01

   背景

图片是爱奇艺APP页面的主要视觉元素，对整体用户体验有着至关重要的影响。同时，由大量启动带来的图片CDN峰值带宽成本也有待降低。因此，在努力提升用户体验的同时，优化图片CDN峰值带宽成本已成为一项关键任务。而决定图片显示质量和文件体积的编解码格式，就是优化的关键所在。

1、图片格式简介

爱奇艺APP中使用了各种各样的图片格式，具体对比如下：

格式	是否支持透明	是否支持动图	爱奇艺APP使用场景
JPG	否	否	视频封面图、一般素材图
PNG	是	是	透明素材图
GIF	是	是	动图
WebP	是	是	视频封面图、一般素材图、透明素材图、动图
HEIC	否	是	视频封面图、一般素材图、动图
AVIF	是	是	视频封面图、一般素材图、透明素材图、动图

随着图片技术的发展，新的图片格式整体采用了压缩率更高的编解码算法，同等图像质量的情况下，文件大小有明显的降低。各种图片格式的文件大小对比：

2、图片主要使用场景

场景	图片示例	场景	图片示例
封面图		运营图
资源图		素材图
头像图		UGC

3、图片格式演进历程

• 2020年Q3以前：爱奇艺APP主要使用JPEG格式图片
• 2020年Q3：爱奇艺APP全面优先使用WebP格式图片
• 2022年Q3：爱奇艺APP部分优先使用HEIC格式图片
• 2023年Q3：爱奇艺APP部分优先使用AVIF格式图片

4、图片生产消费全景图

图片格式切换看起来只是简单的把图片的后缀改掉了，但是要将海量的爱奇艺APP内容图片全部改用新的格式是一个非常复杂的过程，因为爱奇艺APP内的图片，从制作、上传、生产、分发、到最终展示，整个生产消费环节存在多种策略，整体链路很长，几乎每个环节都需要参与改造。

1）制作环节：包含AI合成、视频抽帧、运营/片方提供、站外抓取等多种图片来源，格式五花八门。

2）上传环节：不同的制作方会通过不同的后台系统上传，改造范围广。

3）生产环节：上传的图片一般都需要根据用途，使用不同的策略进行预处理。比如视频封面图，后台系统会使用专用的参数进行格式生产、比例调整、智能剪裁、缩放等一系列预生产操作，针对一个视频内容预生产出多种格式多种尺寸的视频图片，把已生产的图片格式和尺寸信息写入媒资库实体，提供给各个端在各种场景下去使用；又比如APP内的角标等素材图片，则是通过内容管理系统上传，仅转码生成指定格式，不生产各种尺寸。

4）分发环节：CDN和APP业务后端接口负责分发

• CDN需要支持图片格式和尺寸的按需生产

  对于不在后台系统预生产范围内的尺寸，比如封面图非标准尺寸666*666的AVIF图片，可以通过指定尺寸和格式后缀666_666.avif来按需实时生产

• APP业务后端接口需要根据前端的特征返回指定格式和尺寸的图片URL
  对于不同业务场景，会返回不同尺寸的封面图，比如瀑布流会使用579*772，影剧频道小编推荐会使用405*540，搜索S卡片会使用1248*624

5）展示环节：移动端图片库负责渲染展示各种格式的图片，对于一些新的格式甚至需要集成自研图片解码器，还需要根据业务场景使用不同的策略来向CDN请求图片。

图片生产流程图：

图片消费流程图：

02

   WebP格式落地实践

1、背景

2020年3月，爱奇艺移动端准备全面应用WebP图片格式替代当时主要使用的JPG、PNG和GIF格式，节省图片CDN成本。

2、难点

移动端页面中使用的图片URL基本上都是移动后端接口返回的，而移动后端接口服务太多，修改这些接口，使其返回的WebP格式的图片URL的成本太高，而且如果以后更换其他图片格式又得重新改造一遍，非常费时费力。

3、解决方案

全网自适应图片架构（简称caplist方案）

• 原理：移动端图片库在图片URL后面自动拼上caplist参数，告诉图片CDN当前设备支持的图片格式，图片CDN择优返回图片格式。

全网自适应图片架构

• 举例：图片原始URL为http://...xxx.jpg，图片库发出的图片请求将其转换为为http://...xxx.jpg?caplist=webp,jpg。CDN侧收到图片请求，解析参数caplist，根据预先定义的优先级（avif > heic > webp > jpg > png），在caplist能够支持的图片格式范围内，尝试返回优先级更高的格式的图片。流程是先查缓存，再查是否支持按需生产，都不满足就降级，以此类推，具体逻辑见下图。若所有尝试都失败，则响应404（HTTP_NOT_FOUND）错误码，图片库无法渲染出指定的图片。
• 局限性：应尽量避免降级导致图片请求耗时增加。因此，caplist方案适用的高优图片格式应具备两个特征（WebP格式符合）：
• 预生产比例高（增加首次缓存查询命中率）
• 按需生产耗时低（避免降级和降低请求耗时）

全网自适应图片方案处理流程举例

4、上线效果

2020年Q3，多部门配合实现了全网自适应取图策略，十多个业务完成接入。以iPhone端为例，2020年Q4的WebP图片访问量在所有图片格式中的占比为85%，比2020年Q3的32%提升了53pp。商用与自建CDN带宽消耗相比之前下降了21.16%。

03

   HEIC格式落地实践

1、背景

早在2020年5月，爱奇艺刚全面使用WebP图片格式的时候，就已经调研了文件压缩率更高的HEIC图片格式在移动端落地的可能性，当时的评估结论是：

• 机型兼容良好：iOS11+，Android9+系统层面对HEIC格式图片进行了支持，兼容不存在问题。

• 文件压缩率高：同等图像质量情况下，HEIC图片比WebP图片小30%以上。

• 解码性能：iOS端硬解速度比WebP快，性能良好；但是，Android端只支持软解， 耗时比WebP长7.75倍，内存空间占用比WebP多3.76倍。

由于Android系统的HEIC图片格式解码性能很差，因此HEIC图片格式当时只在iOS端的特定场景小范围试点落地了。

两年后，到了2022年5月，在降本增效的大背景下，多部门合作推动HEIC图片格式落地专项，并通过各种优化手段提高HEIC图片格式的访问量占比。

2、难点

• Android系统虽然支持HEIC格式，但是解码性能较差，开源HEIC解码器性能也不理想，整体无法满足落地的要求。
• HEIC图片格式编码性能较差，耗时较长，不能满足CDN按需生产的要求。之前落地WebP格式过程中非常高效成功的caplist方案非常依赖按需生产能力。如果请求的图片没有预生产过HEIC格式，也不支持按需生产，就会直接降级到低优先级的格式，这会导致图片请求耗时增加。因此，caplist方案在HEIC格式落地中不适用，这大大提高了HEIC格式落地的难度和时间成本。
• 已生产的HEIC图片仅覆盖2020年之后生产的部分图片，占比不够高
• 动图流量占比大，但是iOS和Android系统都不支持HEIC动图

3、解决方案

1）自研HEIC解码器，解决Android端HEIC图片解码性能问题

HEIC图片格式是使用H265编码格式压缩的，而爱奇艺在H265视频编解码方面有丰富经验，于是决定自研HEIC图片解码方案。经过不懈努力，自研解码器的性能相对于系统解码器提升了5倍以上。解码性能虽然仍然比WebP差一点，但是考虑到CDN成本节省，图片下载耗时降低等优势，已具备上线要求。

2）通过后端接口直接返回HEIC格式图片URL的方式落地HEIC格式，解决项目前期caplist方案不能用的问题 由于HEIC格式编码耗时长，不满足caplist方案需要图片格式支持按需生产的前提，那就只能是用最简单直白的方法了，即通过移动后端接口直接返回有预生产好的HEIC格式的图片URL，来让移动前端加载HEIC格式的图片。

但是由于移动后端接口需要聚合的各个业务后端接口非常多，非常分散，而且某个图片是否有预生产好HEIC格式这个信息业务后端接口可能没有传递给移动后端接口，给移动后端接口改造也带来了难度。我们只能通过线上热度数据分析排出要改造的接口的优先级，联合多个业务后端团队有选择地挑选一些影响较大的接口，优先进行改造，以控制改造成本。

3）解决HEIC编码器性能问题，部分使用caplist方案解决项目后期HEIC格式访问量占比增长乏力的问题

Android端自研HEIC解码器的成功研发和落地也为HEIC编码性能较差问题提供了解决思路。技术团队又自研出了高性能HEIC编码方案——Q265编码器，其HEIC编码耗时接近于WebP，比老的X265编码器缩短70%，性能已满足实时生产的需求。这使得caplist方案又能够被采用了。不过，Q265编码器经过几次上线后的迭代改进，中间版本生产出来的HEIC图片有一些问题需要避免使用，因此，caplist覆盖范围必须设置为最终稳定版上线日期之后生产的HEIC图片。加上使用Q265编码器的图片生产工具没有被部署到所有图片CDN服务器，所以，针对HEIC格式的caplist方案是受限制的。

4）针对热度较高的历史图片进行补生产，进一步提升HEIC格式访问量占比

分析发现2020年之前生产的老图片仍然有较高的访问量，但是又没有预生产HEIC格式的图片，并且分布极为分散，难以通过移动后端接口改造的方式来返回HEIC格式给前端，也无法用caplist方案覆盖，因为caplist只能覆盖Q265编码器上线后生产的图片。

最终，我们通过统计线上图片的访问热度，对访问量较高的历史图片补生产了HEIC格式。

5）双端自研动图编解码渲染方案，提高降CDN成本的收益

分析发现移动端有20%-30%的图片流量来自动图，HEIC动图可以像视频编码压缩算法一样支持前后帧合成，文件压缩率比静图更高，但是当时没有现成的HEIC动图的生产端编码和移动端解码方案，需要全新自研。

• 生产端编码方案：自研HEIC动图编码器
  使用H265格式编码，使用自研库进行格式封装，配置和调校参数以达到最优效果。实验了全I帧、IP帧、PB帧等多个方案，最终选择了自研IP帧方案，兼顾了兼容性和文件大小。
• Android端解码方案：自研HEIC动图解码器
• iOS端解码方案：自研HEIC动图解码器

4、上线效果

截止2023年3月8日，移动端HEIC格式图片相对于所有图片格式的访问量占比40%+，相比WebP节省流量13%+。HEIC图片格式之所以没能达到WebP格式当时85%的访问量占比，原因如下：

• 通过移动后端接口改造的手段返回HEIC格式图片给移动前端成本较高，仅覆盖了少数访问量高的业务场景；

• 通过caplist方案将非HEIC格式图片让CDN优先返回HEIC格式的手段，因Q265编码器上线时间不长，图片CDN服务器未全面部署等原因，仅覆盖了某个日期之后生产的某些图片CDN域名下的图片，范围较小；

• 补生产的历史图片数量有限，全量补生产代价较大。

04

   AVIF格式落地实践

1、背景

比HEIC更新、更先进的图片格式是AVIF（AV1 Image File Format，是由开放媒体联盟开发，采用AV1视讯编码技术压缩图像的一种图像档案格式），其具有更高的图片压缩率，如果能推广落地，又能进一步降低图片CDN成本。经调研，iOS16+，Android12+系统层面对AVIF格式图片进行了支持。

由于在HEIC格式落地的过程中积累了很多成功经验，技术团队对支持更先进的AVIF图片格式信心满满。于是在2023年5月，我们又启动了AVIF图片格式落地专项，基本可以照搬HEIC格式落地的模式。

2、难点

• 系统解码性能不佳

  由于iOS和Android系统解码层面依然存在解码性能差的问题，并且对于系统版本要求过高（Android 12+、iOS 16+），符合要求的线上设备数量占比不够高，导致无法直接使用系统解码作为上线方案。

• 不支持透明图

  由于爱奇艺自研的QAV1编码器之前一直应用于视频编码，对于透明内容没有硬性要求，因此AVIF编解码器刚开始不支持透明内容。而在图片的使用过程中，透明图是比较常见的场景。

• 图片覆盖范围不广
  在AVIF全面上线后，根据CDN团队的反馈，caplist方案仅能覆盖有AVIF预生产且支持按需生产的部分图片CDN域名下的部分目录，AVIF格式访问量整体占比依然偏低。通过数据分析发现访问量占比较大的一些目录还未支持AVIF格式图片预生产。另一方面，目前AVIF按需生产的支持范围依然不是很广。这两方面导致caplist方案覆盖范围非常受限。

3、解决方案

• 自研avif解码器，解决移动端AVIF解码性能不佳的问题
  得益于爱奇艺QAV1视频编解码器已经广泛使用，可以将成果复用于图片的编解码方案。最终编解码团队自研的AVIF解码器支持iOS9+，Android7+以上的系统版本，并且解码性能优于libheif、libaom、libdav1等开源解码器。
• 改进自研的avif编解码器，解决透明图问题
  经过编解码团队的不懈努力，在2023Q4对AVIF透明图的编解码进行了支持。
• 用caplist方案覆盖更多图片CDN目录，提高AVIF格式占比
  后台系统在2023Q4对相关目录进行了预生产支持，使得这些目录下预生产日期之后生产的图片可以被caplist方案覆盖到。但是整体覆盖的目录下的图片访问占比仍然偏低。
  CDN团队正在研发全按需方案：所有图片CDN域名，所有目录都支持按需生产，且不需要使用caplist参数，通过文件名后缀指定图片格式。届时可以解决不同域名和路径对AVIF的支持。
  
  

4、上线效果

通过分析线上数据，观察到图片文件体积优化效果：

静图：HEIC比WebP小30%，AVIF比HEIC小11%，AVIF比WebP小38%；

动图：HEIC比WebP小60%，AVIF比HEIC小30%，AVIF比WebP小72%。

截止2024年Q1，爱奇艺移动端AVIF访问量占比46.54%，相对WebP节省流量30.71%。

05

   总结与展望

通过图片生产消费全流程跨部门通力合作，核心技术攻关，HEIC/AVIF编解码完整方案全自研等实践，爱奇艺逐步将主要图片格式从JPG迁移到最新的AVIF，在保证图片显示质量的前提下，有效地降低了图片CDN带宽成本。

未来，爱奇艺将继续努力提高AVIF图片格式的使用率，实现极致的图片CDN成本控制。

也许你还想看

奇异果投屏的进化之路

爱奇艺大数据离在线混部

工信部发布2023移动互联网应用服务能力优秀案例 爱奇艺两项目入选