webrtc弱网-OveruseFrameDetector源码分析与算法原理

一、核心功能

CPU负载检测：监控视频帧的捕获、编码、发送全流程耗时，实时计算CPU使用率
自适应决策：基于CPU使用率阈值触发视频质量调整（降级/升级）
多策略支持：提供新旧两套CPU负载估计算法，支持实验性参数配置
指标上报：通过CpuOveruseMetricsObserver接口反馈性能数据

二、核心算法原理

负载估算算法：

旧算法(SendProcessingUsage1)：

复制代码

// 基于指数滤波的帧处理时间/帧间隔时间比率
usage_percent = 100 * filtered_processing_ms / filtered_frame_diff_ms

新算法(SendProcessingUsage2)：

复制代码

// 基于时间常数的指数平滑：load <-- x/d * (1-exp(-d/T)) + exp(-d/T)*load
double tau = options_.filter_time_ms * 0.001;
double e = diff_time / tau;
double c = (e < 0.0001) ? (1-e/2)/tau : -expm1(-e)/diff_time;
load_estimate_ = c * encode_time + exp(-e) * load_estimate_;

过载决策逻辑：

复制代码

// 过载条件：连续高阈值检测
bool OveruseFrameDetector::IsOverusing(int usage_percent) {
  return (usage_percent >= options_.high_threshold) && 
         (++checks_above_threshold_ >= options_.high_threshold_consecutive_count);
}

// 低载条件：低于阈值 + 冷却时间
bool IsUnderusing(int usage_percent, int64_t time_now) {
  return (usage_percent < options_.low_threshold) && 
         (time_now > last_rampup_time_ms_ + current_rampup_delay_ms_);
}

三、关键数据结构

复制代码

struct CpuOveruseOptions { // 核心配置参数
  int high_encode_usage_threshold_percent = 85; // 过载阈值(85%)
  int low_encode_usage_threshold_percent = 42;  // 低载阈值(高阈值的1/2)
  int frame_timeout_interval_ms = 1500;         // 帧超时判定时间
  int min_frame_samples = 120;                  // 最小采样帧数
};

struct FrameTiming { // 帧时序追踪(旧算法)
  int64_t capture_time_us;  // 原始捕获时间
  uint32_t timestamp;       // 帧时间戳
  int64_t capture_us;       // 首次进入系统时间
  int64_t last_send_us;     // 发送完成时间
};

// 状态机标识(测试注入器)
enum class State { kNormal, kOveruse, kUnderuse };

四、核心方法详解

帧生命周期管理：

复制代码

void FrameCaptured(bool is_preprocess, uint32_t timestamp, 
                   const VideoFrame& frame, int64_t time_when_first_seen_us) {
  // 重置条件：分辨率变化(1280x720->640x480)或帧超时(>1500ms)
  if (FrameSizeChanged(...) || FrameTimeoutDetected(...)) 
     ResetAll(...);
  
  // 记录帧进入系统的时间点
  usage_->FrameCaptured(..., time_when_first_seen_us, last_capture_time_us_);
  last_capture_time_us_ = time_when_first_seen_us;
}

void FrameSent(..., absl::optional<int> encode_duration_us) {
  // 计算实际编码耗时（支持外部传入或内部计算）
  duration_us = usage_->FrameSent(..., capture_time_us, encode_duration_us);
  
  // 上报编码耗时指标
  if (duration_us) EncodedFrameTimeMeasured(*duration_us / 1000);
}

动态调整机制：

复制代码

void CheckForOveruse(OveruseFrameDetectorObserverInterface* observer) {
  // 过载处理：指数退避延迟算法
  if (IsOverusing(*usage_percent_)) {
    current_rampup_delay_ms_ *= kRampUpBackoffFactor; // 延迟翻倍(最大240s)
    observer->AdaptDown(); // 触发降级决策
  } 
  // 低载处理：快速恢复机制
  else if (IsUnderusing(*usage_percent_, now_ms)) {
    in_quick_rampup_ = true;
    observer->AdaptUp(); // 触发升级决策
  }
}

五、设计亮点

双算法热切换：

复制代码

// 根据filter_time_ms配置自动选择算法
std::unique_ptr<ProcessingUsage> CreateProcessingUsage(...) {
  return (options.filter_time_ms > 0) ? 
         std::make_unique<SendProcessingUsage2>(options) :
         std::make_unique<SendProcessingUsage1>(options);
}

测试注入器模式：

复制代码

// 通过字段试验模拟过载场景（WebRTC-ForceSimulatedOveruseIntervalMs）
OverdoseInjector::Value() {
  switch(state_) {
    case State::kOveruse: return 250; // 强制返回250%使用率
    case State::kUnderuse: return 5;  // 强制返回5%使用率
    default: return usage_->Value();
  }
}

抗抖动设计：
- 帧间隔时间上限约束：max_sample_diff_ms_ = (1000/fps)*1.35
- 最小采样帧数限制：min_frame_samples=120
- 连续阈值检测机制：high_threshold_consecutive_count=2

六、典型工作流程

注释精要

复制代码

// 帧捕获处理（核心逻辑）
void OveruseFrameDetector::FrameCaptured(...) {
  // 重置条件检查：分辨率变化或帧超时
  if (FrameSizeChanged(frame.width() * frame.height()) || 
      FrameTimeoutDetected(time_when_first_seen_us)) {
    ResetAll(frame.width() * frame.height()); // 重置统计状态
  }
  
  // 区分预处理器/编码器场景
  if(is_preprocess) {
    frame_timing_.push_back(FrameTiming(frame.timestamp_us(), timestamp, ...));
  } else {  
    frame_timing_.push_back(FrameTiming(frame.timestamp_us(), frame.timestamp(), ...));
  }
}

// 过载检测算法（策略核心）
void OveruseFrameDetector::CheckForOveruse(...) {
  // 过载处理：指数退避延迟
  if (IsOverusing(*usage_percent_)) {
    if (now_ms - last_rampup_time_ms_ < kStandardRampUpDelayMs) {
      current_rampup_delay_ms_ *= kRampUpBackoffFactor; // 延迟翻倍
      if (current_rampup_delay_ms_ > kMaxRampUpDelayMs) // 上限240s
        current_rampup_delay_ms_ = kMaxRampUpDelayMs;
    }
    observer->AdaptDown(); // 触发降级
  } 
  // 低载处理：快速恢复
  else if (IsUnderusing(*usage_percent_, now_ms)) {
    last_rampup_time_ms_ = now_ms;
    in_quick_rampup_ = true; // 启用快速恢复模式
    observer->AdaptUp(); // 触发升级
  }
}

该设计通过多算法支持、动态阈值调整和状态机管理，实现了高效的CPU负载感知和视频质量自适应控制，在WebRTC中为实时视频通信提供了关键QoS保障能力。