WebRTC中的SDP

SDP简介

在WebRTC的通信过程中，SDP是其中重要的协议。SDP（Session Description Protocol）全称是会话描述协议。主要用于两个会话实体之间的媒体协商。WebRTC引入SDP来描述媒体信息，用于媒体协商时决定双方是否可以进行通信，以及用何种方式进行通信。SDP作为WebRTC的信令系统的一部分，驱动着WebRTC的运转。从这个角度来说，SDP是WebRTC的灵魂。

标准SDP规范

标准SDP结构由一个会话级描述和多个媒体级描述组成，通常SDP中都会包含一个音频媒体描述和一个视频媒体描述。

每条描述信息都是 <type> = <value> 的形式("=" 两侧不允许有空格存在。)。其中，<type>是描述的目标，它由单个字符构成；<value>是对<type>的解释或约束。会话和媒体都有各自的<type>，另外还有一些公共的<type>。

常见的<type>如下：

会话级

v=(protocol version,协议版本)
o=(owener/creator and session identifier,会话的创建者)
s=(session name,会话名称)
t=(time the session is active,会话存活时间)

媒体级

m=(media,媒体）

公共

c=(connection information,网络信息)
a=(attribute,属性)

这是一个典型简化后的的SDP示例：

v=0
o=- 5910110687297165449 2 IN IP4 127.0.0.1
s=-
t=0 0
...

//第一个媒体流，音频流
m=audio 54797 UDP/TLS/RTP/SAVPF 8
...

//第2个媒体流，视频流
m=video 9 UDP/TLS/RTP/SAVPF 125
...

WebRTC中的SDP

WebRTC对标准SDP规范做了一些调整，按功能分成会话描述和媒体描述。其中，会话描述属于标准SDP中的内容，通常我们不需要了解它。媒体描述中有WebRTC增加的内容，需要了解一下的。媒体描述的内容可以分成四个大类：媒体信息、网络描述、安全描述、和服务质量描述。如图所示：

媒体信息

媒体信息是标准SDP的内容，属于SDP中的核心内容。其格式如下所示：

m=<media> <port>/<numbers> <transport> <fmt>

• <media>：媒体类型，audio、video等。
• <port>/<numbers>：端口，通常不会被使用。
• <transport>：传输协议，UDP、TCP等。
• <fmt>：媒体数据类型，通常为PayloadType列表。其具体含义需要在“a=rtpmap”中说明。

这里有几个重要的属性说明一下：

a=ssrc

ssrc是媒体源的唯一标识，每一路媒体流都有唯一的ssrc来标识它。另外，在ssrc这一行中有时还能看到cname，这是就是该媒体流的别名。ssrc不同的媒体流可以有相同的cname，表示他们属于同一个媒体流（比如，重传流的cname就和原始流的相同）。

a=rtpmap

rtpmap是一张PayloadType与编码器的映射表。其格式如下所示：

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

• <payload type>：负载类型，与m line中的fmt中的对应。
• <encoding name>：端口，编码器名称，如VP8，VP9，OPUS等。
• <clock rate>：采样率。
• <encodingparameters>：编码参数，如音频的声道数信息。

a=fmtp

fmtp用于指定媒体数据格式。其格式如下所示：

a=fmtp:<payload type> <format specific parameters>

• <payload type>：负载类型，与m line中的fmt中的对应。
• <format specific parameters>：参数信息，其含义需要参考相关草案。

网络描述

网络描述也是标准SDP的内容。其中记录了传输媒体数据时使用的网络信息。下面几个是其中比较重要的属性：

a=candidate

描述了候选地址信息，是一个已经被废弃的属性，但因一些流媒体服务器上海有使用，所以WebRTC依然做了兼容

a=group\:BUNDLE

指明哪些媒体数据可以复用同一个传输通道，以节约ICE资源。

a=rtcp-mux

指明RTP与RTCP是否复用同一端口，也是用以节约ICE资源。

a=rtcp-rsize

指明在用户带宽不足时，缩减RTCP非关键包的大小。

a=ice-options

指明WebRTC收集ICE Candidate的策略。一般默认为trickle（只要有可用的Candidate就进行交换，不需要等待所有的Candidate收集完成才交换）。

安全描述

这部分内容是WebRTC新增到SDP规范中去的。WebRTC的媒体通信提供了一套很好的安全机制。下面几个是其中比较重要的属性：

a=ice-ufrag和a=ice-pwd

指明ICE的账号和密码，用于验证用户的合法性。

a=fingerprint

指明DTLS握手时的证书指纹，用于验证加密证书的有效性。

a=setup:(active/passive/actpass)

指明终端的角色，决定DTLS时是作为主动握手方还是被动连接方或是都可以。

服务质量

这部分内容也是WebRTC新增到SDP规范中去的。这个内容只控制WebRTC中很小一部分服务质量的开关。WebRTC中还包含有非常多的服务质量内容。只有以下一个属性：

a=rtcp-fb

在媒体协商过程中，发起方的SDP中指明要开启哪些RTCP反馈，而应答方则在回复的SDP中确认可以开启哪些RTCP反馈。例如：

• nack：丢包重传
• fir：申请关键帧
• transport-cc、goog-remb：拥塞控制算法。

Plan B和Unified Plan

目前，WebRTC中的SDP包含两种规格，Plan B和Unified Plan。其中，Plan B是由标准SDP演化而来的，而Unified Plan是用来代替Plan B的新规格。两者会在表达传输多路同类媒体流的时候格式会有区别。

在Plan B中，只有两个媒体描述（m line），即音频媒体描述（m=audio...）和视频媒体描述（m=video...）。如果有多路同类媒体流则需要通过其媒体描述中的SSRC来区分。
而在Unified Plan中，每个媒体流都有一个媒体描述（m line）。

WebRTC SDP示例

v=0
//sdp版本号，一直为0,rfc4566规定
o=- 7017624586836067756 2 IN IP4 127.0.0.1
//username，没有的话使用-代替，7017624586836067756是整个会话的编号，2表明会话版本
s=-
//会话名，没有的话使用-代替
t=0 0
//两个值分别是会话的起始时间和结束时间，这里都是0表明没有限制
a=group:BUNDLE audio video data
//须要共用一个传输通道传输的媒体，若是没有这一行，音视频，数据就会分别单独用一个udp端口来发送
a=msid-semantic: WMS h1aZ20mbQB0GSsq0YxLfJmiYWE9CBfGch97C
//WMS是WebRTC Media Stream简称，这一行定义了本客户端支持同时传输多个流，一个流能够包括多个
//track,通常定义了这个，后面a=ssrc这一行就会有msid,mslabel等属性

m=audio 9 UDP/TLS/RTP/SAVPF 111 103 104 9 0 8 106 105 13 126
//m=audio说明本会话包含音频，9表明音频使用端口9来传输，在webrtc中通常不使用，
//若是设置为0，表明不传输音频,UDP/TLS/RTP/SAVPF是表示用户来传输音频支持的协议，
//udp、tls、rtp表明使用udp来传输rtp包，并使用tls加密；
//SAVPF表明使用srtcp的反馈机制来控制通讯过程,
//111 103 104 9 0 8 106 105 13 126表示本会话音频支持的编码，后台几行会有详细补充说明

c=IN IP4 0.0.0.0
//这一行表示你要用来接收或者发送音频使用的IP地址，webrtc使用ice传输，不使用这个地址
a=rtcp:9 IN IP4 0.0.0.0
//用来传输rtcp地地址和端口，webrtc中不使用

a=ice-ufrag:khLS
a=ice-pwd:cxLzteJaJBou3DspNaPsJhlQ
//以上两行是ice协商过程当中的安全验证信息
a=fingerprint:sha-256 FA:14:42:3B:C7:97:1B:E8:AE:0C2:71:03:05:05:16:8F:B9:C7:98:E9:60:43:4B:5B:2C:28:EE:5C:8F3:17
//以上这行是dtls协商过程当中需要的证书指纹，用来验证DTLS证书的有效性

a=setup:actpass
//以上这行表明本客户端在dtls协商过程当中，能够作客户端也能够作服务端，参考rfc4145 rfc4572
a=mid:audio
//在前面BUNDLE这一行中用到的媒体标识
a=extmap:1 urn:ietf:params:rtp-hdrext:ssrc-audio-level
//上一行指出我要在rtp头部中加入音量信息，参考 rfc6464
a=sendrecv
//上一行指出我是双向通讯，另外几种类型是recvonly,sendonly,inactive
a=rtcp-mux
//上一行指出rtp,rtcp包使用同一个端口来传输
a=rtpmap:111 opus/48000/2
//a=rtpmap都是对m=audio这一行的媒体编码补充说明，指出了编码采用的编号，采样率，声道等
a=rtcp-fb:111 transport-cc
//以上这行说明opus编码支持使用rtcp来控制拥塞，参考https://tools.ietf.org/html/draft-holmer-rmcat-transport-wide-cc-extensions-01
a=fmtp:111 minptime=10;useinbandfec=1
//对opus编码可选的补充说明,minptime表明最小打包时长是10ms，useinbandfec=1表明使用opus编码内置fec特性
a=rtpmap:103 ISAC/16000
a=rtpmap:104 ISAC/32000
a=rtpmap:9 G722/8000
a=rtpmap:0 PCMU/8000
a=rtpmap:8 PCMA/8000
a=rtpmap:106 CN/32000
a=rtpmap:105 CN/16000
a=rtpmap:13 CN/8000
a=rtpmap:126 telephone-event/8000
a=ssrc:18509423 cname:sTjtznXLCNH7nbRw
//cname用来标识一个数据源，ssrc当发生冲突时可能会发生变化，可是cname不会发生变化，也会出现在rtcp包中SDEC中，
//用于音视频同步
a=ssrc:18509423 msid:h1aZ20mbQB0GSsq0YxLfJmiYWE9CBfGch97C 15598a91-caf9-4fff-a28f-3082310b2b7a
//以上这一行定义了ssrc和WebRTC中的MediaStream,AudioTrack之间的关系，msid后面第一个属性是stream-d,第二个是track-id
a=ssrc:18509423 mslabel:h1aZ20mbQB0GSsq0YxLfJmiYWE9CBfGch97C
a=ssrc:18509423 label:15598a91-caf9-4fff-a28f-3082310b2b7a

m=video 9 UDP/TLS/RTP/SAVPF 100 101 107 116 117 96 97 99 98
//参考上面m=audio,含义相似

c=IN IP4 0.0.0.0
a=rtcp:9 IN IP4 0.0.0.0

a=ice-ufrag:khLS
a=ice-pwd:cxLzteJaJBou3DspNaPsJhlQ
a=fingerprint:sha-256 FA:14:42:3B:C7:97:1B:E8:AE:0C2:71:03:05:05:16:8F:B9:C7:98:E9:60:43:4B:5B:2C:28:EE:5C:8F3:17

a=setup:actpass
a=mid:video
a=extmap:2 urn:ietf:params:rtp-hdrext:toffset
a=extmap:3 http://www.webrtc.org/experiments/rtp-hdrext/abs-send-time
a=extmap:4 urn:3gpp:video-orientation
a=extmap:5 http://www.ietf.org/id/draft-hol ... de-cc-extensions-01
a=extmap:6 http://www.webrtc.org/experiments/rtp-hdrext/playout-delay
a=sendrecv

a=rtcp-mux
a=rtcp-rsize
a=rtpmap:100 VP8/90000
a=rtcp-fb:100 ccm fir
//ccm是codec control using RTCP feedback message简称，意思是支持使用rtcp反馈机制来实现编码控制，
//fir是Full Intra Request简称，意思是接收方通知发送方发送帧过来
a=rtcp-fb:100 nack
//支持丢包重传，参考rfc4585
a=rtcp-fb:100 nack pli
//支持关键帧丢包重传,参考rfc4585
a=rtcp-fb:100 goog-remb
//支持使用rtcp包来控制发送方的码流
a=rtcp-fb:100 transport-cc
//参考上面opus
a=rtpmap:101 VP9/90000
a=rtcp-fb:101 ccm fir
a=rtcp-fb:101 nack
a=rtcp-fb:101 nack pli
a=rtcp-fb:101 goog-remb
a=rtcp-fb:101 transport-cc
a=rtpmap:107 H264/90000
a=rtcp-fb:107 ccm fir
a=rtcp-fb:107 nack
a=rtcp-fb:107 nack pli
a=rtcp-fb:107 goog-remb
a=rtcp-fb:107 transport-cc
a=fmtp:107 level-asymmetry-allowed=1;packetization-mode=1;profile-level-id=42e01f
//h264编码可选的附加说明
a=rtpmap:116 red/90000
//fec冗余编码，通常若是sdp中有这一行的话，rtp头部负载类型就是116，不然就是各编码原生负责类型
a=rtpmap:117 ulpfec/90000
//支持ULP FEC，参考rfc5109
a=rtpmap:96 rtx/90000
a=fmtp:96 apt=100
//以上两行是VP8编码的重传包rtp类型
a=rtpmap:97 rtx/90000
a=fmtp:97 apt=101
a=rtpmap:99 rtx/90000
a=fmtp:99 apt=107
a=rtpmap:98 rtx/90000
a=fmtp:98 apt=116
a=ssrc-group:FID 3463951252 1461041037
//在webrtc中，重传包和正常包ssrc是不一样的，上一行中前一个是正常rtp包的ssrc,后一个是重传包的ssrc
a=ssrc:3463951252 cname:sTjtznXLCNH7nbRw
a=ssrc:3463951252 msid:h1aZ20mbQB0GSsq0YxLfJmiYWE9CBfGch97C ead4b4e9-b650-4ed5-86f8-6f5f5806346d
a=ssrc:3463951252 mslabel:h1aZ20mbQB0GSsq0YxLfJmiYWE9CBfGch97C
a=ssrc:3463951252 label:ead4b4e9-b650-4ed5-86f8-6f5f5806346d
a=ssrc:1461041037 cname:sTjtznXLCNH7nbRw
a=ssrc:1461041037 msid:h1aZ20mbQB0GSsq0YxLfJmiYWE9CBfGch97C ead4b4e9-b650-4ed5-86f8-6f5f5806346d
a=ssrc:1461041037 mslabel:h1aZ20mbQB0GSsq0YxLfJmiYWE9CBfGch97C
a=ssrc:1461041037 label:ead4b4e9-b650-4ed5-86f8-6f5f5806346d

m=application 9 DTLS/SCTP 5000

c=IN IP4 0.0.0.0

a=ice-ufrag:khLS
a=ice-pwd:cxLzteJaJBou3DspNaPsJhlQ
a=fingerprint:sha-256 FA:14:42:3B:C7:97:1B:E8:AE:0C2:71:03:05:05:16:8F:B9:C7:98:E9:60:43:4B:5B:2C:28:EE:5C:8F3:17

a=setup:actpass
a=mid:data
a=sctpmap:5000 webrtc-datachannel 1024