AWS WebRTC: 判断viewer端拉流是否稳定的算法

在使用sdk-c viewer端进行拉流的过程中，viewer端拉取的是视频帧和音频帧，不会在播放器中播放，所以要根据收到的流来判断拉流过程是否稳定流畅。

我这边采用的算法是：依据相邻帧之间的时间间隔是否落在期望值的 ±20% 范围内。

音频帧、视频帧的日志打印如下：

 07:19:26.263 VERBOSE sampleAudioFrameHandler(): Audio Frame received. TrackId: 140092278368896, Size: 160, Flags 3210729368
2025-06-12 07:19:26.283 VERBOSE sampleAudioFrameHandler(): Audio Frame received. TrackId: 140092278368896, Size: 160, Flags 3210729368
2025-06-12 07:19:26.298 VERBOSE sampleVideoFrameHandler(): Video Frame received. TrackId: 140092278368896, Size: 4458, Flags 3210729368
2025-06-12 07:19:26.303 VERBOSE sampleAudioFrameHandler(): Audio Frame received. TrackId: 140092278368896, Size: 160, Flags 3210729368
2025-06-12 07:19:26.323 VERBOSE sampleAudioFrameHandler(): Audio Frame received. TrackId: 140092278368896, Size: 160, Flags 3210729368
2025-06-12 07:19:26.338 VERBOSE sampleVideoFrameHandler(): Video Frame received. TrackId: 140092278368896, Size: 263, Flags 3210729368
2025-06-12 07:19:26.343 VERBOSE sampleAudioFrameHandler(): Audio Frame received. TrackId: 140092278368896, Size: 160, Flags 3210729368
2025-06-12 07:19:26.363 VERBOSE sampleAudioFrameHandler(): Audio Frame received. TrackId: 140092278368896, Size: 160, Flags 3210729368

假设期望帧间隔是 20ms，那接收的帧间隔必须在lower和upper之间：

• lower = 16ms （-20%）
• upper = 24ms （+20%）

之后遍历相邻的时间戳，计算差值即时间间隔：

• 如果任何一个间隔超出 [16, 24]ms 范围，就返回 1（表示不稳定）
• 如果所有间隔都在范围内，最后返回 0（表示稳定）

这里有一点需要注意，如果时间间隔大于最大值很好理解，肯定是卡顿了，那么小于最小值为什么也被认定为不稳定呢，时间差越短不是越流畅吗？这里解释一下：

比如视频帧率是 25fps，对应每帧间隔约 40ms。如果某几帧突然变成 20ms，就不是“按帧率稳定输出”的表现。帧率不稳，会导致：

• 音视频不同步
• 抖动（jitter）
• 丢帧或重复帧等问题

流媒体播放是“节奏感”不是“越快越好”
一个稳定的视频流（比如 25fps）应该每 40ms 一帧。如果突然来一帧只间隔了 10ms，会导致播放器不知道该怎么同步音视频，甚至可能触发跳帧。过快或过慢，都是对稳定性的破坏。

时间间隔短，可能是网络包聚合延迟之后一次性发送多帧的情况。

举个例子：
假设有个节拍器本来每 1 秒“哒”一下，现在突然 0.1 秒“哒哒哒”3 次，那么它可能出故障了！

代码实现

# 判断帧时间是否稳定（±20%）
is_stable() {
    local expected_ms=$1
    shift
    local -a times=("$@")
    local lower=$((expected_ms * 8 / 10))
    local upper=$((expected_ms * 12 / 10))

    for ((i = 1; i < ${#times[@]}; i++)); do
        local diff=$((times[i] - times[i-1]))
        if (( diff < lower || diff > upper )); then
            return 1
        fi
    done
    return 0
}

第一个参数 $1：是期望的帧间隔（单位是毫秒），比如：

• 音频帧：20 毫秒
• 视频帧：40 毫秒

后续参数：是一系列时间戳（以毫秒为单位），代表每帧的接收时间。这些时间戳是在分析viewer端日志的过程中，获取到的n帧视频帧时间戳和n帧音频帧时间戳。

前一篇：https://blog.csdn.net/zhang_jiamin/article/details/149053832?spm=1011.2415.3001.5331