一. alsa展现的三层结构：
（1）audio interface：
audio interface就是声卡，它含有hardware buffer，注意，这个hardware buffer是在声卡里面，不是内存。
（2）computer：
这个指的是计算机的内核和驱动（驱动由alsa提供），当（1）的audio interfacce引发中断，内核会捕捉到，再把处理移交alsa。
（3）application：
这个就是你写的程序，你开辟一个buffer，比如playback，就交给alsa来play。
在上面的框架下，流程如下：
（1）playback：
application开辟一个buffer，填上数据，调用alsa接口，alsa把buffer数据复制到其驱动的空间，再把数据交给 hardware buffer。
（2）record：
同playback，相似的。
二. 细节：
按照上面的流程，其中有许多细节我们可以加以控制，这里仅仅指出应用程序需要关心的：
1) 操作的设备：
在alsa驱动这一层，目前为止，抽象出了4层设备:
一是如hw:0,0，二是plughw:0,0，三是default:0，四是default至于 一是清楚了，二和二以上可以做数据转换，以支持一个动态的范围，比如你要播放7000hz的东西，那么就可以用二和二以上的。而你用7000hz作为参 数，去设置一，就会报错。三和四，支持软件混音。我觉得default:0表示对第一个声卡软件混音，default表示对整个系统软件混音，由于我没有 多声卡，所以没法试验四的效果。
这里提出两点：
（1）一般为了让所有的程序都可以发音，为使用更多的默认策略，我们选用三和四，这样少一些控制权，多一些方便。
（2）对不同的层次的设备，相同的函数，结果可能是不一样的。
比如，设置Hardware Parameters里的period和buffer size，这个是对硬件的设置，所以，default和default:0这两种设备是不能设置的。
比如，如果直接操作hw:0,0，那么snd_pcm_writei只能写如8的倍数的frame，比如16,24,否则就会剩下一点不写入而退回，而 default，就可以想写多少就写多少，我们也不必要关心里面具体的策略。
2) Hardware Parameters:
说明：之所以叫做Hardware Parameters，是因为alsa这一层API是较为底层的，它允许用户对上面提到的三层结构的audio interface和computer两层都做设置。其中对computer，也就是alsa驱动这一层的设置，叫做Software Parameters，而对audio interface（声卡）的设置叫做Hardware Parameters。（当然，要设置hardware parameters，也肯定是通过alsa驱动来完成，只不过哪些参数是指导硬件的，哪些是指导alsa驱动的，分开设置了）
（1）Sample rate： 不用说了（这些，对于default设备也能设的，上面已经说了）
（2）Sample format： 不用说了
（3）Number of channels： 不用说了
（4）Data access and layout：简单点，就是说，在一个period以内，数据是按照channel1排完了再排channel2呢，还是一个frame一个frame的 来排（frame在alsa里指的是一次采样时间内，两个channel的数据放一块儿就是一个frame）。默认是第二种。
（5）Interrupt interval：中断间隔，就是靠periods决定的，有函数来设置periods，也就是说这个hardware buffer在一次遍历之内，要中断多少次，来通知内核（最终是到alsa驱动）来写入或读走数据。比如buffer是8192个frame大，而 period设为4个frame大，那么比如playback，则每当有4个frame大的hardware buffer空间空出，就会中断，通知内核（alsa驱动）来写入数据。这个是影响实时效果的关键！！！但是，我观察的，我的电脑的默认period就是 4个frame，按16字节，双通道来算的话，也就是16个字节！所以，默认就很实时了！！一般的实时程序已经够用了！！一般不用调整。
（6）Buffer size：就是hardware buffer的大小，如果alsa整套体系主要靠这个来做缓冲，那么这个的大小，将影响缓冲效果，但是一般也不调整。
3) Software Parameters:
（1）snd_pcm_sw_params_set_avail_min (playback_handle, sw_params, 4096)
这个仅用在interrupt-driven模式。这个模式是alsa驱动层的，不是硬件的interrupt。它的意思是，用户使用 snd_pcm_wait()时，这个实际封装的是系统的poll调用，表示用户在等待，那么在等待什么呢？对于playback来讲，就是等待下面的声 卡的hardware buffer里有一定数量的空间，可以放入新的数据了，对于record来讲，就是等待下面声卡新采集的数据达到了一定数量了。这个一定数量，就是用 snd_pcm_sw_params_set_avail_min来设置。单位是frame。实际运作，没读驱动代码，不是很清楚，可能是alsa驱动根 据用户设的这个参数，来设置Hardware Parameters里面的period，也可能是不改变硬件的period，每次硬件中断还是copy到自己的空间，然后数据积累到一定数量再 interrupt应用程序，使之从wait()出来。我不知道，也不必深究。
这种模式的使用，需要用户在snd_pcm_wait()出来以后，调用一个平常的wirtei或readi函数，来写入或读取那个“一定数量”的数据。 如果用户不用interrupt-driven模式，那么这个函数不必使用。
（2）snd_pcm_sw_params_set_start_threshold (playback_handle, sw_params, 0U)
这个函数指导什么时候开启audio interface的AD/DA，就是什么时候启动声卡。
对于playback，假设第三个参数设为320,那么就是说，当用户调用writei，写入的数据，将暂时存在alsa驱动空间里，当这个数据量达到 320帧时，alsa驱动才开始将数据写入hardware buffer，并启动DA转换。对于record，当用户调用readi，这个数据量达到320帧时，alsa驱动才开始启动AD转换，捕捉数据。我一般 把它设为0,我没试过非0,如果是非0, 我想第一次的writei和readi一定得够数量才行，否则设备不启动。
这个对实时效果是需要的，将第三个参数设置为0，保证声卡的立即启动。
（3）what to do about xruns:
xrun指的是，声卡period一过，引发一个中断，告诉alsa驱动，要填入数据，或读走数据，但是，问题在于，alsa的读取和写入操作，好象是必 须用户调用writei和readi才会发生的，它不会去缓存数据！！！，所以如果上层没有用户调用writei和readi，那么就会产生 overrun（录制时，数据都满了，还没被alsa驱动读走）和underrun（需要数据来播放，alsa驱动却不写入数据），统称为xrun。 我对它的理解是，不是一个period引发的中断就叫做xrun，而是当整个hardware buffer都被写满了（record时）或空了（play时），这个时候的中断下的情况才指的是xrun。无所谓了，怎么立解都行，不影响编程：）
这个东西，需要用一些函数来设置，比如snd_pcm_sw_params_set_silence_threshold()，是针对playback 的，就是设置当xxx的情况下，就用silence来写入hardware buffer。至于xxx情况，以及写入多少silence，我都不是很清楚，还有，比如xrun到什么情况下，可以停止这个设备等等函数。这个（3）的 涉及的参数，我都没试过，一般情况下，就用alsa驱动的默认的xrun处理策略吧，等以后出了错误再说，而且例子里也没有提到。
但是，关于xrun，在编程时，最好这样写：
while ((pcmreturn = snd_pcm_writei(pcm_handle, data, frames)) < 0) {
snd_pcm_prepare(pcm_handle);
fprintf(stderr, "<<<<<<<<<<<<<<< Buffer Underrun >>>>>>>>>>>>>>>\n");
}
就是说，如果这次读/写距离上次读/写，时间可能过长，那么这次去读/写的时候，device已经xrun了，在不知道alsa驱动对xrun的默认策略 的情况下，最好调用snd_pcm_prepare()来重新准备好设备，然后再开始下一次读写。我想，prepare()意思，可能相当于复位，不很清 楚。我想，windows下的那套API下的驱动，一定是已经有了一套对xrun的处理策略，用户根本没有接口可以调整它，我想它的策略比如 playback遇到underrun，也就是填入silence罢了。
（4）transfer chunk size:
这个应该是用不上的，我没找到文档里有用这个的。
三. 编码模式：
TODO LIST：以后把下面两点补上：
(1)一般读写模式：
（2）interrupt-driven模式：作者推荐这个模式，我决定用这个模式来做吧。
我推测的原因：它非常清晰的告诉了用户，你需要读取数据或写入数据了！ 这样允许用户即时的作出操作：比如现在让用户从wait（）出来，用户知道需要比如写入数据了，它可以决定写入真实的数据，或者写如silence，或者 其他。而用一般读写模式，你不会即时知道下层的需求！！所以，相当于你只能在你下一次读/写的时候，判断有没有xrun，其他你什么都做不了：） （并且在实时性要求不高的情况下，设置一个较大的interrupt间隔，真个alsa的效率会高一点呵呵。而且这种interrupt模式，可以使得代 码简单改下就可以用到其他采用interrupt的系统上，作者这米说的）
TODO: 再好好想想这个模式，其实我不确定实际使用上有什么好?
四. 和windows API的比较：
windows audio接口的那些需要加入的buffer，属于应用程序的buffer，windows靠用户添加buffer queue来设置缓冲，而alsa并不提供接口让用户设置应用层的缓冲区，缓冲区的作用，就是减弱或消除数据流或用户操作偶尔过快或过慢造成的影响，所以 alsa是一定要有缓冲区的，我不知道是否，hardware buffer独自承担着alsa里面的buffer角色？
alsa的writei和readi好象可以改成
TODO： 根据实际的编程结果，从效果看看，这样做是否效果也很好。
五. 其他：
对声卡的编程就是对两个设备进行指导的过程, 下面分3点叙述:
1. 关于Mixer编程.
我了解到的声卡,有三个主要部分:
(1)mixer
(2)dsp(ad,da)
(3)buffer
可以认为它们按上面(1)(2)(3)的顺序联接起来, 而buffer和计算机总线间接相连.
目前认为的原理是这样的:
(1)图1表现了一个mixer, 图2是很多个mixer, 但实际上, 声卡里至少有两个mixer, 一个叫做input mixer, 一个叫做output mixer. input mixer接收外来模拟信号, output mixer接收dsp给它的模拟信号. 需要知道的是, mixer的输入和输出都是模拟信号, 输入和输出的线路也叫做混音通道, 我觉得这是物理线路的范畴, 这也就是为什么一个程序调整mixer, 会影响另一个程序的原因, 因为我觉得它调整的是物理参数. 图中蓝色的方框就是可调节增益的地方(总之, 我认为它们是可供软件调节的硬件线路参数)
(2)一个mixer的输出可以作为另一个mixer的输入. 比如考虑这样一种情景, 怎样混合CD和自己的歌声? 我估计就是CD的数字信号, 先到buffer, 经dsp的D/A转换, 输入"输出混音器"的一个混音通道(source line), 再从destination line出来后, 不送往speaker, 而是送往"输入混音器"混音通道, 这样和人声(从"输入混音器"的microphone混音通道进入)一起混音, 再从destination line出来, 送往dsp做A/D转换, 最后送往buffer.
而调节各个source line/destination line的增益, 以及route souce line和destination line就是mixer做的, 也是软件可以调节的.
至于系统mixer面板上的master和pcm的区别, 我想pcm是dsp输出的模拟信号, 也就是outmixer的source line的增益吧, 而master也许是outmixer的destination line的增益吧.这个其实找不到具体的声卡结构图是很难搞清楚的.
2. 关于dsp编程.
这个最好理解为是上述mixer体系中的一条默认的流程.对于用户来讲,dsp设备就是完成基本的播放和录音功能.
而用户当然应该指导dsp完成工作, 就象指导mxier一样. 用户给dsp的指导参数主要是format(frame/s和bits/frame)和channel数, 要不然dsp怎样能做D/A或A/D转换呢.
3. 关于buffer.
涉及到的buffer有三个, 一是声卡的buffer, 二是驱动的kernel buffer, 三是用户指定的user buffer. 数据就是这样一个接一个复制上来的,或一个一个复制下去的, 复制的信号是声卡的interrupt信号. 当buffer满了(读)或buffer空了(写)时, 就会引发中断.
来源：CSDN
作者：小田
链接：https://blog.csdn.net/tianshuai11/article/details/8652699