前言
最近在做一些音视频领域的工作，这个领域基本绕不开 FFmpeg ，因此想对其源码进行一些研究，站着这个巨人的肩膀上，学习一下其设计思想以及实现思路，FFmpeg 很多人最开始接触的应该都是它的命令和 ffplay ，这篇我们就先分析下 ffmpeg 命令 的实现。
从问题出发
- FFmpeg的命令结构是什么样的
- 怎么实现任意功能、配置的随意组装的
- 倒放这种非线性的情况是怎么处理的
- 当不需要转码类似只需要转封装的话是如何处理的
命令结构
ffmpeg [global_options] {[input_file_options] -i input_url} ... {[output_file_options] output_url} ...流程推测
- 应该要有一个数据层，按照输入参数进行数据解析
- 将解码、转码、功能处理、编码四个模块抽象分开
- 按第一个环节数据解析的结构组装上述四个模块，形成一条或多条责任链的效果
- 开始处理
过程中应该有很多分支判断、参数设置之类的情况，在这里都不考虑，我们先只分析主链路。
主流程
首先 ffmpeg 命令的入口在于 fftools/ffmpeg.c 的 main 函数上，先从这个函数来看下整体的流程，代码用的是 ffmpeg 4.4 的版本，同时会省略一些无关紧要的内容：
int main(int argc, char **argv)
{
/* 一些前置的初始化动作 */
...
/* 数据解析函数，不过在这个函数里面还会去开启输入/输出文件流等处理 */
ret = ffmpeg_parse_options(argc, argv);
/* 一些数据判断、开启基准测试之类的处理 */
...
/* 开始做实际的文件转换，即按命令开始处理了 */
if (transcode() < 0)
...
/* 结束了，统计耗时等等 */
...
}
从上述代码可以看到核心的环节就是两部分：数据解析 + 文件转换，接下来我们将针对这两部分再深入进去看看。
接下去我们分析过程中使用的命令如下：
ffmpeg -i douyin_700x1240.mp4 -vf reverse -af areverse reversed.mp4上述命令是将一个 douyin_700x1240.mp4 这个视频中的视频流于音频流同时倒放，生成 reversed.mp4。
数据解析
在分析 ffmpeg_parse_options 函数之前，我们先介绍下 FFmpeg 命令中参数配置相关的几个主要的结构体：
OptionParseContext
typedef struct OptionParseContext {
OptionGroup global_opts; // 全局配置参数集
OptionGroupList *groups; // 输出/输入配置参数集
int nb_groups; // groups的长度
/* parsing state */
OptionGroup cur_group; // 下面讲解到 add_opt 的时候会提到
} OptionParseContext;该对象用来存储被解析后的数据，全局参数，输入输出参数等。
OptionGroupList
/**
* A list of option groups that all have the same group type
* (e.g. input files or output files)
*/
typedef struct OptionGroupList {
const OptionGroupDef *group_def;
OptionGroup *groups;
int nb_groups;
} OptionGroupList;上面的注释已经解释得比较清楚了。
OptionGroup
typedef struct OptionGroup {
const OptionGroupDef *group_def;
const char *arg;
Option *opts;
int nb_opts;
AVDictionary *codec_opts;
AVDictionary *format_opts;
AVDictionary *resample_opts;
AVDictionary *sws_dict;
AVDictionary *swr_opts;
} OptionGroup;这里就是各类参数的存储地了，再往下就是单个配置参数的存储地 Option 了。
Option
/**
* An option extracted from the commandline.
* Cannot use AVDictionary because of options like -map which can be
* used multiple times.
*/
typedef struct Option {
const OptionDef *opt;
const char *key;
const char *val;
} Option;就是配置的键值对和定义规范了。
OptionDef / OptionGroupDef
这里就是各种参数的规范定义了，比如 OptionGroupDef ：
typedef struct OptionGroupDef {
/**< group name */
const char *name;
/**
* Option to be used as group separator. Can be NULL for groups which
* are terminated by a non-option argument (e.g. ffmpeg output files)
*/
const char *sep;
/**
* Option flags that must be set on each option that is
* applied to this group
*/
int flags;
} OptionGroupDef;另外 ffmpeg 支持的配置列表在 ffmpeg_opt.c中：
#define OFFSET(x) offsetof(OptionsContext, x)
const OptionDef options[] = {
/* main options */
CMDUTILS_COMMON_OPTIONS
{ "f", HAS_ARG | OPT_STRING | OPT_OFFSET |
OPT_INPUT | OPT_OUTPUT, { .off = OFFSET(format) },
"force format", "fmt" },
{ "y", OPT_BOOL, { &file_overwrite },
.......ffmpeg_parse_options
现在开始让我们看下解析函数：
int ffmpeg_parse_options(int argc, char **argv)
{
......
/* 将命令行的参数进行拆分，将拆分结果分类并设置到不同的数据结构中 */
ret = split_commandline(&octx, argc, argv, options, groups,
FF_ARRAY_ELEMS(groups));
......
/* 这里解析全局的配置参数，我们这个范例里面没有直接跳过，跟上面的解析主要是细节处理上的不同，不赘述 */
ret = parse_optgroup(NULL, &octx.global_opts);
if (ret < 0) {
av_log(NULL, AV_LOG_FATAL, "Error splitting the argument list: ");
goto fail;
}
/* 开启配置中的所有输入文件流 */
/* open_input_file 接口内如果有配置文件的起始处理时间的话就会去做 Seek 操作 */
ret = open_files(&octx.groups[GROUP_INFILE], "input", open_input_file);
if (ret < 0) {
av_log(NULL, AV_LOG_FATAL, "Error opening input files: ");
goto fail;
}
/* 如果参数中有设置滤镜相关的话则进行初始化，我们这里不涉及，就先略过 */
ret = init_complex_filters();
if (ret < 0) {
av_log(NULL, AV_LOG_FATAL, "Error initializing complex filters.\n");
goto fail;
}
/* 开启输出文件流 */
ret = open_files(&octx.groups[GROUP_OUTFILE], "output", open_output_file);
if (ret < 0) {
av_log(NULL, AV_LOG_FATAL, "Error opening output files: ");
goto fail;
}
......
}在上面的代码中，我们重点关注下 split_commandline ，其他函数按注释知道其作用即可，大多是一些常规逻辑上的内容，不同的业务场景可能有不同的设计思路，不影响我们当前的分析：
int split_commandline(OptionParseContext *octx, int argc, char *argv[],
const OptionDef *options,
const OptionGroupDef *groups, int nb_groups)
{
...
/* 初始化 OptionParseContext 内全局、输入、输出参数的数据对象，包括分配内存等 */
init_parse_context(octx, groups, nb_groups);
av_log(NULL, AV_LOG_DEBUG, "Splitting the commandline.\n");
/* 这里开始遍历参数了 */
while (optindex < argc) {
const char *opt = argv[optindex++], *arg;
const OptionDef *po;
int ret;
av_log(NULL, AV_LOG_DEBUG, "Reading option '%s' ...", opt);
/* --xxx的跳过 */
if (opt[0] == '-' && opt[1] == '-' && !opt[2]) {
dashdash = optindex;
continue;
}
/* 参数类型为不带 - 或者 第二个字符是空的 比如 reversed.mp4，匹配到了就跳到下一个参数 */
if (opt[0] != '-' || !opt[1] || dashdash+1 == optindex) {
/* 这里就是找到对应的 OptionGroup 对其中的参数进行赋值 */
finish_group(octx, 0, opt);
av_log(NULL, AV_LOG_DEBUG, " matched as %s.\n", groups[0].name);
continue;
}
opt++;
......
/* 匹配当前参数是否-i的配置，并获取其后的参数如douyin_700x1240.mp4，匹配到了就跳到下一个参数 */
if ((ret = match_group_separator(groups, nb_groups, opt)) >= 0) {
GET_ARG(arg);
finish_group(octx, ret, arg);
av_log(NULL, AV_LOG_DEBUG, " matched as %s with argument '%s'.\n",
groups[ret].name, arg);
continue;
}
/* 匹配当前参数是否是之前提到的 options 中定义的参数，如我们范例的 -vf */
po = find_option(options, opt);
/* po->name 就是 vf */
if (po->name) {
if (po->flags & OPT_EXIT) {
/* optional argument, e.g. -h */
arg = argv[optindex++];
} else if (po->flags & HAS_ARG) {
GET_ARG(arg);
} else {
arg = "1";
}
/* 将解析到的参数配置设置到输入或输出Group的数据结构里面 */
/* 根据options中预存的flag判断之后，负责把参数放入octx->cur_group或者global_opts中，目前从代码上了解到的，
这个 cur_group 就存放不归属上面的几种条件的数据，最后做下提示，因为对开篇提到的问题没啥影响，先略过吧。 */
add_opt(octx, po, opt, arg);
av_log(NULL, AV_LOG_DEBUG, " matched as option '%s' (%s) with "
"argument '%s'.\n", po->name, po->help, arg);
continue;
}
/* 接下去就是其他一些类型数据的匹配、解析、设置了，比如-nofoo等，不再赘述 */
...
/* 匹配失败的参数就会报错，就我们常见的错误提示 */
av_log(NULL, AV_LOG_ERROR, "Unrecognized option '%s'.\n", opt);
return AVERROR_OPTION_NOT_FOUND;
}
...
}解析结果
经过上面这样一轮解析后， ffmpeg -i douyin_700x1240.mp4 -vf reverse -af areverse reversed.mp4 这样一行命令的数据将按如下结构存放：
流程图
文件转换
分析完参数解析就该看接下来文件转换是如何处理的了，这里我们主要分析 transcode 这个函数的逻辑，并通过这个函数扩展一下其他相关的部分：
/*
* The following code is the main loop of the file converter
*/
static int transcode(void)
{
int ret, i;
AVFormatContext *os;
OutputStream *ost;
InputStream *ist;
int64_t timer_start;
int64_t total_packets_written = 0;
/* 在这个接口里面会去做一堆的比如帧率计算、缓冲计算、编解码器初始化等操作，最后对所有的输出文件进行写文件头的操作，完成初始化 */
ret = transcode_init();
......
/* 未接收到停止信号的话就持续进行转换处理，直到完成或接收到停止信号 */
while (!received_sigterm) {
......
/* 这里就是单步转换操作了，后面会进入代码内部近一步介绍 */
ret = transcode_step();
...
}
......
/* 把解码缓冲区的剩余数据再处理一下然后 flush 准备收工 */
for (i = 0; i < nb_input_streams; i++) {
ist = input_streams[i];
if (!input_files[ist->file_index]->eof_reached) {
process_input_packet(ist, NULL, 0);
}
}
flush_encoders();
term_exit();
/* 写一下文件尾 */
for (i = 0; i < nb_output_files; i++) {
os = output_files[i]->ctx;
if (!output_files[i]->header_written) {
av_log(NULL, AV_LOG_ERROR,
"Nothing was written into output file %d (%s), because "
"at least one of its streams received no packets.\n",
i, os->url);
continue;
}
if ((ret = av_write_trailer(os)) < 0) {
av_log(NULL, AV_LOG_ERROR, "Error writing trailer of %s: %s\n", os->url, av_err2str(ret));
if (exit_on_error)
exit_program(1);
}
}
/* 接下去就是一些关闭 codec 呀关闭 file 呀之类的操作了 */
......
return ret;
}上述代码可以看到，核心的部分就在于 transcode_step 里面：
/**
* Run a single step of transcoding.
*
* @return 0 for success, <0 for error
*/
static int transcode_step(void)
{
OutputStream *ost;
InputStream *ist = NULL;
int ret;
/* 通过对比当前编码的pts，挑选出最小值的输出流 */
ost = choose_output();
......
if (ost->filter && ost->filter->graph->graph) {
......
/* 这里就是按照输出配置的 filter 链路对下一步的 process_input 输出帧做处理了，当进来这里时则可能通过其内部的 reap_filters 进行编码而不是后面的 reap_filters */
if ((ret = transcode_from_filter(ost->filter->graph, &ist)) < 0)
return ret;
if (!ist)
return 0;
} else if (ost->filter) {
int i;
for (i = 0; i < ost->filter->graph->nb_inputs; i++) {
InputFilter *ifilter = ost->filter->graph->inputs[i];
if (!ifilter->ist->got_output && !input_files[ifilter->ist->file_index]->eof_reached) {
ist = ifilter->ist;
break;
}
}
if (!ist) {
ost->inputs_done = 1;
return 0;
}
} else {
av_assert0(ost->source_index >= 0);
ist = input_streams[ost->source_index];
}
/* 读取一个 AVPacket 当然也包括了一些pts校验计算等等事情，内部先在 get_input_packet 接口中通过 av_read_frame 获取到Packet */
/* 接着调用 process_input_packet --> decode_audio/decode_video 从而实现解码并将解码帧放入内部数据队列中 */
/* 解码后的数据会通过 send_frame_to_filters 做一下 FilterGraph 的初始化和配置，以及通过 av_buffersrc_add_frame 将解码后的 AVFrame 送入 AVFilterContext */
ret = process_input(ist->file_index);
if (ret == AVERROR(EAGAIN)) {
if (input_files[ist->file_index]->eagain)
ost->unavailable = 1;
return 0;
}
if (ret < 0)
return ret == AVERROR_EOF ? 0 : ret;
/* 根据滤波器做滤波处理，并把处理完的音视频编码到输出文件中 */
/* 内部通过调用 do_video_out/do_audio_out 最后在 write_packet 中执行编码操作 */
return reap_filters(0);
}transcode_step 整体的流程就是上面代码中介绍的，不过我们范例中的例子是一个倒放的功能，它在\最后编码的时候并不会走最下面的 reap_filters 而是走 transcode_from_filter 中的 reap_filters ，因为我们是用 -vf reverse 这个 filter 来处理输出的。 ffmpeg 这个 filter 处理的逻辑会等待解码数据完全准备好了，再倒序进行编码，因此会造成较大的内存压力，特别是移动端上。
如果我们命令是抽音频流，比如 ffmpeg -i douyin_700x1240.mp4 audio.aac，那么走的就是最下面的 reap_filters 了。这里可以多提一下就是我们刚开始说的抽流的情况，当不需要又一次编码的话那么 ffmpeg 命令在 process_intput_packet 中将直接直接调用 do_streamcopy ：
static int process_input_packet(InputStream *ist, const AVPacket *pkt, int no_eof)
{
......
for (i = 0; i < nb_output_streams; i++) {
OutputStream *ost = output_streams[i];
if (!ost->pkt && !(ost->pkt = av_packet_alloc()))
exit_program(1);
if (!check_output_constraints(ist, ost) || ost->encoding_needed)
continue;
do_streamcopy(ist, ost, pkt);
}
return !eof_reached;
}最后再思考倒放这个范例的最后一个问题，从代码逻辑来看真正能开始执行编码的条件简单来说有两个，一个是 ost->filter->graph->graph 非空，另一个就是 transcode_from_filter 内部的 avfilter_graph_request_oldest 返回值 >=0 ，那么什么情况下这两个状态能满足呢？不过部分目前我还没去深入研究，留着对 AVFilter 模块的学习时再一起收尾，这里先知道是这样一个逻辑就行了。
流程图
总结
至此我们对 ffmpeg 命令实现的主流程做了一次分析，整体实现的思路跟我们一开始预测的还是有些接近的，不过 ffmpeg 的组装主要还是通过其 AVFilter 及相关的模块来处理的，其 FilterGraph 应该就相当于一个更复杂的责任链，不过说归说，实际看其落地代码当中还是有数之不尽的细节和需要解决的问题的，后面的 FFmpeg 源码世界的其他章节将再做更进一步的分析学习。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。