波仔
🎬 第五章 HLS流媒体协议
📄 一句话概括

PS 是两级结构：pack 头加一串 PES。 pack 头带系统时钟，一个 pack 里能装多个 PES。

📝 本节和前面几节的关系

5.5 整节都在拆 TS，这一节换到 PS 这一侧。 5.6.2 讲怎么按起始码把它一段段解出来。

一、PS 的两级结构

① pack 层：以起始码 00 00 01 BA 开头，带系统时钟（SCR）。 一个 pack 里可以装多个 PES。 ② PES 层：起始码 00 00 01 E0 是视频、C0 到 DF 是音频。

实测构造一个 pack 头，20 字节，起始码 000001ba。 这 20 字节里：起始码 4、SCR 6、复用速率 3、填充长度 1， 剩下 6 字节是 stuffing 与保留位。

注意 PS 里 pack 头只出现一次，而不是每个 PES 前都有。 这一点跟 TS 正好相反：TS 每 188 字节就有一个头，PS 是「一大块一个头」。

二、pack 头里有什么

① 起始码 4 字节：固定 00 00 01 BA，这是 PS 的身份证。 ② SCR 基值与扩展 6 字节：系统参考时钟，90 kHz。 它是 PS 版的「对表工具」，作用类似 TS 的 PCR。 ③ 复用速率 3 字节：码流速率上限，全是 1 表示「可变码率」。 ④ 填充长度 1 字节：后面填几个 0xFF。

PS 的 pack 头比 TS 的包头大得多（十几字节对 4 字节）。但它不是每 188 字节就要一个，而是「一个 pack 一次」。 一个 pack 通常装几百 KB，所以摊下来开销很小。

SCR 的编码方式要留意： 它是 33 位基值 + 9 位扩展，拆在 6 个字节里，还得按位拼。 拼错了不会报错，只会让同步慢慢漂——这种错最难查。

三、PS 与 TS 的根本差别

PS 假设「传输是可靠的」：没有定长包、没有连续计数、没有 PCR 的频繁插入。 它更像「把 PES 串起来存成文件」，所以 DVD 用得很顺。 一旦网络丢了一个字节，后面的解析就全乱了——这就是它不能用于直播的根本原因。

不过 PS 有一个 TS 比不了的优点：开销小。 5.4.3 算过，1 MB 有效载荷 PS 只要约 320 字节头，TS 要 22 KB。 七十倍的差距，在存储介质紧张的年代是决定性的。

还有一条：PS 天然支持「随机访问」。 因为每个 pack 都以起始码开头，播放器可以扫到任意位置往后找 00 00 01 BA， 找到就能接着解。TS 虽然也能靠 0x47 对齐，但还需要 PAT／PMT 才解得出。

四、动手 Demo：PS 码流——pack 头加一串 PES

手工构造一个 20 字节的 pack 头，把每个字段的位置标出来。 再对比一下：同样 1 MB 数据，PS 与 TS 的头开销差七十倍。

import struct

# pack 头：起始码 + SCR(6) + 复用速率(3) + 填充长度(1) + stuffing
scr = 0x0001_0000_0001      # 33 位基值
b = bytearray()
b += b"\x00\x00\x01\xBA"
b += bytes([0x44,                          # 01 + SCR 高 3 位 + 标志
            (scr >> 27) & 0xFF, (scr >> 19) & 0xFF,
            (scr >> 11) & 0xFF, (scr >> 3) & 0xFF,
            ((scr & 0x07) << 5) | 0x04])
b += b"\xFF\xFF\xFF"                   # 可变码率
b += bytes([0])                          # 填充长度 0
b += bytes(6)                             # 补齐到 20 字节

print("pack 头 %d 字节" % len(b))
print("起始码 %s" % b[:4].hex())
print("第 5 字节 0x%02X，最高两位 %s" % (b[4], bin(b[4] >> 6)))

print()
data = 1024 * 1024
ts_over = ((data + 183) // 184) * 4
ps_over = (data // (64 * 1024) + 1) * 20
print("1 MB 数据：TS 头 %d 字节（%.2f%%），PS 头 %d 字节（%.3f%%）"
      % (ts_over, ts_over * 100.0 / data, ps_over, ps_over * 100.0 / data))

实跑输出：

--------------------------------------------------------------------
PS 码流——pack 头加一串 PES
--------------------------------------------------------------------
**① PS 的两级结构**

  **① pack 层**：**以起始码 `00 00 01 BA` 开头，带系统时钟（SCR）。**
  **一个 pack 里可以装多个 PES。**
  **② PES 层**：**起始码 `00 00 01 E0` 视频、`C0` 音频。**

  实测构造一个 pack 头 20 字节
  起始码 000001ba（PS 的 pack 起始）

**② 一个 pack 头里有什么**

  字段               字节     作用
  ----------------------------------------------------
  起始码             4        00 00 01 BA
  SCR 基值与扩展     6        系统参考时钟，90 kHz
  复用速率           3        码流速率上限
  填充长度           1        后面填几个 0xFF

  **PS 的 pack 头比 TS 的包头大得多**（十几字节对 4 字节）。
  **但它不是每 188 字节就要一个，而是「一个 pack 一次」。**
  **一个 pack 通常装几百 KB，所以摊下来开销很小。**

**③ PS 与 TS 的根本差别**

  **PS 假设「传输是可靠的」**：**没有定长包、没有连续计数、没有 PCR 的频繁插入。**
  **它更像「把 PES 串起来存成文件」，所以 DVD 用得很顺。**
  **一旦网络丢了一个字节，后面的解析就全乱了**——**这就是它不能用于直播的根本原因。**

20 字节的 pack 头——比 TS 的 4 字节大五倍，但不是每 188 字节都付。 第 5 字节高两位是 01，这个值表示「标准 MPEG-2 pack」。 复用速率写 FF FF FF 表示可变码率，定码率时要填真实值。

30 秒实验

  1. 把第 5 字节的 0x44 改成 0x24，看最高两位——变成 00，表示 MPEG-1 的 pack，头长度会短很多。
  2. 把数据量改成 10 MB，看两种开销的百分比——比例不变，因为都是线性开销。
  3. 把填充长度设成 8，看总长——变成 28 字节，填充长度字段后面真的要跟 8 个 0xFF。

常见误区

  1. 「PS 每个 PES 前都有 pack 头」——不是，一个 pack 只有一个头。
  2. 「PS 的 SCR 等同于 PTS」——不是，SCR 是系统时钟，PTS 是显示时间。
  3. 「PS 不能随机访问」——能，扫起始码就能定位。
自测三问（点开对答案） 1. PS 的两级结构是什么？ —— **pack 层（一个 pack 头带若干 PES）与 PES 层。** 2. PS 的 pack 头里 SCR 是干什么的？ —— **系统参考时钟**，作用类似 TS 的 PCR，用来校准接收端时钟。 3. PS 为什么不能用于直播？ —— **假设传输可靠**，丢一个字节后面全乱，没有重同步机制。

相关笔记