关于云计算:WebRTC-SDP-详解和剖析

WebRTC 是 Web Real-Time Communication，即网页实时通信的缩写，是 RTC 协定的一种 Web 实现，我的项目由 Google 开源，并和 IETF 和 W3C 制订了行业标准。在国内 WebRTC 曾经取得了越来越多厂商的反对，利用前景变得更加广大，所以咱们也开设专栏，分享阿里云外部的 WebRTC 钻研工作。

本篇是阿里云视频云 WebRTC 技术专栏系列文章的第一篇，作者将从 WebRTC SDP 例子和要害属性的角度为大家深度分析解读，其中也分享了阿里云技术专家的一些实践经验，心愿能对大家有所帮忙或者启发。后续 WebRTC 技术专栏系列将持续推出 WebRTC ICE/DTLS/SRTP/RTCP/TURN 的详解与分析，欢送关注咱们的公众号。

作者：
忘篱，阿里云高级技术专家，负责阿里云 RTC 服务器研发；
泰一，阿里云高级开发工程师，从事阿里云 RTC 服务器研发

Overview

广义的说 WebRTC 是指浏览器端，浏览器端如何间接替换数据呢？必定是没法齐全独立实现的，必须得依附服务器。个别依赖几种服务器：

1. Signaling 信令服务器，也就是替换房间和会议的媒体信息，以及会议期间的音讯，媒体形容应用的是 SDP 协定，也就是本文分析的重点。
2. ICE 服务器，能够分为帮忙两个客户端打洞建设 P2P 连贯的 STUN 服务器，还有如果连不通就间接转发的 TURN 服务器。ICE 的信息叫 Candidate，能够通过 SDP 替换，或者通过 Trickle。
3. SFU 或 MCU 服务器，如果多集体散会，每个端都向其余参会的端间接发送数据叫 MESH，然而 MESH 显著有局限性，SFU 就是转发能够让客户端只上行一路流转给其余客户端，而 MCU 更弱小，能够上下行都只有一路流。

Note: WebRTC 除了传输，还有一个重要个性就是安全性，也就是 DTLS，而 DTLS 有些信息就是通过 SDP 传递的，前面会有相干的技术文章来介绍 DTLS。

上面，咱们正式介绍 SDP 协定。

What’s SDP

本文开篇的 SDP 要害属性图，曾经帮忙咱们以全局的视角一窥 SDP 的模样。SDP 形容了媒体会话，网络信息、平安个性、传输策略等，图中的每一个 SDP 属性都在不同的利用场景下施展着不同的作用，不可小觑。

接下来，咱们进一步给出 SDP 的官网定义：SDP(Session Description Protocol) 是一种会话形容协定，基于文本，其自身并不属于传输协定，须要依赖其它的传输协定（比方 SIP 和 HTTP）来替换必要的媒体信息，用于两个会话实体之间的媒体协商。

WebRTC 的 Offer 和 Answer 蕴含了 SDP。相干的 RFC 包含：

1. 1998, RFC2327
2. 2006, RFC4566

一个不错的 WebRTC 的 SDP 例子剖析

Offer and Answer

WebRTC 应用 Offer-Answer 模型替换 SDP，Offer 中有 SDP，Answer 中也有。例如 Alice 和 Bob 通过 WebRTC 通信：

// Alice Offer
v=0
o=- 2397106153131073818 2 IN IP4 127.0.0.1
s=-
t=0 0
a=group:BUNDLE video
a=msid-semantic: WMS gLzQPGuagv3xXolwPiiGAULOwOLNItvl8LyS
m=video 9 UDP/TLS/RTP/SAVPF 96 97
c=IN IP4 0.0.0.0
a=rtcp:9 IN IP4 0.0.0.0
a=ice-ufrag:l5KU
a=ice-pwd:+Sxmm3PoJUERpeHYL0HW4/T9
a=ice-options:trickle
a=fingerprint:sha-256 7C:93:85:40:01:07:91:BE:DA:64:A0:37:7E:61:CB:9D:91:9B:44:F6:C9:AC:3B:37:1C:00:15:4C:5A:B5:67:74
a=setup:actpass
a=mid:video
a=sendrecv
a=rtcp-mux
a=rtcp-rsize
a=rtpmap:96 VP8/90000
a=rtcp-fb:96 goog-remb
a=rtcp-fb:96 transport-cc
a=rtcp-fb:96 ccm fir
a=rtcp-fb:96 nack
a=rtcp-fb:96 nack pli
a=rtpmap:97 rtx/90000
a=fmtp:97 apt=96
a=ssrc-group:FID 2527104241
a=ssrc:2527104241 cname:JPmKBgFHH5YVFyaJ
a=ssrc:2527104241 msid:gLzQPGuagv3xXolwPiiGAULOwOLNItvl8LyS c7072509-df47-4828-ad03-7d0274585a56
a=ssrc:2527104241 mslabel:gLzQPGuagv3xXolwPiiGAULOwOLNItvl8LyS
a=ssrc:2527104241 label:c7072509-df47-4828-ad03-7d0274585a56

// Bob Answer
v=0
o=- 5443219974135798586 2 IN IP4 127.0.0.1
s=-
t=0 0
a=group:BUNDLE video
a=msid-semantic: WMS uiZ7cB0hsFDRGgTIMNp6TajUK9dOoHi43HVs
m=video 9 UDP/TLS/RTP/SAVPF 96 97
c=IN IP4 0.0.0.0
a=rtcp:9 IN IP4 0.0.0.0
a=ice-ufrag:MUZf
a=ice-pwd:4QhikLcmGXnCfAzHDB++ZjM5
a=ice-options:trickle
a=fingerprint:sha-256 2A:5A:B8:43:66:05:B3:6A:E9:46:36:DF:DF:20:11:6A:F6:11:EA:D9:4E:26:E3:CE:5A:3A:C6:8D:03:49:7B:DE
a=setup:active
a=mid:video
a=sendrecv
a=rtcp-mux
a=rtcp-rsize
a=rtpmap:96 VP8/90000
a=rtcp-fb:96 goog-remb
a=rtcp-fb:96 transport-cc
a=rtcp-fb:96 ccm fir
a=rtcp-fb:96 nack
a=rtcp-fb:96 nack pli
a=rtpmap:97 rtx/90000
a=fmtp:97 apt=96
a=ssrc-group:FID 3587783331
a=ssrc:3587783331 cname:INxZnBV2Sty1zlmN
a=ssrc:3587783331 msid:uiZ7cB0hsFDRGgTIMNp6TajUK9dOoHi43HVs a3b297e7-cdbe-464e-a32c-347465ace055
a=ssrc:3587783331 mslabel:uiZ7cB0hsFDRGgTIMNp6TajUK9dOoHi43HVs
a=ssrc:3587783331 label:a3b297e7-cdbe-464e-a32c-347465ace055

Remark: 用 Chrome 浏览器，先关上 webrtc-internals，而后关上 Alice 页面点 Share 按钮，接着关上 Bob 页面点 Share，看到下面的 Offer 和 Answer。

替换完 SDP 后，会替换 Candidate：

// Alice Candidate
candidate: candidate:1912876010 1 udp 2122260223 30.2.220.94 52832 typ host generation 0 ufrag l5KU network-id 1 network-cost 10
candidate: candidate:1015535386 1 tcp 1518280447 30.2.220.94 9 typ host tcptype active generation 0 ufrag l5KU network-id 1 network-cost 10

// Bob Candidate
candidate:1912876010 1 udp 2122260223 30.2.220.94 51551 typ host generation 0 ufrag MUZf network-id 1 network-cost 10

最初 Alice 和 Bob 通信的 Candidate pair，抉择的是 UDP 通道：

Alice 发送的 Video 的信息：

Alice 收到的 (Bob 的) Video 信息：

一般来说，推流方先发动 Offer，接管方给 Answer。比方客户端推流到 SFU，客户端发动 Offer 推流，SFU 给客户端 Answer，客户端将流推到 SFU，SFU 再转发给其余客户端。Licode 和 Janus 都是这种做法，这种形式下，如果客户端须要拉取其余的客户端的流，个别须要应用另外的 PeerConnection，接管 SFU 的 Offer，生成 Answer 后回应给 SFU。

不过，推流方发动 Offer 不是必须的，接管方也能够给 Offer，推流方给 Answer。比方 MediaSoup 这种 SFU，客户端先给一个 Offer 给 SFU，SFU 只是查看这个 Offer 中的媒体个性，而后 SFU 会生成 Offer（蕴含会议中的其余客户端的流，如果没有人则没有 SSRC）给客户端，客户端发送 Answer 给 SFU。这种形式的益处是其余客户端退出，以及流的变更（比方敞开视频关上视频时），都能够应用 Reoffer，也就是对立由 SFU 发动新的 Offer，客户端响应，SFU 和客户端的交互模式只有一种。

SDP Structure

SDP 形容分为两局部，别离是会话级别的形容（session level）和媒体级别的形容（media level），其具体的组成可参考 RFC4566，带星号 (*) 的是可选的。常见的内容如下：

Session description（会话级别形容）v=  (protocol version)
         o=  (originator and session identifier)
         s=  (session name)
         c=* (connection information -- not required if included in all media)
         One or more Time descriptions ("t=" and "r=" lines; see below)
         a=* (zero or more session attribute lines)
         Zero or more Media descriptions

Time description
         t=  (time the session is active)

Media description（媒体级别形容）, if present
         m=  (media name and transport address)
         c=* (connection information -- optional if included at session level)
         a=* (zero or more media attribute lines)

对照 Alice 的 Offer（只蕴含了视频没有开启音频）：

// Session description
v=0
o=- 2397106153131073818 2 IN IP4 127.0.0.1
s=-
c=IN IP4 0.0.0.0

// Time description
t=0 0

// Session Attributes
a=group:BUNDLE video
a=msid-semantic: WMS gLzQPGuagv3xXolwPiiGAULOwOLNItvl8LyS

// Media description
m=video 9 UDP/TLS/RTP/SAVPF 96 97
c=IN IP4 0.0.0.0
a=rtcp:9 IN IP4 0.0.0.0
a=ice-ufrag:l5KU
a=ice-pwd:+Sxmm3PoJUERpeHYL0HW4/T9
a=ice-options:trickle
a=fingerprint:sha-256 7C:93:85:40:01:07:91:BE:DA:64:A0:37:7E:61:CB:9D:91:9B:44:F6:C9:AC:3B:37:1C:00:15:4C:5A:B5:67:74
a=setup:actpass
a=mid:video
a=sendrecv
a=rtcp-mux
a=rtcp-rsize
a=rtpmap:96 VP8/90000
a=rtcp-fb:96 goog-remb
a=rtcp-fb:96 transport-cc
a=rtcp-fb:96 ccm fir
a=rtcp-fb:96 nack
a=rtcp-fb:96 nack pli
a=rtpmap:97 rtx/90000
a=fmtp:97 apt=96
a=ssrc-group:FID 2527104241
a=ssrc:2527104241 cname:JPmKBgFHH5YVFyaJ
a=ssrc:2527104241 msid:gLzQPGuagv3xXolwPiiGAULOwOLNItvl8LyS c7072509-df47-4828-ad03-7d0274585a56
a=ssrc:2527104241 mslabel:gLzQPGuagv3xXolwPiiGAULOwOLNItvl8LyS
a=ssrc:2527104241 label:c7072509-df47-4828-ad03-7d0274585a56

SDP Line 是程序相干的，比方 a=rtpmap:96 前面的都是它相干的设置，直到下一行是 a=rtpmap 或者其余属性。

SDP Line 没有对立的 Schema 形容，也就是没有一个固定的规定能解析所有 Line，SDP Grammer 只是形容了 SDP 相干的属性，具体每个属性的表白须要依据属性定义，定义在 RFC 4566，例如：

a=rtpmap:<payload type> <encoding name>/<clock rate> [/<encoding parameters>]

SDP 解析时，每个 SDP Line 都是以 key=... 模式，解析出 key 是 a 后，可能有两种形式，可参考 RFC4566：

a=<attribute>
a=<attribute>:<value>

比方 c=IN IP4 0.0.0.0，key 为 c。
比方 a=rtcp-mux，key 为 a，attribute 为 rtcp-mux，没有 value。
比方 a=rtpmap:96 VP8/90000，key 为 a，attribute 为 rtpmap，value=96 VP8/90000。

有时候并非冒号 (:) 就肯定是 <attribute>:<value>，实际上 value 外面也会有冒号，比方：

a=fingerprint:sha-256 7C:93:85:40:01:07:91:BE
a=extmap:2 urn:ietf:params:rtp-hdrext:toffset
a=extmap:3 http://www.webrtc.org/experiments/rtp-hdrext/abs-send-time
a=ssrc:2527104241 msid:gLzQPGuagv3xXolwPiiGAULOwOLNItvl8LyS

Session Level Field

会话级别的 SDP 形容字段包含：v、o、s、c、b、t。

• v(version)

SDP 协定版本，值固定为 0。

• o(origin)

代表会话的发起者。

• s(session name)

会话的名称，每个 SDP 中有且仅能有一个 s 形容，其值不能为空。

• c(connection data)

携带了会话的连贯信息，其实就是 IP 地址。
SDP 的会话级别形容能够蕴含该字段，每一个媒体级别的形容也能够蕴含该字段，如果会话级别和媒体级别都有 c line，那么以媒体级别的 c line 为准。
因为 WebRTC 应用 ICE candidate 替换地址信息，所以不会用到 c line，不过这并不代表 c line 没有用，在 SIP 视频会议场景中，c line 就必不可少了，文末会再次介绍该字段。

• b (bandwidth)

示意会话或媒体应用的倡议带宽。

• t(timing)

指定了会话的开始和完结工夫，如果开始和完结工夫都为 0，那么意味着这次会话是永恒的。

对于会话级别字段的更具体的形容，请参考 RFC 4566。

Media Codecs

会话级别形容实现后，前面就是零到多个媒体级别形容，比方：

// Session Description
v=0
......

// Audio Media Description
m=audio 9 UDP/TLS/RTP/SAVPF 111
......

// Video Media Description
m=video 9 UDP/TLS/RTP/SAVPF 96 97
......

这个 SDP 形容了一个音频和一个视频，它的格局参考 RFC4566:

m=<media> <port> <proto> <fmt> ...

其中，前面的一串数字 111 和 96 97 就是 fmt，别离代表音频和视频的 Media Codec，前面会跟着 rtpmap、rtcp-fb、fmtp 这些属性来做进一步的具体的形容。

m=audio 9 UDP/TLS/RTP/SAVPF 111
a=mid:audio
a=rtpmap:111 opus/48000/2
a=rtcp-fb:111 transport-cc
a=fmtp:111 minptime=10;useinbandfec=1

m=video 9 UDP/TLS/RTP/SAVPF 96 97
a=mid:video
a=rtpmap:96 VP8/90000
a=rtcp-fb:96 goog-remb
a=rtcp-fb:96 transport-cc
a=rtcp-fb:96 ccm fir
a=rtcp-fb:96 nack
a=rtcp-fb:96 nack pli
a=rtpmap:97 rtx/90000
a=fmtp:97 apt=96

Remark: 当然，M line 的类型不是只有 audio 和 video，还有 application(bfcp)、text 等媒体类型。

Remark: a=mid 属性能够认为是每个 M 形容的惟一 ID。比方 a=mid:audio，那么 audio 这个字符串就是这个 M 形容的 ID。有的时候 mid 属性值也能够用数字示意，比方 a=mid:0，那么 0 也是这个 M 形容的 ID。mid 值个别和 grouping 传输属性的 BUNDLE 策略联合来用，比方 a=group:BUNDLE audio video，代表本次会话将对 mid 为 audio 和 video 的 M 形容进行复用传输。

Remark: M line 的数字 9 代表该媒体类型的传输端口，在 RTC 场景中都是应用 ICE candidate 的地址信息进行数据传输，所以 M line 的 port 并没有用到。不过，在 SIP 的场景下，M line 的 port 就非常重要了，此时，port 代表 RTP 端口，而且必须是偶数。联合 SDP 会话级别形容中的 C line 中的 IP 地址，咱们就能够晓得 SIP 的这路媒体流的传输地址。

Remark: RTX 示意是重传，比方 video 的 97，就是 apt=96 的重传。也就是说如果用的是 97 这个编码格局，它是在 96(VP8) 根底上加了重传性能。

而一共有多少媒体流，则是通过 SSRC 指定的：

m=audio 9 UDP/TLS/RTP/SAVPF 111 103 104 9 0 8 106 105 13 110 112 113 126
a=ssrc:2582129002 cname:8Y1pmIKBijmWeALu
a=ssrc:2582129002 msid:34fD1qguf2v79436S1khLkth8Nb6LbedcF9H bab38910-40cd-4581-9a20-e3f558abb397
a=ssrc:2582129002 mslabel:34fD1qguf2v79436S1khLkth8Nb6LbedcF9H
a=ssrc:2582129002 label:bab38910-40cd-4581-9a20-e3f558abb397

m=video 9 UDP/TLS/RTP/SAVPF 96 97 98 99 100 101 102 123 127 122 125 107 108 109 124
a=ssrc:565530905 cname:8Y1pmIKBijmWeALu
a=ssrc:565530905 msid:34fD1qguf2v79436S1khLkth8Nb6LbedcF9H 2c533cfe-b6bf-41a8-93f0-1ca031436702
a=ssrc:565530905 mslabel:34fD1qguf2v79436S1khLkth8Nb6LbedcF9H
a=ssrc:565530905 label:2c533cfe-b6bf-41a8-93f0-1ca031436702

Remark: SSRC 就蕴含了须要发送的媒体流，另外 Offer 和 Answer 中都能够蕴含 SSRC。比方客户端和 MediaSoup 通信时，MediaSoup 总是给客户端发 Offer，MediaSoup 的 Offer 蕴含了 MediaSoup 要发送（转发其余客户端的流给客户端）的媒体流 SSRC，同时客户端的 Answer 中也蕴含了本人要推送的 SSRC 流，他们的类型都是 sendrecv。

Remark: msid 对应了 NetStream.id，也就是代表了不同的媒体源，这些 SSRC 能够是不同的媒体源。

如何确定最初的编码？对方会在 Answer 中给出，比方下面 Offer 给出了多个编码，在 Answer 中会抉择一个：

m=audio 9 UDP/TLS/RTP/SAVPF 111
m=video 9 UDP/TLS/RTP/SAVPF 100 102 127 125 108 124
a=rtpmap:100 H264/90000
a=rtpmap:102 H264/90000
a=rtpmap:127 H264/90000
a=rtpmap:125 H264/90000
a=rtpmap:108 red/90000
a=rtpmap:124 ulpfec/90000

尽管 Video 编码有 100 到 125，然而他们都是 H.264，而 108 和 124 则是 FEC，基于 H.264。

PlanB and UnifiedPlan

下面的 MediaCodecs 中，没有规定如何指定多条流。实际上 Audio 和 Video 都有多个 SSRC，每个 SSRC 的编码可能雷同但也可能不同。比方互联网视频会议，用挪动端接入时，编码可能都是 H.264，然而和其余终端接入时可能会有其余编码。

如果 SSRC 的编码不雷同，那么将这些 SSRC 放在同一个 M 形容就会有问题，这就是 PlanB 和 UnifiedPlan 的关键所在。对于 PlanB 只有一个 M(audio) 和 M(video)，他们的编码要雷同，当有多路媒体流时，则依据 SSRC 去辨别。UnifiedPlan 则能够有多个 M(audio) 和 M(video)，每路流都有本人的 M 形容，这样就能够反对不同的编码。

PlanB 和 UnifiedPlan 其实就是 WebRTC 在多路媒体源（multi media source）场景下的两种不同的 SDP 协商形式。如果引入 Stream 和 Track 的概念，那么一个 Stream 可能蕴含 AudioTrack 和 VideoTrack，当有多路 Stream 时，就会有更多的 Track，如果每一个 Track 惟一对应一个本人的 M 形容，那么这就是 UnifiedPlan，如果每一个 M line 形容了多个 Track(track id)，那么这就是 Plan B。

Note: 当只有一路音频流和一路视频流时，Plan B 和 UnifiedPlan 的格局是互相兼容的。

Remark: Chrome 晚期反对的是 PlanB，目前最新版本也反对了 UnifiedPlan，参考 Need to implement WebRTC “Unified Plan” for multistream。

PlanB 参考下图：

UnifiedPlan 参考下图：

Candidate

Candidate 就是传输的候选人，客户端会生成多个 Candidate，比方有 host 类型的、有 relay 类型的、有 UDP 和 TCP 的，如下图所示：

sdpMid: audio, sdpMLineIndex: 0, candidate:2213672593 1 udp 2122260223 30.2.228.19 51068 typ host
sdpMid: video, sdpMLineIndex: 1, candidate:2213672593 1 udp 2122260223 30.2.228.19 55061 typ host

sdpMid: audio, sdpMLineIndex: 0, candidate:3446803041 1 tcp 1518280447 30.2.228.19 9 typ host
sdpMid: video, sdpMLineIndex: 1, candidate:3446803041 1 tcp 1518280447 30.2.228.19 9 typ host

sdpMid: video, sdpMLineIndex: 1, candidate:150963819 1 udp 41885439 182.92.80.26 54400 typ relay raddr 42.120.74.91 rport 37714
sdpMid: audio, sdpMLineIndex: 0, candidate:150963819 1 udp 41885439 182.92.80.26 59241 typ relay raddr 42.120.74.91 rport 49618

Remark：咱们去掉了前面的属性，比方 generation 0 ufrag kce9 network-id 1 network-cost 10，这些属于 Candidate 的形容，和连通性查看等相干。

客户端本人生成了 6 个 Candidates，3 个 Audio 和 3 个 Video，2 个 TCP 和 4 个 UDP，4 个 host 和 2 个 relay。当然对方也会有很多 Candidate，接下来就是本人的 Candidates 和对方的 Candidates 匹配连通（ICE Connectivity Checks），造成 CandidatePair 也就是传输通道。Candidate 还附带了网络属性，比方 network-cost 会在 ICE Connectivity Checks 时用到。

Remark: 对于 Candidate 的类型，还有 srflx 以及 prflx，对于这两种 Candidate 类型的定义以及辨别，前面会在 ICE 相干的技术文章中介绍。

Remark: 对于 ICE Connectivity Checks 咱们会在前面给出具体的剖析，波及到了 STUN 协定。上面会总结出 ICE 相干的 SDP 信息。

SDP 和 Candidate 都是通过信令替换的。如果对方只给了 relay 的 Candidate，例如：

sdpMid: audio, sdpMLineIndex: 0, candidate:150963819 1 udp 41885439 182.92.80.26 51542 typ relay raddr 42.120.74.91 rport 56380

这种状况下，必定最初连通的 CandidatePair 是 Relay 对 Relay，如下图所示：

从这个图中能看进去这个传输通道的发送和接管码率、包的个数、RTT 和丢包率等信息。

实际上，因为咱们这个客户端还有 host 类型的 Candidate，所以它会尝试间接用 host 的这个 Candidate 和对方的 relay 间接连贯：

sdpMid: audio, sdpMLineIndex: 0, candidate:2213672593 1 udp 2122260223 30.2.228.19 51068 typ host

Statistics Conn-audio-1-1
googActiveConnection    false

当然，因为没有连通所以这个 CandidatePair 就不可用。

Remark: WebRTC 是具备在多个 Candidate 之间切换的能力的，具体在 ICE Connectivity Checks 中咱们再剖析。

下面的 Candidates 本人生成了 2 个 Relay 的 Candidates，一个是 audio 的一个是 video 的，为何只用到了 audio 的呢？这就是上面的 BUNDLE 波及的了。

Bundle and RTCP-MUX

传输时，能够复用媒体通道，一种是音频和视频的复用，一种是 RTCP 和 RTP 的复用。

RTCP 和 RTP 复用，示意 Sender 应用一个传输通道（繁多端口）发送 RTP 和 RTCP：

m=audio 9 UDP/TLS/RTP/SAVPF 111 103 104 9 0 8 106 105 13 110 112 113 126
a=rtcp-mux

m=video 9 UDP/TLS/RTP/SAVPF 96 97 98 99 100 101 102 123 127 122 125 107 108 109 124
a=rtcp-mux

此时，Receiver 必须筹备好在 RTP 端口上接管 RTCP 数据，并须要预留一些资源，比方 RTCP 带宽。

音频和视频复用时，最初只会用一个 Candidate 传输，比方客户端本人的 SDP Offer，和两个 relay 的 Candidates：

a=group:BUNDLE audio video

m=audio 9 UDP/TLS/RTP/SAVPF 111 103 104 9 0 8 106 105 13 110 112 113 126
a=mid:audio

m=video 9 UDP/TLS/RTP/SAVPF 96 97 98 99 100 101 102 123 127 122 125 107 108 109 124
a=mid:video

sdpMid: video, sdpMLineIndex: 1, candidate:150963819 1 udp 41885439 182.92.80.26 54400 typ relay raddr 42.120.74.91 rport 37714
sdpMid: audio, sdpMLineIndex: 0, candidate:150963819 1 udp 41885439 182.92.80.26 59241 typ relay raddr 42.120.74.91 rport 49618

这示意最终 audio 和 video 只管可能有独立的 Candidate，然而如果对方也是 BUNDLE，那么最终只会用一个 Candidate。例如，如果对方的 Answer 是：

a=group:BUNDLE audio video

m=audio 9 UDP/TLS/RTP/SAVPF 111 103 104 9 0 8 106 105 13 110 112 113 126
a=mid:audio

m=video 9 UDP/TLS/RTP/SAVPF 96 97 98 99 100 101 102 123 127 122 125 107 108 109 124
a=mid:video

sdpMid: audio, sdpMLineIndex: 0, candidate:150963819 1 udp 41885439 182.92.80.26 51542 typ relay raddr 42.120.74.91 rport 56380

最初它们只会用一个 Candidate 传输。如下图所示：

rtcp-mux 将 RTP 和 RTCP 复用到繁多的端口进行传输，这简化了 NAT traversal，而 BUNDLE 又将多路媒体流复用到同一端口进行传输，这不仅使 candidate harvesting 等 ICE 相干的 SDP 属性变得简略，而且又进一步简化了 NAT traversal。

rtcp-mux 是与 RTC 传输相干的重要的 SDP 属性，对于它的 SDP 协商的准则如下：

1. 如果 Offer 携带 rtcp-mux 属性，并且 Answer 方心愿复用 RTP 和 RTCP 到繁多端口，那么 Answer 必须也要携带该属性。
2. 如果 Offer 没有携带 rtcp-mux 属性，那么 Answer 也肯定不能携带 rtcp-mux 属性，而且 Answer 方禁止 RTP 和 RTCP 复用繁多端口。
3. rtcp-mux 的协商和应用必须是双向的。

举个例子。客户端去订阅服务器的流，客户端的 Offer 没有携带 rtcp-mux 属性，那么服务器会认为客户端不反对 rtcp-mux，也不会走 rtcp 复用的流程。相同，服务器会别离创立 RTP 和 RTCP 两个传输通道，只有当两个通道的 ICE 和 DTLS 都胜利，才会认为本次订阅的传输通道建设胜利，继而向客户端发流。

试想，如果因为你的忽略导致 Offer 漏掉了 rtcp-mux 属性，那么你将永远等不到服务器 Ready 的那一天。所以，SDP 看似只是一些文本，很简略，然而只有在我的项目的实战中，多遇到几个坑，能力更深切的领会到 SDP 属性的含意以及这些属性是如何在 RTC 场景中去发挥作用的。

Remark: 对于 rtcp-mux 更具体的协商细节请参考 RFC 8035。

Remark: 对于 rtcp-mux 场景下如何通过头部字段辨别 rtp 和 rtcp，请参考 RFC 5761。

ICE Connectivity

这里咱们只阐明 SDP 中和 ICE Connectivity Checks 相干的信息，具体的过程咱们会在其余文章中独自剖析。

SDP 中和 ICE 相干的信息包含：

m=audio 9 UDP/TLS/RTP/SAVPF 111 103 104 9 0 8 106 105 13 110 112 113 126
a=ice-ufrag:kce9
a=ice-pwd:M31WxfrwmrFvPws4+tPdbsCE
a=ice-options:trickle

m=video 9 UDP/TLS/RTP/SAVPF 96 97 98 99 100 101 102 123 127 122 125 107 108 109 124
a=ice-ufrag:kce9
a=ice-pwd:M31WxfrwmrFvPws4+tPdbsCE
a=ice-options:trickle

ufrag 和 pwd 就是 ICE short-term 认证算法用到的用户名和明码。而 trickle 阐明 SDP 中没有蕴含 candidate 信息，Candidate 是通过信令独自替换的，这样能够做到 Connectivity checks 和 Candidate harvesting 并行处理，进步会话建设的速度。

DTLS

这里咱们只阐明 SDP 中对于 DTLS 的信息，具体的 DTLS 握手过程会在 DTLS 相干的技术文章中独自剖析。

SDP 中和 DTLS 相干的信息包含：

m=audio 9 UDP/TLS/RTP/SAVPF 111 103 104 9 0 8 106 105 13 110 112 113 126B0:A2:B3:AB:0B:A3:44:22:B1:C8:69:52:ED:04:E8:5A:A4:C3:7A:A6:55:F3:BA:76:62:26:4B:F7:9F:DD:F1:BD
a=setup:actpass

m=video 9 UDP/TLS/RTP/SAVPF 96 97 98 99 100 101 102 123 127 122 125 107 108 109 124
a=fingerprint:sha-256 B0:A2:B3:AB:0B:A3:44:22:B1:C8:69:52:ED:04:E8:5A:A4:C3:7A:A6:55:F3:BA:76:62:26:4B:F7:9F:DD:F1:BD
a=setup:actpass

其中 fingerprint 是 DTLS 过程中的 Certificate 证书的签名，避免客户端和服务器的证书被篡改。

另外，setup 指的是 DTLS 的角色，也就是谁是 DTLS Client(active)，谁是 DTLS Server(passive)，如果本人两个都能够那就是 actpass。这里咱们是 actpass，那么就要由对方在 Answer 中确定最终的 DTLS 角色：

m=audio 9 UDP/TLS/RTP/SAVPF 111 103 104 9 0 8 106 105 13 110 112 113 126
a=fingerprint:sha-256 B1:FD:D6:2D:94:4E:33:A1:8C:9D:EF:ED:EB:AC:CC:2D:E2:37:15:9B:24:8C:BF:F2:7D:6A:B3:81:23:AA:13:54
a=setup:active

对方是 active，也就是 DTLS Client，那么本人就只能是 DTLS Server，会由对方发动 DTLS ClientHello 开始 DTLS 过程。

Stream Direction

媒体流的方向有四种，别离是 sendonly、recvonly、sendrecv、inactive，它们既能够呈现在会话级别形容中也能够呈现在媒体级别的形容中。

• sendonly 示意只发送数据，比方客户端推流到 SFU，那么会在本人的 Offer(or Answer) 中携带 senonly 属性
• revonly 示意只接收数据，比方客户端向 SFU 订阅流，那么会在本人的 Offer(or Answer) 中携带 recvonly 属性
• sendrecv 示意能够双向传输，比方客户端退出到视频会议中，既要公布本人的流又要订阅他人的流，那么就须要在本人的 Offer(or Answer) 中携带 sendrecv 属性
• inactive 示意禁止发送数据，比方在基于 RTP 的视频会议中，主持人临时禁掉用户 A 的语音，那么用户 A 的对于音频的媒体级别形容应该携带 inactive 属性，示意不能再发送音频数据。

NOTE: RFC 4566: senonly 和 recvonly 属性仅利用于媒体，不用于媒体管制相干的协定。比方在基于 RTP 的媒体会话中，即便是 recvonly 模式，也依然要发送 RTCP 包，即便是 senonly 模式，也仍然会接管并失常解决 RTCP 包。

媒体流方向的四个属性很重要，在组装 SDP 时要认真校验，保障流方向的正确性。

举个例子，客户端去订阅服务器的流。如果此时客户端的 Offer 携带的属性并不是 recvonly 而是 sendonly，那么即便在信令层面确实是订阅的语义，然而因为某些服务器对 SDP 各属性的校验是非常全面和严格的（本该如此），这种场景下，服务器将不会发送媒体流到客户端，而且服务器回复的 Answer 可能基本不会携带 SSRC。

RTCP Feedback

上面，咱们聊一下 rtcp-fb 这个媒体级别的 SDP 属性，它能通知咱们媒体会话可能对哪些 RTCP 音讯进行反馈，是一个和 QoS 相干的重要的 SDP 属性。

m=video 9 UDP/TLS/RTP/SAVPF 96
a=mid:video
a=rtpmap:96 VP8/90000
a=rtcp-fb:96 transport-cc
a=rtcp-fb:96 ccm fir
a=rtcp-fb:96 nack pli

如上 SDP 信息，这是一个视频的 M 形容，VP8 编码，payload type 是 96。最初的 3 个 rtcp-fb 属性则阐明了对于 96 这个 media codec 来讲，在网络拥塞管制方面反对 twcc；在 ARQ 方面反对 nack 解决，可能重传失落的 RTP 包；在关键帧方面反对 fir 和 pli 解决，有能力进行关键帧的发送。

在做 SIP 的时候，遇到过一个坑：向某台型号的 SIP 设施发送 PLI 申请后，并没有收到关键帧，通过一番折腾，最初发现，这台设施的 rtcp-fb 形容如下：

m=video 16402 RTP/AVP  34
a=rtpmap:34 H263/90000
a=fmtp:34 CIF4=1;CIF=1;QCIF=1;SQCIF=1
a=sendrecv
a=rtcp-fb:* ccm tmmbr
a=rtcp-fb:* ccm fir

也就是说这台设施只反对 FIR 申请，没有解决 PLI 申请的能力（PS: 为什么没能早一些查看 SDP 的 rtcp 反馈能力，泪目）。在此也想着重强调一下：对于一些很业余谨严的零碎或者设施而言，SDP 齐全体现了它们所领有的能力，也能够让咱们发现其不具备的能力。SDP 的每一个属性都是有其存在意义的，万万不可疏忽。

Note: rtcp-fb 不能用于会话级别的形容中，只能用于媒体级别的形容，而且其 M 形容的 proto 字段肯定要指定 AVPF。

Note: 存在这种格局，a=rtcp-fb:* ccm fir，星号是一个通配符，示意该 M 形容下的所有类型的 media codec 都反对 fir 的解决和关键帧的反馈。

Compare with SIP SDP

RTC 场景与 SIP 场景下的 SDP 形容的不同体现在传输、媒体、信令三个层面。

Transmission Level

1. 建连流程。RTC 场景下的音视频媒体流建连流程个别是 ICE + DTLS，而 SIP 场景下没有这套建连流程，所以也没有 ICE/DTLS 相干的 SDP 属性，比方 ufrag、pwd、setup、fingerprint 等。
2. 端口复用。RTC 场景下个别都是音视频流以及 RTP/RTCP 复用繁多端口，通过 SSRC 辨别每一路流，通过数据包的头部字段值来辨别 RTP/RTCP，而 SIP 场景下不会复用端口，因而没有 rtcp-mux 属性，也没有 grouping 相干的属性，比方 BUNDLE，且音视频的 RTP 和 RTCP 都是独立端口进行传输，共有四个，所以人造能够应用端口来区分流以及 RTP/RTCP，因而也没有 SSRC 属性。
3. 链路探测。RTC 场景下个别通过 ICE 的 STUN 探测环节来发现对端通过 NAT 映射之后的进口地址，称为 srflx，而 SIP 场景下须要本人实现对端地址发现的性能，以获取到 SIP 设施通过 NAT 映射之后的进口地址。
4. 地址信息。RTC 场景下通过 SDP 的 candidate 替换对端地址信息，SIP 场景下通过 C line 的 ip 以及 M line 的端口来替换对端地址信息。

// RTC 场景
a=candidate:1 1 udp 2013266431 30.27.136.138 14306 typ host

// SIP 场景
c=IN IP4 30.41.5.131
m=audio 2352 RTP/AVP 107 108 114 104 105 9 18 8 0 101 123
m=video 2374 RTP/AVP 97 126 96 34 123

Media Level

1. 屏幕共享。SIP 场景下通过 BFCP 协定来进行屏幕共享的协商，通过 a=content 属性来辨别支流（main）和共享流（slides），而 RTC 场景下通过内部 / 业务信令来进行屏幕共享的协商，支流和共享流的 SDP 形容统一，不会辨别。
2. Media Codec。目前，RTC 场景下的音视频编码广泛是 Opus + H.264/VP8，SIP 场景下，对于音频编码，有很多 SIP 设施并不反对 Opus，而采纳比拟古老的音频编码，比方 G722、PCMA、PCMU，对于视频编码，广泛反对 H.264，个别不反对 VP8。

Signaling Level

1. SDP 替换。都是 Offer/Answer 模型，RTC 场景下次要通过 HTTP/TCP 协定替换 SDP，个别是在 HTTP body 中携带 SDP 信息。SIP 场景下能够通过 UDP/TCP/TLS 协定替换 SDP，在 INVITE 和 200 OK 中携带 SDP 信息。

Summary

其实，SDP 文本化的协定格局自身很简略，其难点在于不同的利用场景（比方传统 SIP 视频会议或者 RTC 场景）下扩大出的纷繁复杂的属性及其含意，这些 SDP 属性散落在泛滥的 RFC 以及草案之中，不下肯定的功夫是很难做到全面了解与把握的（PS：每当说到此处，心里总是一万个马奔腾，WebRTC 的 RFC 太多了而且相互关联相互援用，看完这些 RFC 要筹备好视力降落 0.2 度）。

下一篇，咱们会重点讲一下 WebRTC ICE，包含连通性检测、状态切换、trickle 以及 nomination。感激浏览。

阿里云视频云技术公众号分享视频云行业和技术趋势，打造“新内容”、“新交互”。