1. 前言

　　WebRTC（Web Real-Time Communication——網(wǎng)頁實(shí)時(shí)通信）是一個(gè)基于瀏覽器的實(shí)時(shí)多媒體通信技術(shù)。該項(xiàng)技術(shù)旨在使Web瀏覽器具備實(shí)時(shí)通信能力；同時(shí)，通過將這些能力封裝并以JavaScript API的方式開放給Web應(yīng)用開發(fā)人員，使得Web應(yīng)用開發(fā)人員能夠通過HTML標(biāo)簽和JavaScript API快速地開發(fā)出基于Web瀏覽器的實(shí)時(shí)音視頻應(yīng)用，而無需依賴任何第三方插件。該項(xiàng)技術(shù)將Web瀏覽器打造成一個(gè)適用于在所有用戶設(shè)備（比如移動(dòng)智能終端和個(gè)人電腦等）間進(jìn)行實(shí)時(shí)的音視頻和數(shù)據(jù)通信的通用平臺(tái)。

　　在WebRTC技術(shù)出現(xiàn)之前，基于Web瀏覽器的多媒體通信服務(wù)是構(gòu)建在特定的瀏覽器插件（如Adobe Flash Player）之上的，因?yàn)闉g覽器所依賴的HTTP協(xié)議是一種無連接狀態(tài)的協(xié)議——即瀏覽器與服務(wù)器建立連接，下載文件，斷開連接，再顯示接收到的文件。因此，瀏覽器不能與服務(wù)器實(shí)時(shí)動(dòng)態(tài)地交換數(shù)據(jù)。無連接狀態(tài)的HTTP協(xié)議導(dǎo)致需要實(shí)時(shí)通信的服務(wù)（如聊天等）只能采取定時(shí)訪問服務(wù)器的方法（即輪詢方式）來實(shí)現(xiàn)。然而，在用戶訪問量增多時(shí)，這種方式嚴(yán)重的消耗服務(wù)器端資源，進(jìn)而嚴(yán)重的影響服務(wù)器的性能。由于軟硬件平臺(tái)日趨多樣性，下列問題將在基于瀏覽器插件的多媒體應(yīng)用中突顯：1）加大IT公司對(duì)于插件和基于該插件的應(yīng)用的研發(fā)和維護(hù)成本；2）加大插件開發(fā)人員對(duì)于插件和基于該插件的應(yīng)用的開發(fā)、測(cè)試和維護(hù)工作；3）加大涉及到受版權(quán)保護(hù)的技術(shù)的整合難度；4）加大說服用戶安裝插件的難度。

　　目前，WebRTC由IETF（Internet Engineering Task Force——互聯(lián)網(wǎng)工程任務(wù)組）和W3C（World Wide Web Consortium——萬維網(wǎng)聯(lián)盟）聯(lián)合負(fù)責(zé)其標(biāo)準(zhǔn)化工作。IETF定制WebRTC的互聯(lián)網(wǎng)基礎(chǔ)協(xié)議標(biāo)準(zhǔn)，該標(biāo)準(zhǔn)也被稱為RTCWeb（Real-Time Communication in Web-browsers）。W3C則負(fù)責(zé)定制WebRTC的客戶端JavaScript API接口的標(biāo)準(zhǔn)。目前參與該技術(shù)標(biāo)準(zhǔn)定制的公司主要有思科、微軟、谷歌和愛立信等。其中，微軟為揭示現(xiàn)有WebRTC存在的不足，進(jìn)而推動(dòng)其不斷向前發(fā)展，提出了WebRTC的另一種形式，即CU-RTC-Web（Customizable, Ubiquitous Real Time Communication over the Web）。

　　2. 系統(tǒng)構(gòu)成

　　WebRTC是通過將如下功能集成到現(xiàn)有瀏覽器來實(shí)現(xiàn)為異構(gòu)系統(tǒng)提供統(tǒng)一的多媒體實(shí)時(shí)通訊平臺(tái)：會(huì)話管理、音頻引擎、視頻引擎和網(wǎng)絡(luò)傳輸。同時(shí)，WebRTC為Web開發(fā)人員提供了Web API （即JavaScript API）來開發(fā)基于Web的音視頻應(yīng)用；為瀏覽器廠商提供了WebRTC Native C++ API用于實(shí)現(xiàn)Web API的函數(shù)集（如圖1所示）。在本章節(jié)，首先，我們介紹WebRTC的組成模塊；其次，我們介紹WebRTC的API接口；最后，我們介紹組成模塊與接口之間的對(duì)應(yīng)關(guān)系。

　　2.1 組成模塊

　　A. 會(huì)話管理

　　WebRTC的會(huì)話管理也被稱為抽象信令。抽象信令的作用是將具體業(yè)務(wù)與信令控制的分離，從而適應(yīng)廣大Web應(yīng)用中的信令控制。會(huì)話管理的實(shí)現(xiàn)有兩種方式：一種是以瀏覽器為主的實(shí)現(xiàn)方式ROAP（RTCWeb Offer/Answer Protocol），另一種是以Javascript為主的實(shí)現(xiàn)方式JSEP（Javascript Session Establishment Protocol）。前者的優(yōu)點(diǎn)在于可以直接使用現(xiàn)有協(xié)議棧實(shí)現(xiàn)；缺點(diǎn)是靈活度較低，無法支持私有協(xié)議，另外，如果將過多的協(xié)議棧集成到瀏覽器，將使得瀏覽器會(huì)變得“臃腫”。后者的優(yōu)勢(shì)在于靈活度高，能夠適用于多種協(xié)議。為提高會(huì)話管理的普適性，以及簡化會(huì)話管理，W3C通過多次討論，最終采用了JSEP（JavaScript Session Establishment Protocal）方式來進(jìn)行會(huì)話管理。

　　B. 音頻引擎

　　音頻引擎負(fù)責(zé)從麥克到網(wǎng)絡(luò)側(cè)、網(wǎng)絡(luò)側(cè)到音箱的音頻處理。它包含的功能主要有音頻編解碼和聲音處理兩部分。在音頻編解碼上，WebRTC主要采用兩種語音編碼格式：iSAC（internet Speech Audio Codec）和iLBC（internet Low Bitrate Codec），來分別對(duì)寬帶與窄帶環(huán)境的語音進(jìn)行編碼。在聲音處理上，WebRTC主要包括回聲消除、錯(cuò)誤隱藏和降噪處理等功能，用來降低由網(wǎng)絡(luò)抖動(dòng)和丟包等對(duì)聲音質(zhì)量造成的影響，并盡可能降低聲音延遲。

　　C. 視頻引擎

　　視頻處理引擎負(fù)責(zé)攝像機(jī)到網(wǎng)絡(luò)側(cè)、網(wǎng)絡(luò)側(cè)到屏幕顯示的視頻處理。它主要包括視頻編解碼和圖像處理。在視頻編解碼上，目前WebRTC主要采用VP8技術(shù)（未來VP9也將被集成到WebRTC中），使得WebRTC在較低碼率的環(huán)境，提供較高質(zhì)量的視頻。在圖像處理上，WebRTC主要包括抖動(dòng)緩沖和圖像增強(qiáng)等功能，用來降低從攝像機(jī)采集到的圖像的噪音。

　　D. 網(wǎng)絡(luò)傳輸

　　網(wǎng)絡(luò)傳輸負(fù)責(zé)對(duì)采集到的音視頻數(shù)據(jù)進(jìn)行加密、防火墻穿透和傳輸。WebRTC將設(shè)備采集到的音視頻數(shù)據(jù)在加密的情況下采用SRTP協(xié)議進(jìn)行傳輸，以確保信息在傳輸過程中的安全性。另外，WebRTC采用STUN、TURN和ICE等協(xié)議棧對(duì)VoIP網(wǎng)絡(luò)中的防火墻或者NAT進(jìn)行穿透。其中，STUN可以處理大部分NAT穿透問題；TURN是STUN協(xié)議的一個(gè)增強(qiáng)版，專門用于處理對(duì)稱形NAT穿透問題；ICE是一個(gè)整合了STUN和TURN的框架，為VoIP或視頻通話配置以及媒體傳輸提供可靠的服務(wù)。

　　圖 1 WebRTC總體架構(gòu)，摘自百度百科

　　2.2 封裝API

　　WebRTC將音視頻數(shù)據(jù)從設(shè)備采集到網(wǎng)絡(luò)傳輸過程中涉及的功能封裝到以下3個(gè)主要API：MediaStream、PeerConnection和DataChanel。MediaStream（即getUserMedia）用于表示被獲取的媒體數(shù)據(jù)，例如來自麥克風(fēng)和攝像頭音視頻流。PeerConnection用于表示在兩個(gè)瀏覽器之間的連接。DataChannel表示一個(gè)在兩個(gè)節(jié)點(diǎn)之間的雙向的數(shù)據(jù)通道。值得注意的是由于WebRTC的標(biāo)準(zhǔn)化工作還未完成，所以目前這幾個(gè)API的名稱在不同瀏覽器及同一瀏覽器的不同版本之間略有差異，比如PeerConnection在FireFox上叫做mozRTCPeerConnection，而在當(dāng)前版本的Chrome上叫做webkitRTCPeerConnection。