【前端实时音视频】WebRTC入门概览

在前端领域，WebRTC是一个相对小众的技术；但对于在线教育而言，却又是非常的核心。网上关于WebRTC的文章很多，本文将尝试以WebRTC工作过程为脉络进行介绍，让读者对这门技术有一个完整的概念。

WebRTC（Web Real-Time Communications）是由谷歌开源并推进纳入W3C标准的一项音视频技术，旨在通过点对点的方式，在不借助中间媒介的情况下，实现浏览器之间的实时音视频通信。

与Web世界经典的B/S架构最大的不同是，WebRTC的通信不经过服务器，而直接与客户端连接，在节省服务器资源的同时，提高通信效率。为了做到这点，一个典型的WebRTC通信过程，包含四个步骤：找到对方，进行协商，建立连接，开始通讯。下面将分别阐述这四个步骤。

第一步：找到对方

虽然不需要经过服务器进行通信，但是在开始通信之前，必须知道对方的存在，这个时候就需要信令服务器。

信令服务器

所谓信令（signaling）服务器，是一个帮助双方建立连接的「中间人」，WebRTC并没有规定信令服务器的标准，意味着开发者可以用任何技术来实现，如WebSocket或AJAX。

发起WebRTC通信的两端被称为对等端（Peer），成功建立的连接被称为PeerConnection，一次WebRTC通信可包含多个PeerConnection。

const pc2 = new RTCPeerConnection({...});

在寻找对等端阶段，信令服务器的工作一般是标识与验证参与者的身份，浏览器连接信令服务器并发送会话必须信息，如房间号、账号信息等，由信令服务器找到可以通信的对等端并开始尝试通信。

其实在整个WebRTC通信过程中，信令服务器都是一个非常重要的角色，除了上述作用，SDP交换、ICE连接等都离不开信令，后文将会提到。

第二步：进行协商

协商过程主要指SDP交换。

SDP协议

SDP（Session Description Protocol）指会话描述协议，是一种通用的协议，使用范围不仅限于WebRTC。主要用来描述多媒体会话，用途包括会话声明、会话邀请、会话初始化等。

在WebRTC中，SDP主要用来描述：

• 设备支持的媒体能力，包括编解码器等
• ICE候选地址
• 流媒体传输协议

SDP协议基于文本，格式非常简单，它由多个行组成，每一行都为一下格式：

=

其中，type表示属性名，value表示属性值，具体格式与type有关。下面是一份典型的SDP协议样例：

v=0
o=alice 2890844526 2890844526 IN IP4 host.anywhere.com
s=
c=IN IP4 host.anywhere.com
t=0 0
m=audio 49170 RTP/AVP 0
a=rtpmap:0 PCMU/8000
m=video 51372 RTP/AVP 31
a=rtpmap:31 H261/90000
m=video 53000 RTP/AVP 32
a=rtpmap:32 MPV/90000

其中：

1. v=代表协议版本号
2. o=代表会话发起者，包括username、sessionId等
3. s=代表session名称，为唯一字段
4. c=代表连接信息，包括网络类型、地址类型、地址等
5. t=代表会话时间，包括开始/结束时间，均为0表示持久会话
6. m=代表媒体描述，包括媒体类型、端口、传输协议、媒体格式等
7. a=代表附加属性，此处用于对媒体协议进行扩展

Plan B VS Unified Plan

在WebRTC发展过程中，SDP的语义（semantics）也发生了多次改变，目前使用最多的是Plan B和Unified Plan两种。两者均可在一个PeerConnection中表示多路媒体流，区别在于：

• Plan B：所有视频流和所有音频流各自放在一个m=值里，用ssrc区分
• Unified Plan：每路流各自用一个m=值

目前最新发布的 WebRTC 1.0 采用的是Unified Plan，已被主流浏览器支持并默认开启。Chrome浏览器支持通过以下API获取当前使用的semantics：

// Chrome
RTCPeerconnection.getConfiguration().sdpSemantics; // 'unified-plan' or 'plan b'

协商过程

协商过程并不复杂，如下图所示：

会话发起者通过createOffer创建一个offer，经过信令服务器发送到接收方，接收方调用createAnswer创建answer并返回给发送方，完成交换。

// 发送方，sendOffer/onReveiveAnswer为伪方法
const pc1 = new RTCPeerConnection();
const offer = await pc1.createOffer();
pc1.setLocalDescription(offer);
sendOffer(offer);

onReveiveAnswer((answer) => {
  pc1.setRemoteDescription(answer);
});

// 接收方，sendAnswer/onReveiveOffer为伪方法
const pc2 = new RTCPeerConnection();
onReveiveOffer((offer) => {
  pc2.setRemoteDescription(answer);
  const answer = await pc2.createAnswer();
  pc2.setLocalDescription(answer);
  sendAnswer(answer);
});

值得注意的是，随着通信过程中双方相关信息的变化，SDP交换可能会进行多次。

第三步：建立连接

现代互联网环境非常复杂，我们的设备通常隐藏在层层网关后面，因此，要建立直接的连接，还需要知道双方可用的连接地址，这个过程被称为NAT穿越，主要由ICE服务器完成，所以也称为ICE打洞。

ICE

ICE（Interactive Connectivity Establishment）服务器是独立于通信双方外的第三方服务器，其主要作用，是获取设备的可用地址，供对等端进行连接，由STUN（Session Traversal Utilities for NAT）服务器来完成。每一个可用地址，都被称为一个ICE候选项（ICE Candidate），浏览器将从候选项中选出最合适的使用。其中，候选项的类型及优先级如下：

1. 主机候选项：通过设备网卡获取，通常是内网地址，优先级最高
2. 反射地址候选项：由ICE服务器获取，属于设备在外网的地址，获取过程比较复杂，可以简单理解为：浏览器向服务器发送多个检测请求，根据服务器的返回情况，来综合判断并获知自身在公网中的地址
3. 中继候选项：由ICE中继服务器提供，前两者都行不通之后的兜底选择，优先级最低

新建PeerConnection时可指定ICE服务器地址，每次WebRTC找到一个可用的候选项，都会触发一次icecandidate事件，此时可调用addIceCandidate方法来将候选项添加到通信中：

const pc = new RTCPeerConnection({
  iceServers: [
    { "url": "stun:stun.l.google.com:19302" },
    { "url": "turn:[email protected]", "credential": "pass" }
  ] // 配置ICE服务器
}); 
pc.addEventListener('icecandidate', e => {
  pc.addIceCandidate(event.candidate);
});

通过候选项建立的ICE连接，可以大致分为下图两种情况：

1. 直接P2P的连接，为上述 1&2 两种候选项的情况；
2. 通过TURN（Traversal Using Relays around NAT）中继服务器的连接，为上述第三种情况。

同样的，由于网络变动等原因，通信过程中的ICE打洞，同样可能发生多次。

第四步：进行通信

WebRTC选择了UDP作为底层传输协议。为什么不选择可靠性更强的TCP？原因主要有三个：

1. UDP协议无连接，资源消耗小，速度快
2. 传输过程中少量的数据损失影响不大
3. TCP协议的超时重连机制会造成非常明显的延迟

而在UDP之上，WebRTC使用了再封装的RTP与RTCP两个协议：

• RTP（Realtime Transport Protocol）：实时传输协议，主要用来传输对实时性要求比较高的数据，比如音视频数据
• RTCP（RTP Trasport Control Protocol）：RTP传输控制协议，顾名思义，主要用来监控数据传输的质量，并给予数据发送方反馈。

在实际通信过程中，两种协议的数据收发会同时进行。

关键API

下面将以一个demo的代码，来展示前端WebRTC中都用到了哪些API：

HTML

    
    
    
    
    
    
    




    
    

    

        Start
        Call
    

JS

'use strict';

const startButton = document.getElementById('startButton');
const callButton = document.getElementById('callButton');
callButton.disabled = true;
startButton.addEventListener('click', start);
callButton.addEventListener('click', call);

const localVideo = document.getElementById('localVideo');
const remoteVideo = document.getElementById('remoteVideo');

let localStream;
let pc1;
let pc2;
const offerOptions = {
  offerToReceiveAudio: 1,
  offerToReceiveVideo: 1
};

async function start() {
  /**
   * 获取本地媒体流
   */
  startButton.disabled = true;
  const stream = await navigator.mediaDevices.getUserMedia({audio: true, video: true});
  localVideo.srcObject = stream;
  localStream = stream;
  callButton.disabled = false;
}

function gotRemoteStream(e) {
  if (remoteVideo.srcObject !== e.streams[0]) {
    remoteVideo.srcObject = e.streams[0];
    console.log('pc2 received remote stream');
    setTimeout(() => {
      pc1.getStats(null).then(stats => console.log(stats));
    }, 2000)
  }
}

function getName(pc) {
  return (pc === pc1) ? 'pc1' : 'pc2';
}

function getOtherPc(pc) {
  return (pc === pc1) ? pc2 : pc1;
}

async function call() {
  callButton.disabled = true;
  /**
   * 创建呼叫连接
   */
  pc1 = new RTCPeerConnection({
    sdpSemantics: 'unified-plan', // 指定使用 unified plan
    iceServers: [
        { "url": "stun:stun.l.google.com:19302" },
        { "url": "turn:[email protected]", "credential": "pass" }
    ] // 配置ICE服务器
  }); 
  pc1.addEventListener('icecandidate', e => onIceCandidate(pc1, e)); // 监听ice候选项事件

  /**
   * 创建应答连接
   */
  pc2 = new RTCPeerConnection();

  pc2.addEventListener('icecandidate', e => onIceCandidate(pc2, e));
  pc2.addEventListener('track', gotRemoteStream);

  /**
   * 添加本地媒体流
   */
  localStream.getTracks().forEach(track => pc1.addTrack(track, localStream));

  /**
   * pc1 createOffer
   */
  const offer = await pc1.createOffer(offerOptions); // 创建offer
  await onCreateOfferSuccess(offer);
}

async function onCreateOfferSuccess(desc) {
  /**
   * pc1 设置本地sdp
   */
  await pc1.setLocalDescription(desc);

  
  /******* 以下以pc2为对方，来模拟收到offer的场景 *******/

  /**
   * pc2 设置远程sdp
   */
  await pc2.setRemoteDescription(desc);
  
  /**
   * pc2 createAnswer
   */
  const answer = await pc2.createAnswer(); // 创建answer
  await onCreateAnswerSuccess(answer);
}

async function onCreateAnswerSuccess(desc) {
  /**
   * pc2 设置本地sdp
   */
  await pc2.setLocalDescription(desc);

  /**
   * pc1 设置远程sdp
   */
  await pc1.setRemoteDescription(desc);
}

async function onIceCandidate(pc, event) {
  try {
    await (getOtherPc(pc).addIceCandidate(event.candidate)); // 设置ice候选项
    onAddIceCandidateSuccess(pc);
  } catch (e) {
    onAddIceCandidateError(pc, e);
  }
  console.log(`${getName(pc)} ICE candidate:\n${event.candidate ? event.candidate.candidate : '(null)'}`);
}

function onAddIceCandidateSuccess(pc) {
  console.log(`${getName(pc)} addIceCandidate success`);
}

function onAddIceCandidateError(pc, error) {
  console.log(`${getName(pc)} failed to add ICE Candidate: ${error.toString()}`);
}

写在最后

作为「概览」，本文从比较浅的层次介绍了WebRTC技术，很多细节及原理性的内容，限于篇幅未作深入阐述。笔者也是刚接触几个月，如有谬误，还请告知。

在实际业务中，对WebRTC的使用并非简单的P2P通信，后面将另开话题，来聊聊在线教育业务在实时音视频中是如何使用WebRTC，又是如何实现百万级同时在线上课的。