، latency و امنیت. HLS معمولی برای بسیاری از دوره‌ها و سرویس‌های ویدیویی کافی است، LL-HLS برای رویدادهای حساس به تأخیر ارزش بررسی دارد، RTMP یا SRT ممکن است در مسیر ingest بهتر باشند و WebRTC برای تعامل واقعی ساخته شده است.

مطالب پیشنهادی