1、引言
腾讯社交网络相关产品，例如腾讯课堂、增值会员、动漫、直播、游戏商城、音乐、Qzone校园等，主要目标群体定位为年轻一代，属于对新事物接受比较高也更喜欢新鲜个性内容的群体，产品设计上必然使用大量的图片展示；同时核心产品QQ也涉及大量的图片存储及展示，例如QQ群图、群相册等。
图片在产品中的大量使用拥有诸多好处的同时，也带来以下几点问题：
服务器端出口流量增加、文件存储磁盘增加，运营成本增高；
用户访问单页面/产品流量消耗增加，尤其当前移动互联网流量按量计费，富图片会明显增加用户访问成本；
客户端加载页面耗时增大，首屏显示时间延迟，影响用户使用体验。
为了进一步降低运营带宽成本，减小用户访问流量及提升页面加载速度，社交网络 CDN运维紧跟行业图片优化趋势，创新引入WebP、SharpP、自适应分辨率、Guetzli等图像压缩技术到现网，经过三年多的多部门联合攻关，已逐渐形成一套覆盖全图片类型（JPEG、JPG、PNG、WebP、GIF）多场景的图片压缩运营体系，适用于各类型终端，每年节约外网带宽几百G。
QQ空间GIF采用SharpP编码后，单图平均大小降幅90%，高峰期流量降幅30%
示例2：QQ相册GIF采用SharpP编码后，节约流量非常明显，降幅超过80%
学习交流：
- 即时通讯开发交流群：320837163[推荐]
- 移动端IM开发入门文章：《新手入门一篇就够：从零开发移动端IM》
（本文同步发布于：http://www.52im.net/thread-1391-1-1.html）
2、相关文章
《QQ音乐团队分享：Android中的图片压缩技术详解（上篇）》
《QQ音乐团队分享：Android中的图片压缩技术详解（下篇）》
《腾讯原创分享(一)：如何大幅提升移动网络下手机QQ的图片传输速度和成功率》
《腾讯原创分享(二)：如何大幅压缩移动网络下APP的流量消耗（上篇）》
《腾讯原创分享(二)：如何大幅压缩移动网络下APP的流量消耗（下篇）》
《基于社交网络的Yelp是如何实现海量用户图片的无损压缩的？》
《腾讯团队分享 ：一次手Q聊天界面中图片显示bug的追踪过程分享》
3、本文作者
4、技术演进阶段一：引入WebP压缩，对业务强侵入
WebP是Google在2010年推出的新一代web图片压缩格式，它的优势体现在：
具有更优的图像数据压缩算法，能带来更小的图片体积（原图基础上节约30%左右大小）；
拥有肉眼识别无差异的图像质量；
具备了无损和有损的压缩模式、Alpha 透明以及动画的特性；
在 JPEG 和 PNG 上的转化效果都相当优秀、稳定和统一；
支持GIF，对GIF的压缩效果尤其显著，可以节约企业大量的带宽资源以及数据空间。
运维同事及时跟进研究WebP并推动应用现网，并基于该技术建立了最初的CDN图片压缩访问方案。
压缩参数设置：
通过验证发现，压缩质量参数在编码后图片质量及大小间形成正相关关系，质量参数越高，编码后图片质量越好体积也就越大。质量参数设置70%~90%间，可以达到最优平衡。现网默认设置80%。
编/解码性能优化：
终端WebP解码性能，在当前网络环境下不存在问题，平均解码耗时在100ms以内。并且，通过有限制的使用WebP图片，例如限制图片尺寸、使用的CPU核心及最大频率等方式，可以进一步优化编解码能力。
终端兼容性：
嵌入WebP解码库的自有APP以及已知支持WebP的公共浏览器，例如Chrome、Opera等，其他场景下无法解码WebP数据（关于主流浏览器对WebP的支持情况点此查看）。
一期主要联合ISUX开发实现现网CDN的WebP能力引入，并建立了相应压缩访问方案，如下图所示：
服务器端部署异步压缩工具，对特定规则的图片应用压缩，并生成对应的副本文件；
客户端（Browser+APP）和后台管理端联动，客户端识别载体是否支持WebP解码，并将结果返回后台管理端，后台管理端再根据客户端能力，确定最终的资源访问URL。
大致的原理是：
CDN源站部署WebP编码工具，对符合规则的资源进行WebP编码及写DB操作；
WebP编码采用异步模式，且编码成功后才写DB知会后台管理，因此即使编码失败或耗时长也不影响客户端实际访问；
客户端需先向后台管理获取资源路径，然后才能对资源发起实际请求，向管理端请求资源访问路径时，会带上自身WebP兼容性标签数据；
CDN缓存是基于访问URL为key的，而原图及WebP副本访问URL不一样(副本为.webp后缀)，因此实际会在CDN节点缓存两份不同数据。
以上方案在接入CDN的ISUX上使用稳定，并且达到了预期效果，后续也逐步推广应用到了少量Qzone图片上。不过由于该方案对接入业务侵入性较强，要求业务客户端必须具备WebP兼容性检测能力，以及访问URL后台下发能力，最终接入业务除相册外，寥寥无几。
5、技术演进阶段二：引入WebP/SharpP/自适应多方式压缩，业务无痛接入
老架构的图片压缩在CDN现网能正常服务部分业务，减小服务器端带宽消耗和数据存储的同时，提升了客户端的加载速度。
但该架构的固有缺陷也十分明显：
压缩能力有限，只支持WebP一种方式，跟不上行业压缩技术趋势；
压缩场景有限，只支持兼容WebP格式的部分客户端访问；
对业务侵入严重，导致实际推广效果不佳。
基于此，在优化图片压缩访问方案的时候，希望新架构能对业务侵入小甚至无侵入，同时引入更高效的图片压缩技术进行现网推广使用。项目历时2015~2016共两年时间，期间我们也跟随行业编码技术趋势，在优化成熟WebP、自适应方案同时，创新性的引入了SharpP编码技术。
5.1 编码技术：优化WebP，新引入腾讯自研SharpP及分辨率自适应调整能力
WebP编码在原图基础上节约30%左右大小，但随着H.265、VP9以及AVS2等新编码技术的出现，图片压缩有了进一步优化的空间。
【a. 基于HEVC的SharpP编码压缩】：
Sharp是基于新一代图片编码标准HEVC，并对编码性能、效率及支持能力等方面做出优化扩展后，由腾讯社交网络音视频实验室推出的图像编解码技术。不管理论还是实际验证，基于HEVC的SharpP相对WebP可节约21%大小，相对JPEG可节约43%左右大小。
SharpP系统组成同WebP一样，包括编码和解码两部分：
编码：RGB->SharpP
解码：SharpP->RGB
通过对原HEVC编解码内核优化、支持渐进式功能及透明通道、动态图片格式等方式，进一步降低了SharpP编解码性能消耗并增加对现有图片类型的兼容性，并做到了质量上的基本不失真。由于现阶段SharpP还属于腾讯内部自有格式，因此只能应用于腾讯自有APP，通过APP中添加SharpP解码库的方式实现客户端的解码。
【b. 图片分辨率自适应调整】：
终端机型分辨率大小不一，相关图片是以最大分辨率设计的，目前统一标准是750px，但许多中低端机型并不需要高分辨率的图片，如果能按需返回适当分辨率图，同样可达到节约流量及优化性能的目的。经现网验证，启用自适应图片压缩后，相关产品访问流量可在原有基础上，再节约20%左右。
图片分辨率调整相对WebP/SharpP来说原理简单，不修改编码格式只调整分辨率信息，因此无编解码性能或客户端兼容问题。我们将现有终端设备分辨率按如下三级进行划分，并对应到源站某个固定分辨率的图片副本：
5.2 运营方案：对业务最小侵入的图片压缩访问架构
让业务以最小的改动代价来获得最大的带宽及性能收益，才能让技术架构更容易推广。
考虑到Accept、User-Agent属于标准的HTTP请求头字段，分别用来承载客户端的解码能力信息及屏幕分辨率信息，也属常理；并且类似Chrome、Opera这种已支持WebP的浏览器，请求头默认有带上“Accept: image/webp”字段，完全兼容该套方案。
【a. 基于Accept头的WebP/SharpP自识别编码】：
PC浏览器，例如Chrome、Opera等，支持WebP解码情况下，在请求头Accept字段中默认有带上“image/webp”字段，兼容该套压缩访问框架。
非浏览器类，例如APP、PC客户端，在发送图片请求前，可根据编码能力，自定义添加、或通过底层WebView来统一添加“image/webp” “image/sharpp”字段。腾讯APP类产品上承载的业务一般较多，分属不同内部开发团队，为便于资源接入及统一管理，我们推荐的方式是APP平台统一嵌入解码SDK及修改请求头Accept字段，其上业务调用APP内嵌WebView来请求图片资源即可。
为识别客户端发送的编码格式字段并返回正确编码后的压缩内容，CDN节点和CDN源站同样需要提前做好相应的调整部署：
如上图所示:
腾讯浏览器、QQ APP的WebView中预埋WebP/SharpP解码SDK，并向上提供Accept头字段的自动修改能力及图片解码能力；
CDN节点，根据识别到的Accept头字段返回对应缓存内容，或者直接透传请求到源站；
CDN源站，根据获取到的请求头字段，读取预生成的压缩格式副本或触发实时压缩，并响应对应编码内容给客户端。
由于WebP/SharpP编码有可能失败或者耗时过高，现网通过以下几个手段来保障请求数据的及时返回：
在资源到达CDN源站前，实施相关编码格式预压缩；
在线编码采用异步模式，并设置超时；若超时则直接返回原图，并设置缓存时间max-age=10，便于该次请求内容在CDN可以尽快过期更新；
若检测到压缩后的文件对比原图无优势（没有比原图小），则直接返回原图内容；
鉴于SharpP比WebP编码更高效，在 Accept 字段同时带有 "image/webp"、"image/sharpp" 时，CDN 优先返回 SharpP 编码内容。
【b. 基于User-Agent的分辨率自适应调整】：
HTTP头字段中带的User-Agent，一般不包括分辨率（或格式不统一）。经过调研，我们认为以“Pixel/750”这种格式来匹配最标准，也更容易兼容已有客户端能力。同编码方案类似，基于User-Agent的自适应方案，同样需要客户端WebView头字段修改能力支持，以及CDN节点和CDN源站的对应功能实现：
如上图所示，分辨率自适应方案不依赖独立的解码SDK，直接使用WebView中自带的公共SDK即可。
另，此处WebView同样需要修改UA头字段，按照格式要求添加分辨率信息后，传递给CDN节点或CDN源站，节点及源站再进行相应的逻辑处理：
WebView修改请求头User-Agent带上分辨率信息，然后传递给CDN。例如User-Agent: Mozilla/5.0 Pixel/480 …；
CDN节点根据UA分辨率数据读取对应缓存并返回，或者直接透传请求到源站；
源站根据UA分辨率数据读取本地预生成的对应副本，或触发在线压缩；
在线压缩采用异步模式，并设置超时时间。失败或超时情况下直接返回原图，并且设置缓存时间max-age=10；
自适应调整后图片编码格式与原图相同，只是分辨率不一样。
编码压缩和分辨率调整属于不同的两种图像压缩方式，理论上可叠加使用不影响实际功能，且同时带来叠加后的压缩比和性能收益。现网应用的时候，我们也充分考虑到了这点，将两种不同压缩方案同样分为客户端（SDK+WebView）、CDN节点、CDN源站三个层级，并在对应层级上将二者功能逻辑耦合在一起，实现交错叠加能力。
现网结合编码压缩和分辨率自适应的最终方案流程图如下：
该套方案解决了业务侵入性问题，同时通过引入SharpP、自适应能力，提高了编码效率以及终端适用场景；当前已成功应用到腾讯手Q H5、手Q群图片、相册及Qzone结合版、独立版等重要业务上，月节约流量400Gbps以上，同时该套方案也正在向全公司内部推广。
6、技术演进阶段三: 持续引领，引入Guetzli补充适用场景，业务无感知
WebP/SharpP编码压缩虽然在压缩效率上更优，但需客户端具备对应解码SDK才能正常使用。对现网流量数据分析，发现除WebP/SharpP/自适应图片外，还存在大量的原图请求流量，其中JPG格式请求占比30%左右。
其原因如下：
CDN静态已全量图片压缩应用，但较多来自独立APP或PC浏览器的访问，导致jpg原图流量占比约9%；
手Q服务号已改造支持新格式，但jpg格式带宽占比还是有35%之多；
QQ群图改造编码压缩难度大（无法兼容所有客户端类型），一直无进展；
腾讯视频APP已改造支持新格式，但还有来自PC端各种浏览器的访问，导致jpg带宽占比35%。
Guetzli是Google 2017年最新推出的图片编码算法，用于编码JPEG格式，官方宣称比早期的libjpeg减小30%左右大小。此算法只是改进并没有改变JPEG编码算法，因此编码出来的图片适用目前已有解码器。
开源Guetzli工具在编码文件时，内存及时间消耗都比较高，经过相关优化调整，可大大减小工具性能消耗，延时下降92%，成本节省一半以上，从而具备初步的线上应用能力。当前现网存在大量jpg原图请求，可应用Guetzli编码压缩进行场景覆盖。据统计，Guetzli优化后图片大小平均节省30%，用户侧下载延时下降25%左右，相对传统JPEG编码优势明显。
6.1 Guetzli现网应用方案
Guetzli并未改变图片原有编码格式，只是对其数据进行优化缩减，因此不管对客户端还是CDN节点来说，都可将Guetzli副本当做原图来处理；唯一需要做的只是准备好工具并在源站部署对应处理逻辑：
【a. 工具优化：】
开源Guetzli工具在现网是没法直接用的，相信只要关注Guetzli的同学，都知道这个结论。
为让工具具备现网应用能力，开发同学主要从以下两个方面对其进行了优化：
GPU计算加速：将整个Guetzli的计算算法全部都转移到了CUDA里去，利用显卡的并行能力及浮点计算优势进行加速；
参数调优：对内存分配改用效率更高的TCMalloc库；优化CUDA的Block Size大小；将计算精度由double改为float。
优化后的Guetzli工具，性能较源开源版本提升90%以上，质量上基本无差异。
【b. 源站处理逻辑】：
简单的Guetzli应用，直接通过Web方式触发对应shell命令即可。为便于业务灰度控制，我们引入业务ID概念：CDN源站通过请求业务ID来区分是否Guetzli请求，同时通过前端Nginx匹配域名+URL规则，来控制放量范围。
如下所示：
原理大致如下：
客户端按照正常情况发送图片请求；
Nginx层根据$uri 匹配规则分别转发请求到不通的后端业务ID，其中一个业务ID开启Guetzli压缩，另一个没有；
源站Guetzli压缩支持预压缩和在线压缩两种，其中在线压缩为异步模式，并设置有超时时间。若压缩失败或超时，则返回原图并设置max-age=10；
Guetzli副本存储在Cache层原图的key位置，即默认使用Guetzli副本代替原图。
6.2 与原有架构的结合
Guetzli编码后的图片还是JPEG格式，理论上再次进行WebP/SharpP压缩是可行的，现网实际测试也的确如此。那么Guetzli是否会和分辨率自适应一样，在与WebP/SharpP叠加编码后，压缩效率和性能收益同样叠加？
我们从现网获取了100张视频封面作为测试样本，Guetzli质量因子设备90，WebP/SharpP质量因子设置70，分别进行独立的编码压缩以及WebP + Guetzli叠加、SharpP + Guetzli叠加。
取得测试数据如下：
从测试数据可以看出， Guetzli与WebP/SharpP的叠加压缩必要性不大，叠加的GUE压缩并没有带来更优的压缩效率，甚至在色彩单一情况下，叠加压缩的图片比原图WebP/SharpP压缩后还要大些。
因此，最终落地方案设计时，没有对是否叠加压缩进行强制限制。即Guetzli与原有压缩访问架构在源站并行部署，各自覆盖对应适用场景并且有一定几率叠加使用。
最终落地方案架构如图所示：
Guetzli编码优化功能自上线以来，由于其无敌的现有终端兼容能力，一个月内即完成CDN全量域名推广，两个月内即完成QQ看点、腾讯视频图片、QQ音乐封面的推广，节约带宽近百G，并会随着时间推移持续增长。
7、本文小结
经过三年多的多部门联合运作，终于完成图像压缩技术方案在腾讯CDN的落地以及全域名实施。
在技术演进的过程中得到的收获：
压缩访问方案做到了对现有规范的最大兼容、对业务的最小侵入，使得对内可以尽快推广；
相关编码/分辨率压缩技术紧跟行业趋势，在开源基础上优化、精炼和扩展，优化后的工具能力较开源版本提升明显，并有逐渐反哺开源社区；
提升自身业务竞争力的同时，也为行业发展贡献了一份力量！
以上方案涉及的一些关键编码工具，其中：
WebP工具在开源版本基础上无修改，直接基于libwebp封装而成；
Guetzli工具基于开源版本有少量参数调整及BUG修复，相关代码已开源到GitHub；
SharpP工具从17年3月开始，已采用AVS2作为新的内核；17年5月正式对外推出基于AVS2的图片格式，联合北大、AVS组织一起完善相关规范，并命名为TPG（Tiny Portable Graphics）。
附录：微信、QQ团队相关文章汇总
[1] 有关QQ、微信的技术文章：
《QQ音乐团队分享：Android中的图片压缩技术详解（上篇）》
《QQ音乐团队分享：Android中的图片压缩技术详解（下篇）》
《腾讯团队分享 ：一次手Q聊天界面中图片显示bug的追踪过程分享》
《微信团队分享：微信Android版小视频编码填过的那些坑》
《微信团队披露：微信界面卡死超级bug“15。。。。”的来龙去脉》
《月活8.89亿的超级IM微信是如何进行Android端兼容测试的》
《微信客户端团队负责人技术访谈：如何着手客户端性能监控和优化》
《微信团队原创分享：Android版微信的臃肿之困与模块化实践之路》
《微信团队原创分享：微信客户端SQLite数据库损坏修复实践》
《腾讯原创分享(一)：如何大幅提升移动网络下手机QQ的图片传输速度和成功率》
《腾讯原创分享(二)：如何大幅压缩移动网络下APP的流量消耗（下篇）》
《腾讯原创分享(二)：如何大幅压缩移动网络下APP的流量消耗（上篇）》
《如约而至：微信自用的移动端IM网络层跨平台组件库Mars已正式开源》
《开源libco库：单机千万连接、支撑微信8亿用户的后台框架基石 [源码下载]》
《微信新一代通信安全解决方案：基于TLS1.3的MMTLS详解》
《微信团队原创分享：Android版微信后台保活实战分享(进程保活篇)》
《微信团队原创分享：Android版微信后台保活实战分享(网络保活篇)》
《Android版微信从300KB到30MB的技术演进(PPT讲稿) [附件下载]》
《微信团队原创分享：Android版微信从300KB到30MB的技术演进》
《微信技术总监谈架构：微信之道——大道至简(PPT讲稿) [附件下载]》
《微信海量用户背后的后台系统存储架构(视频+PPT) [附件下载]》
《微信异步化改造实践：8亿月活、单机千万连接背后的后台解决方案》
《架构之道：3个程序员成就微信朋友圈日均10亿发布量[有视频]》
《微信团队原创分享：Android内存泄漏监控和优化技巧总结》
《微信团队原创Android资源混淆工具：AndResGuard [有源码]》
《移动端IM实践：Android版微信如何大幅提升交互性能（一）》
《移动端IM实践：Android版微信如何大幅提升交互性能（二）》
《移动端IM实践：WhatsApp、Line、微信的心跳策略分析》
《移动端IM实践：谷歌消息推送服务(GCM)研究（来自微信）》
《信鸽团队原创：一起走过 iOS10 上消息推送(APNS)的坑》
>> 更多同类文章 ……
[2] 有关QQ、微信的技术故事：
《2017微信数据报告：日活跃用户达9亿、日发消息380亿条》
《技术往事：创业初期的腾讯——16年前的冬天，谁动了马化腾的代码》
《技术往事：史上最全QQ图标变迁过程，追寻IM巨人的演进历史》
《开发往事：深度讲述2010到2015，微信一路风雨的背后》
《开发往事：记录微信3.0版背后的故事（距微信1.0发布9个月时）》
>> 更多同类文章 ……
（本文同步发布于：http://www.52im.net/thread-1391-1-1.html）
网友评论