UI动画专项聊完，进入音视频专项。音视频是资深岗高薪方向——腾讯微视、腾讯会议、微信视频号都涉及大量音视频技术。面试需要理解编码原理、采集流程、音频处理、实时通信。纯应用层经验不够，需要往底层和协议层延伸。今天8道题覆盖四大方向。
Q1：MediaCodec硬编解码原理？跟软编解码区别？
MediaCodec：Android系统提供的硬件加速编解码器。调用GPU/DSP专用电路做编解码，CPU几乎不参与。
硬编解码优势：性能高（1080p 60fps实时编码无压力）、功耗低（专用电路比CPU效率高数倍）、延迟低。
软编解码：用FFmpeg/x264等纯CPU编解码。优势是兼容性好（不依赖硬件实现）、编码质量可控（码率控制更精细）、支持更多格式。缺点是CPU占用高、功耗大。
MediaCodec流程：createEncoderByType("video/avc") → configure配置参数 → start() → 循环：dequeueInputBuffer填充YUV → queueInputBuffer送入 → dequeueOutputBuffer拿H.264数据。
追问：MediaCodec的同步和异步模式？同步模式用dequeueInput/OutputBuffer轮询（简单但效率低），异步模式设Callback回调（高效但代码复杂）。实时编码推荐异步模式。
Q2：CameraX和Camera2区别？什么时候用哪个？
Camera2（Android 5.0+）：底层API，完全控制Camera硬件。手动配置曝光、对焦、白平衡、帧率。灵活但复杂——一个简单的拍照功能要写几百行代码处理状态机。
CameraX（Jetpack库）：在Camera2上封装的高层API。用例驱动设计——Preview（预览）、ImageCapture（拍照）、ImageAnalysis（帧分析）、VideoCapture（录像）。生命周期感知（自动跟Activity/Fragment绑定）。代码量是Camera2的1/5。
选择：普通拍照/扫码/人脸检测用CameraX。需要深度控制Camera参数（专业相机App、自定义3A算法）用Camera2。
追问：CameraX的ImageAnalysis怎么用？设置ImageAnalysis.setAnalyzer(executor, analyzer)，analyzer的analyze(ImageProxy)回调每帧YUV数据。可以做实时人脸检测、二维码识别、美颜处理。处理完必须调imageProxy.close()否则后续帧不会来。
Q3：AudioRecord和MediaRecorder区别？音频采集流程？
MediaRecorder：高层API，录制音视频一体（Camera+Mic→MP4文件）。一行代码搞定录制。缺点是不能获取原始音频数据——直接输出编码后的文件。
AudioRecord：底层API，获取原始PCM音频数据。适合需要实时处理音频的场景（语音识别、降噪、变声、实时传输）。
AudioRecord流程：getMinBufferSize算buffer → new AudioRecord(MIC, sampleRate, channelConfig, audioFormat, bufferSize) → startRecording() → 循环read(buffer)读PCM → 处理（编码/降噪/传输） → stop()+release()。
追问：音频采样率选多少？电话8kHz够用，语音识别16kHz，音乐CD质量44.1kHz。更高的采样率数据量更大但不一定听得出差别。
Q4：WebRTC在Android怎么用？核心组件有哪些？
WebRTC：Google开源实时通信框架，支持音视频通话和数据传输。
核心组件：PeerConnection管理音视频流和数据通道，内部处理ICE打洞+DTLS加密+SRTP媒体加密。MediaStream封装本地Camera+Mic数据发送。DataChannel点对点数据通道，低延迟不保证顺序。
ICE/STUN/TURN：NAT穿透方案。STUN发现公网IP，TURN打洞失败时中继转发。
Q5：视频编码的I帧、P帧、B帧区别？
I帧（Intra/关键帧）：完整帧，不依赖其他帧可独立解码。体积最大。GOP（Group of Pictures）的起始帧。
P帧（Predictive）：参考前面的I帧或P帧，只编码差异部分。体积是I帧的1/5-1/10。
B帧（Bi-predictive）：参考前后两个帧做双向预测。压缩率最高但编码复杂度高、延迟大（需要后面的帧先编码）。
实际应用：直播场景通常不用B帧（低延迟优先）。录播场景可以用B帧（追求高压缩率）。GOP大小影响seek精度和码率——GOP小seek准但码率高（I帧多），GOP大码率低但seek不准。
追问：H.264和HEVC（H.265）区别？HEVC压缩率比H.264高40-50%（同画质文件小一半），但编码复杂度高2-3倍。移动端HEVC硬编解码已广泛支持（Android 5.0+大部分芯片）。Apple力推HEVC，直播行业正在迁移。
Q6：音视频同步怎么做？
音视频不同步是最常见的体验问题——嘴巴动了声音没来或反过来。
时间戳同步：音频和视频各自有PTS（Presentation Time Stamp），播放时按PTS对齐。音频时钟作为主时钟（人耳对音频延迟比视觉更敏感），视频根据音频时钟调整播放节奏。
视频追音频：视频PTS比音频PTS大（视频落后），加速播放视频或丢帧追赶。
音频追视频：视频PTS比音频PTS大（音频落后），暂停视频等音频或重复播放当前视频帧。
Android实现：MediaSync/MediaClock管理音视频同步。ExoPlayer内部用DefaultAudioSink的时间戳做主时钟，视频渲染器根据音频时钟调整帧输出。
Q7：ExoPlayer架构？跟MediaPlayer区别？
ExoPlayer（Google推荐，现改名Media3）：可定制的播放器框架。支持DASH/HLS/SmoothStreaming自适应流、DRM数字版权管理、自定义数据源和渲染器。
跟MediaPlayer区别：MediaPlayer是系统内置黑盒，功能固定不支持流媒体协议。ExoPlayer模块化设计——DataSource（数据源）→ Extractor（解封装）→ Decoder（解码）→ Renderer（渲染），每个环节可替换。
架构核心：ExoPlayerImpl协调各组件，TrackSelector选择轨道（多音轨/多字幕），LoadControl控制缓冲策略，RenderersFactory创建渲染器。
追问：ExoPlayer怎么做预加载？LoadControl的setBufferForPlaybackMs(1500)缓冲到1.5秒起播，后台继续缓冲到2.5秒。首帧秒开关键是预加载和缓冲策略调优。
Q8：直播推流怎么做？RTMP和WebRTC区别？
RTMP：TCP协议的直播推流标准。延迟1-3秒。流程：Camera采集→MediaCodec编码H.264→AAC音频编码→FLV封装→RTMP推流到CDN。CDN转码后分发HLS/FLV给观众。
WebRTC：UDP协议的实时通信。延迟<500ms。适合连麦互动、视频会议。不支持大规模分发（P2P模式），需要SFU/MCU服务器做多人转发。
选择：普通直播（一个主播对万观众）用RTMP推流+HLS/FLV拉流。互动直播（连麦/PK）用WebRTC低延迟通信。混合模式：主播间用WebRTC连麦，观众端用RTMP/HLS观看。
面试Tips：音视频专项考底层原理+实战。MediaCodec编解码流程必考、CameraX vs Camera2必考、WebRTC核心组件必考。编码原理（I/P/B帧）和音视频同步考深度。有直播推流或视频通话项目经验比背理论值钱十倍。
下一篇进入跨平台专项，Flutter渲染管线原理？Dart FFI怎么用？React Native新架构Fabric？小程序容器怎么实现？
做过音视频开发的同学评论区报到，MediaCodec踩过最大的坑是什么？
本系列连载中，关注不迷路，下一篇：腾讯高级Android（跨平台专项）面试真题
系列简介：Android大厂面经连载，覆盖字节跳动、腾讯、阿里、美团等40+企业，从初级到架构师全岗位覆盖。每篇文章包含真实面试题+详细答案+代码示例，帮你拿到大厂Offer。
