• ExoPlayer架构详解与源码分析（7）——SampleQueue

    系列文章目录

    ExoPlayer架构详解与源码分析（1）——前言
    ExoPlayer架构详解与源码分析（2）——Player
    ExoPlayer架构详解与源码分析（3）——Timeline
    ExoPlayer架构详解与源码分析（4）——整体架构
    ExoPlayer架构详解与源码分析（5）——MediaSource
    ExoPlayer架构详解与源码分析（6）——MediaPeriod
    ExoPlayer架构详解与源码分析（7）——SampleQueue
    ExoPlayer架构详解与源码分析（8）——Loader
    ExoPlayer架构详解与源码分析（9）——TsExtractor
    ExoPlayer架构详解与源码分析（10）——H264Reader
    ExoPlayer架构详解与源码分析（11）——DataSource
    ExoPlayer架构详解与源码分析（12）——Cache

    文章目录

    前言

    ProgressiveMediaPeriod中的SampleQueue部分相对其他部分，结构相对完整独立，没有像加载媒体那部分拆分出很多其他的概念，所以优先了解下SampleQueue。本篇主要解答媒体数据是如何在播放器内部缓存的，以及ExoPlayer是如何保证这些数据稳定高效的读写。

    ProgressiveMediaPeriod

    先预习下上篇的整体结构，本篇主要分析左半部分的SampleQueue：
    在这里插入图片描述

    SampleQueue

    这是一个保存Sample的队列。MediaoPeriod向外提供的SampleStream其实就是从SampleQueue中读取的数据，一个SampleQueue就对应一个SampleStream。
    在这里插入图片描述

    SampleQueue主要有3大功能：

    • 管理 通过内部的一个环形Info数组（包含offsets数组、sizes数等sampleData数据）管理SampleDataQueue和SharedSampleMetadata这2个数据源。SampleQueue实际的数据其实是保存在SampleDataQueue和SharedSampleMetadata中的，数据的管理实现在SampleQueue里。
      这部分可以从SampleQueue初始化部分源码看出来：

        private final SampleDataQueue sampleDataQueue;//用于播放的数据
  private final SampleExtrasHolder extrasHolder;
  private final SpannedData<SharedSampleMetadata> sharedSampleMetadata;//Meta数据
  private int capacity;//Info数组的总长度
  private long[] offsets;//每段SampleData的数据偏移量
  private int[] sizes;//每段SampleData的数据大小
  private int[] flags;//每段SampleData flags 数据
  private long[] timesUs;//每段SampleData 时间戳
  private int length;//有效的（没有被释放且已分配的数据）Info数组数据的长度
  private int absoluteFirstIndex;//绝对的开始位置，指向数据段的开始位置，+readPosition就是当前读取的绝对位置
  private int relativeFirstIndex;//一个在Info数据上循环的相对位置
  private int readPosition;//当前的读取位置，这个值是相对relativeFirstIndex的位置偏移量
  protected SampleQueue(
      Allocator allocator,
      @Nullable DrmSessionManager drmSessionManager,
      @Nullable DrmSessionEventListener.EventDispatcher drmEventDispatcher) {
      ...
    sampleDataQueue = new SampleDataQueue(allocator);//内存分配器供SampleDataQueue使用
    extrasHolder = new SampleExtrasHolder();
    capacity = SAMPLE_CAPACITY_INCREMENT;//默认的分段属是1000

    sourceIds = new long[capacity];
    offsets = new long[capacity];
    timesUs = new long[capacity];
    flags = new int[capacity];
    sizes = new int[capacity];
    
    sharedSampleMetadata =
        new SpannedData<>(/* removeCallback= */ metadata -> metadata.drmSessionReference.release());
        ...
  }

      • 1
      • 2
      • 3
      • 4
      • 5
      • 6
      • 7
      • 8
      • 9
      • 10
      • 11
      • 12
      • 13
      • 14
      • 15
      • 16
      • 17
      • 18
      • 19
      • 20
      • 21
      • 22
      • 23
      • 24
      • 25
      • 26
      • 27
      • 28
      • 29
      • 30
      • 31

      上面主要是初始化出一个SampleDataQueue和一个sharedSampleMetadata数据集，然后初始化出一个1000个块的Info数组，用于管理这2块数据。这里将offsets、timesUs、sourceIds 、flags、sizes 几个数组统称为 Info数组，因为这里面共同保存着每个Sample的信息。

    • 输入 同时SampleQueue实现了TrackOutput接口，对外提供sampleMetadata、format 函数使得调用者可以输入Meta信息，sampleData函数可以输入播放数据。这里的输入调用者主要是后面要说的ProgressiveMediaPeriod另一部分。
      下面分析下源码数据是如何输入的：

      //输入Metadata
  @Override
  public void sampleMetadata(
      long timeUs,//与当前数据关联的媒体时间戳
      @C.BufferFlags int flags,//是否关键帧
      int size,//样本数据大小
      int offset,//块间偏移量，距离上一次已经SmapleMeta的SampleData的偏移量，我们知道媒体文件中用于播放数据不一定是连续的，其中可能包含一些其他数据，这些数据可以看成是之间的偏移量
      @Nullable CryptoData cryptoData) {
    if (upstreamFormatAdjustmentRequired) {
      format(Assertions.checkStateNotNull(unadjustedUpstreamFormat));
    }

    boolean isKeyframe = (flags & C.BUFFER_FLAG_KEY_FRAME) != 0;
    if (upstreamKeyframeRequired) {//从关键帧开始Sample
      if (!isKeyframe) {
        return;
      }
      upstreamKeyframeRequired = false;
    }

    timeUs += sampleOffsetUs;
    if (upstreamAllSamplesAreSyncSamples) {
      if (timeUs < startTimeUs) {
        // 如果所有轨道都是同步的，那么在当前Smaple点之前的时间数据就可以丢弃了
        return;
      }
      if ((flags & C.BUFFER_FLAG_KEY_FRAME) == 0) {
        if (!loggedUnexpectedNonSyncSample) {
          Log.w(TAG, "Overriding unexpected non-sync sample for format: " + upstreamFormat);
          loggedUnexpectedNonSyncSample = true;
        }
        flags |= C.BUFFER_FLAG_KEY_FRAME;//保证设置为关键帧
      }
    }
    if (pendingSplice) {//判断是否是拼接数据，如HLS切换流的时候就会用到
      if (!isKeyframe || !attemptSplice(timeUs)) {
        return;
      }
      pendingSplice = false;
    }

     //当前Info的偏移量=数据总长度-样本数据长度-块间偏移量
    long absoluteOffset = sampleDataQueue.getTotalBytesWritten() - size - offset;
    commitSample(timeUs, flags, absoluteOffset, size, cryptoData);
  }


private synchronized void commitSample(
      long timeUs,
      @C.BufferFlags int sampleFlags,
      long offset,
      int size,
      @Nullable CryptoData cryptoData) {
    if (length > 0) {
      // 保证最后一个的end位置要小于等于下一个的开始位置
      int previousSampleRelativeIndex = getRelativeIndex(length - 1);
      checkArgument(
          offsets[previousSampleRelativeIndex] + sizes[previousSampleRelativeIndex] <= offset);
    }

    isLastSampleQueued = (sampleFlags & C.BUFFER_FLAG_LAST_SAMPLE) != 0;
    largestQueuedTimestampUs = max(largestQueuedTimestampUs, timeUs);

    int relativeEndIndex = getRelativeIndex(length);//获取Info里的下一个位置索引
    timesUs[relativeEndIndex] = timeUs;//开始赋值
    offsets[relativeEndIndex] = offset;
    sizes[relativeEndIndex] = size;
    flags[relativeEndIndex] = sampleFlags;
    cryptoDatas[relativeEndIndex] = cryptoData;
    sourceIds[relativeEndIndex] = upstreamSourceId;

    if (sharedSampleMetadata.isEmpty()
        || !sharedSampleMetadata.getEndValue().format.equals(upstreamFormat)) {
        //开始写入Metadata
      sharedSampleMetadata.appendSpan(
          getWriteIndex(),
          new SharedSampleMetadata(checkNotNull(upstreamFormat), drmSessionReference));
    }

    length++;//有效长度++
    if (length == capacity) {//如果写入数据已经超过Info的最大长度
      // Increase the capacity.
      int newCapacity = capacity + SAMPLE_CAPACITY_INCREMENT;//则将Info数组长度扩展至2倍
      long[] newSourceIds = new long[newCapacity];
      long[] newOffsets = new long[newCapacity];
      long[] newTimesUs = new long[newCapacity];
      int[] newFlags = new int[newCapacity];
      int[] newSizes = new int[newCapacity];
      CryptoData[] newCryptoDatas = new CryptoData[newCapacity];
      //将旧的数据，移入新的数组，将相对开始位置作为新数组的第一个位置
      int beforeWrap = capacity - relativeFirstIndex;
      System.arraycopy(offsets, relativeFirstIndex, newOffsets, 0, beforeWrap);
      System.arraycopy(timesUs, relativeFirstIndex, newTimesUs, 0, beforeWrap);
      System.arraycopy(flags, relativeFirstIndex, newFlags, 0, beforeWrap);
      System.arraycopy(sizes, relativeFirstIndex, newSizes, 0, beforeWrap);
      System.arraycopy(cryptoDatas, relativeFirstIndex, newCryptoDatas, 0, beforeWrap);
      System.arraycopy(sourceIds, relativeFirstIndex, newSourceIds, 0, beforeWrap);
      int afterWrap = relativeFirstIndex;
      System.arraycopy(offsets, 0, newOffsets, beforeWrap, afterWrap);
      System.arraycopy(timesUs, 0, newTimesUs, beforeWrap, afterWrap);
      System.arraycopy(flags, 0, newFlags, beforeWrap, afterWrap);
      System.arraycopy(sizes, 0, newSizes, beforeWrap, afterWrap);
      System.arraycopy(cryptoDatas, 0, newCryptoDatas, beforeWrap, afterWrap);
      System.arraycopy(sourceIds, 0, newSourceIds, beforeWrap, afterWrap);
      offsets = newOffsets;
      timesUs = newTimesUs;
      flags = newFlags;
      sizes = newSizes;
      cryptoDatas = newCryptoDatas;
      sourceIds = newSourceIds;
      relativeFirstIndex = 0;
      capacity = newCapacity;
    }
  }
 
  //获取当前Info数组的相对位置，传入相对第一个位置的偏移量
  private int getRelativeIndex(int offset) {
    int relativeIndex = relativeFirstIndex + offset;
    return relativeIndex < capacity ? relativeIndex : relativeIndex - capacity;//环形指针
  }
  //获取当前写入MetaData的绝对位置
  public final int getWriteIndex() {
    return absoluteFirstIndex + length;//等于当前绝开始位置+有效的长度
  }  
  //输入Format
  @Override
  public final void format(Format format) {
    Format adjustedUpstreamFormat = getAdjustedUpstreamFormat(format);
    upstreamFormatAdjustmentRequired = false;
    unadjustedUpstreamFormat = format;
    boolean upstreamFormatChanged = setUpstreamFormat(adjustedUpstreamFormat);
    if (upstreamFormatChangeListener != null && upstreamFormatChanged) {
      upstreamFormatChangeListener.onUpstreamFormatChanged(adjustedUpstreamFormat);
    }
  }

      • 1
      • 2
      • 3
      • 4
      • 5
      • 6
      • 7
      • 8
      • 9
      • 10
      • 11
      • 12
      • 13
      • 14
      • 15
      • 16
      • 17
      • 18
      • 19
      • 20
      • 21
      • 22
      • 23
      • 24
      • 25
      • 26
      • 27
      • 28
      • 29
      • 30
      • 31
      • 32
      • 33
      • 34
      • 35
      • 36
      • 37
      • 38
      • 39
      • 40
      • 41
      • 42
      • 43
      • 44
      • 45
      • 46
      • 47
      • 48
      • 49
      • 50
      • 51
      • 52
      • 53
      • 54
      • 55
      • 56
      • 57
      • 58
      • 59
      • 60
      • 61
      • 62
      • 63
      • 64
      • 65
      • 66
      • 67
      • 68
      • 69
      • 70
      • 71
      • 72
      • 73
      • 74
      • 75
      • 76
      • 77
      • 78
      • 79
      • 80
      • 81
      • 82
      • 83
      • 84
      • 85
      • 86
      • 87
      • 88
      • 89
      • 90
      • 91
      • 92
      • 93
      • 94
      • 95
      • 96
      • 97
      • 98
      • 99
      • 100
      • 101
      • 102
      • 103
      • 104
      • 105
      • 106
      • 107
      • 108
      • 109
      • 110
      • 111
      • 112
      • 113
      • 114
      • 115
      • 116
      • 117
      • 118
      • 119
      • 120
      • 121
      • 122
      • 123
      • 124
      • 125
      • 126
      • 127
      • 128
      • 129
      • 130
      • 131
      • 132
      • 133
      • 134
      • 135

      Metadata输入主要分3部分：

      1. 确保当前为关键帧。
      2. 获取Info环形数组的下一个索引，将当前Sampledata的数据保存到Info数组并记录Meta信息。
      3. 确保Info数组足够大可以容纳足够多的数据。

      下面看下sampleData部分

        @Override
  public final void sampleData(
      ParsableByteArray data, int length, @SampleDataPart int sampleDataPart) {
    sampleDataQueue.sampleData(data, length);
  }

      • 1
      • 2
      • 3
      • 4
      • 5

      没了就这么多。😂，你只管告诉sampleDataQueue数据的大小和长度，sampleDataQueue来添加，具体sampleDataQueue是怎么有效管理数据的后面会讲到，现在不是重点

      通过sampleDataQueue和sampleMetadata对比你会发现sampleMetadata比sampleDataQueue复杂多个，而且sampleMetadata方法添加了synchronized 同步块，多线程的时候会阻塞，而sampleDataQueue没有任何同步代码包括到sampleDataQueue里也一样。这样做是因为sampleMetadata的数据量很少，即使阻塞也能很高效的执行。而sampleData数据量往往比较大，写入的时间也比较长，所以不能阻塞。那么为什么要这么做呢，后面我们看到数据的读取部分就能理解了。

    • 输出 SampleQueue提供了read方法输出数据
      分析下对应源码：

      public int read(
      FormatHolder formatHolder,
      DecoderInputBuffer buffer,
      @ReadFlags int readFlags,
      boolean loadingFinished) {
      //首先读取Metadata
    int result =
        peekSampleMetadata(
            formatHolder,
            buffer,
            /* formatRequired= */ (readFlags & FLAG_REQUIRE_FORMAT) != 0,
            loadingFinished,
            extrasHolder);
    if (result == C.RESULT_BUFFER_READ && !buffer.isEndOfStream()) {
      boolean peek = (readFlags & FLAG_PEEK) != 0;
      if ((readFlags & FLAG_OMIT_SAMPLE_DATA) == 0) {
        if (peek) {
          sampleDataQueue.peekToBuffer(buffer, extrasHolder);
        } else {
          sampleDataQueue.readToBuffer(buffer, extrasHolder);//将sampleData的位置信息通过extrasHolder传递给sampleDataQueue读取数据
        }
      }
      if (!peek) {
        readPosition++;//读取位置++
      }
    }
    return result;
  }
  //读取Metadata
 private synchronized int peekSampleMetadata(
      FormatHolder formatHolder,
      DecoderInputBuffer buffer,
      boolean formatRequired,
      boolean loadingFinished,
      SampleExtrasHolder extrasHolder) {
    ...
    Format format = sharedSampleMetadata.get(getReadIndex()).format; //用绝对开始位置+读取位置（absoluteFirstIndex + readPosition）获取读取的绝对位置
    ...

    int relativeReadIndex = getRelativeIndex(readPosition);//获取当前Info数组的相对位置
    ...
    extrasHolder.size = sizes[relativeReadIndex];//取出Info数据
    extrasHolder.offset = offsets[relativeReadIndex];
    extrasHolder.cryptoData = cryptoDatas[relativeReadIndex];

    return C.RESULT_BUFFER_READ;
  }
  //获取读取的绝对位置
  public final int getReadIndex() {
    return absoluteFirstIndex + readPosition;
  }

      • 1
      • 2
      • 3
      • 4
      • 5
      • 6
      • 7
      • 8
      • 9
      • 10
      • 11
      • 12
      • 13
      • 14
      • 15
      • 16
      • 17
      • 18
      • 19
      • 20
      • 21
      • 22
      • 23
      • 24
      • 25
      • 26
      • 27
      • 28
      • 29
      • 30
      • 31
      • 32
      • 33
      • 34
      • 35
      • 36
      • 37
      • 38
      • 39
      • 40
      • 41
      • 42
      • 43
      • 44
      • 45
      • 46
      • 47
      • 48
      • 49
      • 50
      • 51

      要读取sampleData和sampleMetadata的数据，首先要确定当前读取点的Info的位置，然后通过Info数组才能知道读取的位置和长度，最后读取sampleData，同样sampleMetadata读取是加锁的，而sampleData没有。可以看出sampleData的读写是不受线程限制的，通过SampleQueue内部维护的Info数组来维护sampleData，可以最大化保证多线程下sampleData读写的效率。

    • 释放 通过discardSamples等释放不需要的数据
      分析下对应源码：

       public final void discardTo(long timeUs, boolean toKeyframe, boolean stopAtReadPosition) {
    sampleDataQueue.discardDownstreamTo(
        discardSampleMetadataTo(timeUs, toKeyframe, stopAtReadPosition));//先释放Metadata
  }
  
 private synchronized long discardSampleMetadataTo(
      long timeUs, boolean toKeyframe, boolean stopAtReadPosition) {
    if (length == 0 || timeUs < timesUs[relativeFirstIndex]) {
      return C.INDEX_UNSET;
    }
    int searchLength = stopAtReadPosition && readPosition != length ? readPosition + 1 : length;
    //根据时间戳来确定要释放数据块的数量
    int discardCount = findSampleBefore(relativeFirstIndex, searchLength, timeUs, toKeyframe);
    if (discardCount == -1) {
      return C.INDEX_UNSET;
    }
    return discardSamples(discardCount);
}

 private long discardSamples(int discardCount) {
    largestDiscardedTimestampUs =
        max(largestDiscardedTimestampUs, getLargestTimestamp(discardCount));
    length -= discardCount;//有效长度=有效长度-释放数量
    absoluteFirstIndex += discardCount;//绝对开始位置后移
    relativeFirstIndex += discardCount;//相对开始位置后移
    if (relativeFirstIndex >= capacity) {//环形数组
      relativeFirstIndex -= capacity;
    }
    readPosition -= discardCount;//因为relativeFirstIndex后移，相对它的位置在缩小
    if (readPosition < 0) {
      readPosition = 0;
    }
    sharedSampleMetadata.discardTo(absoluteFirstIndex);//释放Metadata

    if (length == 0) {
      int relativeLastDiscardIndex = (relativeFirstIndex == 0 ? capacity : relativeFirstIndex) - 1;
      return offsets[relativeLastDiscardIndex] + sizes[relativeLastDiscardIndex];
    } else {
      return offsets[relativeFirstIndex];//返回SampleData的释放偏移量
    }
}

      • 1
      • 2
      • 3
      • 4
      • 5
      • 6
      • 7
      • 8
      • 9
      • 10
      • 11
      • 12
      • 13
      • 14
      • 15
      • 16
      • 17
      • 18
      • 19
      • 20
      • 21
      • 22
      • 23
      • 24
      • 25
      • 26
      • 27
      • 28
      • 29
      • 30
      • 31
      • 32
      • 33
      • 34
      • 35
      • 36
      • 37
      • 38
      • 39
      • 40
      • 41

      同样数据的释放和读写一样，通过内部的Info来管理，释放后会更新Info上的相关位置。

    SampleQueue动态分析

    上面一直在说环形数组，静态的看代码可能感受不到这点，下面我们通过几个图来动态分析下SampleQueue的运作原理，这部分需要结合上面的源码一起看才好理解。

    首先为了方便分析假设数组最大长度为capacity=6，当前已经写入了4段sampleData对应图中的sample0-3，同时也写入了4个数据到Info数组对应图中的0-2的size、offset、time结构，每个结构的size、offset、time在图的最下方都有标记，这里可以看下加深下对这个结构数值的含义的理解，所以此时有效长度length=4，由于是刚开始读写这个时候的relativeFirstIndex=absoluteFirstIndex=0处于开始位置，当前的读取位置相对于relativeFirstIndex也就是和relativeFirstIndex差值，readPosition=2。接下来sample会从右侧箭头处不断写入。同样上方的Info数组随着读取也会不断变化。
    在这里插入图片描述
    好了，此时先向Sample队列写入一个Sample length+1，然后同时读取2个Sample readPosition+2=4
    在这里插入图片描述
    随着数据被使用（已经播放）之前的数据需要丢弃，以便下次写入，释放3个Sample，可以看到relativeFirstIndex和absoluteFirstIndex同时前移，虽然readPosiition的位置没有移动，也就是没有读取新的数据，但是readPosiition的值变小，有效长度缩小为2。到这里relativeFirstIndex还是和absoluteFirstIndex相等的还看不出环形的特性。
    在这里插入图片描述
    此时开始写入3个Sample，这个时候就可以看出Info环形特性，之前释放的0号和1号会重新指向数据队列的最前端，同时更新offset，size相关数据，有效数据长度增加到5，length=5。
    在这里插入图片描述
    这个时候再读取3个Sample时，readPosiition的值增加3此时指向Info数组的下标1，readPosiition=4。
    在这里插入图片描述
    好了我们继续释放数据，这次再次释放3个，可以看到relativeFirstIndex和absoluteFirstIndex值开始不一样了，由于又回到了Info数组的开始位置所以relativeFirstIndex=0，readPosiition缩短为1，有效长度length=2，而absoluteFirstIndex是相对于Smaple的绝对位置，这个时候absoluteFirstIndex继续后移到6号位置的sample6。
    在这里插入图片描述
    把上面的图连续不断的执行，可以想象出，Info数组像一个不断前行的履带行驶在sample铺平的道路上（读取）。被履带压过的道路（已经读取过的数据）就会被释放，此时路还在不断的向前铺设（新的sample数据在不断的写入到SampleQueen中），整个过程中如果新增数据比释放数据快，履带的大小会动态的扩充变长，图中为了方便理解并没有体现这点。

    至此我们可以总结出几个规律：

    • 当前写入数据的绝对位置永远等于absoluteFirstIndex+length
    • 当前读取数据的绝对位置永远等于absoluteFirstIndex + readPosition
    • Info数组可以理解成一个首尾相连的环形数组，数组最后一个位置的下个位置就是数组的开始位置
      这几个规律在源码中经常被用到，感兴趣的同学可以深入阅读下。

    下面来分析下实际存储数据的2个结构

    SpannedData< SharedSampleMetadata >

    本质是一个Android里实现SparseArray的map，通过int 类型key可以快速向指定key存入数据或者取出数据，这里数据跟随SampleQueue里的Info来管理，添加或者释放指定位置的Metadata数据。

    SampleDataQueue

    重点来说下SampleDataQueue，由于SampleData的数据量要远远大于Metadata，而且还需要频繁的读写释放，所以向SpannedData那样简单粗暴的管理数据，效率会非常低，因为JVM要频繁的申请内存GC释放内存。为了解决这个问题SampleDataQueue内部维护了一个链表，同时维护了链表中3个重要的节点，firstAllocationNode，readAllocationNode，writeAllocationNode，用于快速获取读写点。

      private AllocationNode firstAllocationNode;//第一个节点位置
  private AllocationNode readAllocationNode;//当前读取节点位置
  private AllocationNode writeAllocationNode;//当前写入节点位置

    • 1
    • 2
    • 3

    这里顺带提下AllocationNode的数据结构，主要就是封装了Allocation，allocation才是实际存储数据的部分，同时提供了next AllocationNode 提供下一个AllocationNode 的指针，形成一个链表结构。

     private static final class AllocationNode implements Allocator.AllocationNode {
    public long startPosition;//此段allocation的开始位置
    public long endPosition;//此段allocation的结束位置
    public Allocation allocation;//实际缓存数据部分
    public AllocationNode next;//指向下一个
    ...
    public void initialize(Allocation allocation, AllocationNode next) {
      this.allocation = allocation;
      this.next = next;
    }
    ...

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11

    回到SampleDataQueue中，调用sampleData循环写入数据时，每次循环写入主要分为3步：

    1. 调用preAppend初始化通过writeAllocationNode，同时也初始化出了下个writeAllocationNode。重点看下allocator.allocate()，这里才是初始化了AllocationNode的实际内存数据allocation的地方，后面会详细分析。
    2. 将数据循环写入writeAllocationNode的实际缓存位置allocation.data中。
    3. 调用preAppend更新SampleDataQueue已写入总长度，如果总长度已经超过当前写入节点的结束位置，将当前写入节点，更新为下一写入节点。
    
  private int preAppend(int length) {
    if (writeAllocationNode.allocation == null) {
      writeAllocationNode.initialize(
          allocator.allocate(),//分配内存
          new AllocationNode(writeAllocationNode.endPosition, allocationLength));
    }
    return min(length, (int) (writeAllocationNode.endPosition - totalBytesWritten));
  }

  public void sampleData(ParsableByteArray buffer, int length) {
    while (length > 0) {
      int bytesAppended = preAppend(length);
      buffer.readBytes(
          writeAllocationNode.allocation.data,
          writeAllocationNode.translateOffset(totalBytesWritten),
          bytesAppended);
      length -= bytesAppended;
      postAppend(bytesAppended);
    }
  }
  
  private void postAppend(int length) {
    totalBytesWritten += length;//增加总长度
    if (totalBytesWritten == writeAllocationNode.endPosition) {//总长度已经超过当前写入节点的结束位置
      writeAllocationNode = writeAllocationNode.next;//将当前写入节点，更新为下一写入节点
    }
  }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28

    读取和写入类似，直接看下释放数据的地方，首先释放指定位置之前的链表数据，其次重置开始节点和读取节点。

      public void discardDownstreamTo(long absolutePosition) {
    if (absolutePosition == C.INDEX_UNSET) {
      return;
    }
    while (absolutePosition >= firstAllocationNode.endPosition) {
      //从第一个节点开始依次取出下一个节点通过allocator释放内存，并清除AllocationNode，一直到指定的absolutePosition
      allocator.release(firstAllocationNode.allocation);
      firstAllocationNode = firstAllocationNode.clear();
    }
    if (readAllocationNode.startPosition < firstAllocationNode.startPosition) {
      //保证当前的读取位置在开始节点之后
      readAllocationNode = firstAllocationNode;
    }
  }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14

    看完是不是发现目前也没没有解决上面说的内存问题，内存感觉是在不断新增的。注意看下上面源码实际获取内存的地方allocator.allocate()，原来这些都交给了Allocator，通过Allocator实现内存的循环高效利用。

    Allocator

    这是一个接口用于媒体数据的内存分配，默认有一个DefaultAllocator实现。
    先看下主要的源码

    public final class DefaultAllocator implements Allocator {

  private static final int AVAILABLE_EXTRA_CAPACITY = 100;//额外的初始化Allocation数量

  private final boolean trimOnReset;
  private final int individualAllocationSize;
  @Nullable private final byte[] initialAllocationBlock;//初始化的一个连续的数组，指向默认数量的的Allocations，参考下图

  private int targetBufferSize;
  private int allocatedCount;//已分配的Allocation数量，参考下图
  private int availableCount;//可用的Allocation数量，参考下图
  private @NullableType Allocation[] availableAllocations;//可用的Allocations，参考下图
  public DefaultAllocator(
      boolean trimOnReset, int individualAllocationSize, int initialAllocationCount) {
    this.trimOnReset = trimOnReset;
    this.individualAllocationSize = individualAllocationSize;
    this.availableCount = initialAllocationCount;
    this.availableAllocations = new Allocation[initialAllocationCount + AVAILABLE_EXTRA_CAPACITY];//添加了部分冗余
    if (initialAllocationCount > 0) {//将初始化的Allocations通过指定offset分配initialAllocationBlock
      initialAllocationBlock = new byte[initialAllocationCount * individualAllocationSize];
      for (int i = 0; i < initialAllocationCount; i++) {
        int allocationOffset = i * individualAllocationSize;
        availableAllocations[i] = new Allocation(initialAllocationBlock, allocationOffset);
      }
    } else {
      initialAllocationBlock = null;
    }
  }
  //这个方法用于获取一个Allocation，注意在调用此方法后必须调用release方法将分配Allocation返还
 @Override
  public synchronized Allocation allocate() {
    allocatedCount++;//已分配数量+1
    Allocation allocation;
    if (availableCount > 0) {
      allocation = Assertions.checkNotNull(availableAllocations[--availableCount]);//从尾部取出，可用数量-1
      availableAllocations[availableCount] = null;//清空
    } else {
      allocation = new Allocation(new byte[individualAllocationSize], 0);//不够用了，创建新的Allocation，直接初始化出一段新的数组分配给它
      if (allocatedCount > availableAllocations.length) {//可用Allocations扩充2倍
        availableAllocations = Arrays.copyOf(availableAllocations, availableAllocations.length * 2);
      }
    }
    return allocation;
  }

 //返还分配的Allocation
  @Override
  public synchronized void release(Allocation allocation) {
    availableAllocations[availableCount++] = allocation;//可用数量加1
    allocatedCount--;//已分配数量减1
  }
  ...
}

@Override//释无用的空块
public synchronized void trim() {
    //如果重新定义了缓存区大小，计算需要的Allocation块总数量
    int targetAllocationCount = Util.ceilDivide(targetBufferSize, individualAllocationSize);
    int targetAvailableCount = max(0, targetAllocationCount - allocatedCount);//减去目前空余的块，则为剩余需要的块数量
    //不存在冗余，无需trim
    if (targetAvailableCount >= availableCount) {
      return;
    }

    if (initialAllocationBlock != null) {
      // 从头尾查找第一个不是空的块，将其位置向前
      int lowIndex = 0;
      int highIndex = availableCount - 1;
      while (lowIndex <= highIndex) {
        //未分配出的Allocation 不可能为null
        Allocation lowAllocation = Assertions.checkNotNull(availableAllocations[lowIndex]);
        if (lowAllocation.data == initialAllocationBlock) {//当前低位为初始值，从未被分配过
          lowIndex++;//lowIndex后移
        } else {//当前低位Allocation已分配过
          //未分配出的Allocation 不可能为null
          Allocation highAllocation = Assertions.checkNotNull(availableAllocations[highIndex]);
          if (highAllocation.data != initialAllocationBlock) {//当前高位Allocation已分配过
            highIndex--;//highIndex前移
          } else {//当前高位Allocation未分配过
            //将当前未分配过高位和已分配过的低位交换位置，未分配过的放到数组低位
            availableAllocations[lowIndex++] = highAllocation;
            availableAllocations[highIndex--] = lowAllocation;
          }
        }
      }
      //到这里lowIndex之前的所有Allocation都是未分配过的初始initialAllocationBlock
      // 获取他们的最大值，也就是最大可释放
      targetAvailableCount = max(targetAvailableCount, lowIndex);
      //只有一种情况lowIndex正好等于availableCount，也就是当前未分配块都是初始值，从未被分配，当前可能为初始状态跳过trim
      if (targetAvailableCount >= availableCount) {
        return;
      }
    }

    // 释放空块
    Arrays.fill(availableAllocations, targetAvailableCount, availableCount, null);
    availableCount = targetAvailableCount;
  }

    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71
    • 72
    • 73
    • 74
    • 75
    • 76
    • 77
    • 78
    • 79
    • 80
    • 81
    • 82
    • 83
    • 84
    • 85
    • 86
    • 87
    • 88
    • 89
    • 90
    • 91
    • 92
    • 93
    • 94
    • 95
    • 96
    • 97
    • 98

    Allocator保存了一组Allocation列表，和一个默认的字节数组，每个Allocation对于数据块的长度由individualAllocationSize决定，通过offset确定在数组中的起始位置。同时维护着可用数量和已分配数量，当外部需要新的Allocation时会调用allocate获取，使用完毕后调用release将Allocation返还。可以看到这种设计特别适合播放器的缓冲数据，开始播放时分配一个默认的缓冲区域大小，随着播放进度，当前播放位置前会不断获取新Allocation用于提前缓冲，当这些数据已被渲染播放，离开了缓冲区域，这个时候又会将之前获取Allocation返还，依次循环，滚动的循环利用已分配的内存，整个过程只要不超最大值，就不会再分配新的内存，效率非常高。
    下面用一张图来解释下整个过程：
    在这里插入图片描述
    如上图，是一个有着6个Allocation的Allocator，单个Allocation包含2个block（individualAllocationSize=2），initialAllocationBlock也就是block数组总长度为initialAllocationCountindividualAllocationSize=62=12。

    初始化时会将每个Allocation依次指向initialAllocationBlock中的Block，通过Offset记录位置，当前已经分配出2个Allocation（上图表示为null），空余4个Allocation可分配，此时如果外部再需要获取Allocation时，也就是调用allocate，会将Allocation4，分配出去同时置为null，这个时候Allocation4的指向的Block并没有变化，外部调用者会向Block中填充数据用于缓存。
    如果外部释放Allocation时，也就是调用release，会将Allocation填充至Allocation4后面一个位置，记为Allocation5，此过程Allocation5一直都是指向initialAllocationBlock的某段Block的。

    这两个过程availableCount和allocatedCount也会相应增加或者减少，如果一个Allocation从来没有被分配过，则Block为初始值initialAllocationBlock，如上图的Allocation1，可以通过判断当前的Allocation的data是否等于initialAllocationBlock判断当前Allocation是否被分配过。

    整个过程会让人不禁联想到 Android MediaCodec缓冲区，这里部分应该在Renderer部分提到，这里先提前贴下Android MediaCodec缓冲区使用的图，看看是不是很相似呢。
    在这里插入图片描述

    总结

    SampleQueue只对Info数组这种小数据量的读写操作做多线程加锁操作，通过短时间阻塞读取Info数组的方式，查询读取关联的sampleData的数据，保证对sampleData这种大数据量耗时的读写不会阻塞，保证了数据的读写效率。

    同时SampleQueue的环形数组的数据管理方式令人印象深刻，这种结构特别适合媒体播放这种场景，完美的平衡了性能与内存使用之间的矛盾。

    有了SampleQueue这个数据大总管，ProgressiveMediaPeriod就可以随心所欲的写入数据并将媒体数据提供给上游读取。
    到这里算是讲完了ProgressiveMediaPeriod的SampleQueue部分。后面将会讲到数据是如何加载到SampleQueue的，也就是首图的右半部分。

    版权声明 ©
    本文为CSDN作者山雨楼原创文章
    转载请注明出处
    原创不易，觉得有用的话，收藏转发点赞支持

  • 相关阅读:
    代理IP与Socks5代理：跨界电商时代的网络安全与数据引擎
    C++继承
    uniPush实战操作详细教程步骤
    【深度学习】详解 BEiT
    nodejs+npm的安装与配置
    01-API概述和使用
    一文带你弄懂 CDN 技术的原理
    「MySQL高级篇」MySQL日志、事务原理 -- undolog、redolog、binlog、两阶段提交
    解决kotlin写Android项目编译报Execution failed for task ‘:app:kaptDebugKotlin‘.异常
    MATLAB - 用命令行设计 MPC 控制器
  • 原文地址：https://blog.csdn.net/blovecat/article/details/132142057