webrtc弱网-RateStatistics源码分析与算法原理

一、核心功能

RateStatistics 类用于计算滑动时间窗口内的平均速率（如比特率、包率等）。核心功能包括：

1. 动态更新：接收时间戳和计数更新（如字节数）

2. 滑动窗口：维护固定时间窗口内的数据（默认1秒）

3. 速率计算：实时计算窗口内的平均速率

4. 动态调整：运行时修改窗口大小

5. 溢出处理：自动检测计数溢出

6. 边界处理：处理数据不足等边界情况

二、核心算法原理

1. 时间桶机制：

   • 将时间划分为1ms精度的桶

   • 相同时间戳的计数合并到同一个桶

   • 仅存储有数据的桶，节省内存

2. 滑动窗口维护：

   void EraseOld(int64_t now_ms) {
     const int64_t new_oldest_time = now_ms - current_window_size_ms_ + 1;
     while (!buckets_.empty() && buckets_.front().timestamp < new_oldest_time) {
       // 删除过期桶并更新统计
     }
   }

3. 速率计算：

   rate = (总计数 × scale) / 实际窗口时间

   • 实际窗口时间 = min(设定窗口, 数据存在时间)

   • 缩放因子scale实现单位转换（如8000将字节/ms转为比特/秒）

三、关键数据结构

struct Bucket {
  int64_t sum;         // 本桶计数总和
  int num_samples;     // 本桶样本数
  const int64_t timestamp; // 桶对应的时间戳(ms)
};

std::deque<Bucket> buckets_; // 核心存储结构

1. 双端队列(deque)：

   • 队头存储最旧数据，队尾存储最新数据

   • O(1)时间复杂度的头尾插入/删除操作

   • 自动管理内存，无需预分配空间

2. 统计变量：

   int64_t accumulated_count_; // 窗口内计数总和
   int64_t first_timestamp_;   // 首个数据点时间戳
   bool overflow_;             // 计数溢出标志
   int num_samples_;           // 窗口内总样本数

四、核心方法详解

1. Update() - 数据更新：

   void Update(int64_t count, int64_t now_ms) {
     EraseOld(now_ms);                    // 清理过期数据
     if (buckets_.empty() || now_ms != buckets_.back().timestamp) {
       buckets_.emplace_back(now_ms);     // 创建新时间桶
     }
     buckets_.back().sum += count;        // 更新当前桶
     // 更新统计值（处理溢出）
   }

2. Rate() - 速率计算：

   absl::optional<int64_t> Rate(int64_t now_ms) {
     EraseOld(now_ms);
     // 计算有效窗口时间
     if (数据不足 || 溢出) return absl::nullopt; 
     // 核心计算公式：
     float result = accumulated_count_ * (scale_ / active_window_size) + 0.5f;
     return static_cast<int64_t>(result);
   }

3. SetWindowSize() - 动态调窗：

   bool SetWindowSize(int64_t window_size_ms, int64_t now_ms) {
     // 边界检查
     first_timestamp_ = std::max(first_timestamp_, now_ms - window_size_ms + 1);
     current_window_size_ms_ = window_size_ms;
     EraseOld(now_ms); // 立即应用新窗口
   }

五、设计亮点

1. 懒删除机制：

   • 只在Update/Rate时清理过期数据，减少无效操作

   • 避免定时器开销，按需处理

2. 动态窗口适应：

   active_window_size = (数据存在时间 < 设定窗口) ? 
                        实际存在时间 : 设定窗口;

   • 避免启动初期窗口未满时的计算偏差

   • 更精确反映真实速率

3. 安全防护：

   • 时间戳单调性检查：if (now_ms < last_timestamp)

   • 计数溢出检测：if (accumulated_count_ > INT64_MAX - count)

   • 速率越界检查：result > INT64_MAX

4. 精度保持：

   • 四舍五入处理：+0.5f保证整数转换精度

   • 1ms时间桶：避免时间量化误差

六、典型工作流程

1. 初始化：RateStatistics rate_stat(1000, 8000)

2. 数据更新：

   rate_stat.Update(1500, t1); // 收到1500字节
   rate_stat.Update(2000, t2); // 2000字节

3. 速率查询：

   auto rate = rate_stat.Rate(now); // 返回比特率

4. 窗口调整：

   rate_stat.SetWindowSize(500, now); // 改为500ms窗口

七、注释精要

// 桶结构：存储1ms时间单元内的统计数据
struct Bucket {
  int64_t sum;         // 本时间单元计数总和
  int num_samples;     // 本时间单元更新次数
  const int64_t timestamp; // 时间戳(ms), 不可修改
};

class RateStatistics {
  // 滑动窗口核心：按时间排序的桶队列
  std::deque<Bucket> buckets_;
  
  int64_t accumulated_count_; // 窗口内有效计数总和
  int64_t first_timestamp_;   // 窗口内最早数据时间戳(-1表示空)
  bool overflow_ = false;     // 计数溢出标志(防止回绕)
  int num_samples_;           // 窗口内总样本数
  
  const float scale_;         // 单位转换因子 
  const int64_t max_window_size_ms_; // 最大允许窗口
  int64_t current_window_size_ms_;   // 当前有效窗口

  // 核心方法：删除过期桶(O(n)但均摊O(1))
  void EraseOld(int64_t now_ms) {
    const int64_t new_oldest = now_ms - current_window_size_ms_ + 1;
    while (!buckets_.empty() && 
           buckets_.front().timestamp < new_oldest) {
      // 更新统计值并删除队头
    }
  }
};

该模块通过BandwidthQualityScaler类实时统计码率，用于计算滑动时间窗口内的平均速率，为保证视频质量动态升降码率及分辨率提供了有力支撑，是 WebRTC 自适应视频流传输的核心组件之一。