HTML躬行记（3）——WebRTC视频通话

　　WebRTC 在创建点对点（P2P）的连接之前，会先通过信令服务器交换两端的 SDP 和 ICE Candidate，取两者的交集，决定最终的音视频参数、传输协议、NAT 打洞方式等信息。

　　在完成媒体协商，并且两端网络连通之后，就可以开始传输数据了。

　　本文示例代码已上传至 Github，有需要的可以随意下载。

一、术语

　　在实现一个简单的视频通话之前，还需要了解一些相关术语。

1）SDP

　　SDP（Session Description Protocal）是一个描述会话元数据（Session Metadata）、网络（Network）、流（Stream）、安全（Security）和服务质量（Qos,Grouping）的 WebRTC协议，下图是 SDP 各语义和字段之间的包含关系。

　　换句话说，它就是一个用文本描述各端能力的协议，这些能力包括支持的音视频编解码器、传输协议、编解码器参数（例如音频通道数，采样率等）等信息。

　　

　　下面是一个典型的 SDP 信息示例，其中 RTP（Real-time Transport Protocol）是一种网络协议，描述了如何以实时方式将各种媒体从一端传输到另一端。

=================会话描述======================
v=0
o=alice 2890844526 2890844526 IN IP4 host.anywhere.com
s=-
=================网络描述======================
c=IN IP4 host.anywhere.com
t=0 0
================音频流描述=====================
m=audio 49170 RTP/AVP 0
a=rtpmap:0 PCMU/8000
================视频流描述=====================
m=video 51372 RTP/AVP 31
a=rtpmap:31 H261/90000

　　RTP 协议的作用是让数据包有序，它是应用层传输协议的一种，与 HTTP/HTTPS 同级。

　　除了 RTP 之外，还有一种 RTCP 协议，与 RTP 处于同一级，并且可对其做丢包控制。

2）ICE Candidate

　　ICE 候选者描述了 WebRTC 能够与远程设备通信所需的协议、IP、端口、优先级、候选者类型（包括 host、srflx 和 relay）等连接信息。

　　host 是本机候选者，srflx 是从 STUN 服务器获得的候选者，relay 是从 TURN 服务器获得的中继候选者。

　　在每一端都会提供许多候选者，例如有两块网卡，那么每块网卡的不同端口都是一个候选者。

　　WebRTC 会按照优先级倒序的进行连通性测试，当连通性测试成功后，通信的双方就建立起了连接。

3）NAT打洞

　　在收集到候选者信息后，WebRTC 会判断两端是否在同一个局域网中，若是，则可以直接建立链接。

　　若不是，那么 WebRTC 就会尝试 NAT 打洞。WebRTC 将 NAT 分为 4 种类型：完全锥型、IP 限制型、端口限制型和对称型。

　　前文候选者类型中曾提到 STUN 和 TURN 两种协议，接下来会对它们做简单的说明。

　　STUN（Session Traversal Utilities for NAT，NAT会话穿越应用程序）是一种网络协议，允许位于 NAT 后的客户端找出自己的公网地址，当前 NAT 类型和 NAT 为某一个本地端口所绑定的公网端口。

　　这些信息让两个同时处于 NAT 路由器之后的主机之间建立 UDP 通信，STUN 是一种 Client/Server 的协议，也是一种 Request/Response 的协议。

　　下图描绘了通过 STUN 服务器获取公网的 IP 地址，以及通过信令服务器完成媒体协商的简易过程。

　　

　　TURN（Traversal Using Relay NAT，通过 Relay 方式穿越 NAT），是一种数据传输协议，允许通过 TCP 或 UDP 穿透 NAT。

　　TURN 也是一个 Client/Server 协议，其穿透方法与 STUN 类似，但终端必须在通讯开始前与 TURN 服务器进行交互。

　　下图描绘了通过 TURN 服务器实现 P2P 数据传输。

　　

　　CoTurn 是一款免费开源的 TURN 和 STUN 服务器，可以到 GitHub 上下载源码编译安装。

二、信令服务器

　　通信双方彼此是不知道对方的，但是它们可以先与信令服务器（Signal Server）连接，然后通过它来互传信息。

　　可以将信令服务器想象成一个中间人，由他来安排两端进入一个房间中，然后在房间中可以他们就能随意的交换手上的情报了。

　　本文会通过 Node.js 和 socket.io 实现一个简单的信令服务器，完成的功能仅仅是用于实验，保存在 server.js 文件中。

　　如果对 socket.io 不是很熟悉，可以参考我之前分享的一篇博文，对其有比较完整的说明。

1）HTTP 服务器

　　为了实现视频通话的功能，需要先搭建一个简易的 HTTP 服务器，挂载静态页面。

　　注意，在实际场景中，这块可以在另一个项目中执行，本处只是为了方便演示。

const http = require('http');
const fs = require('fs');
const { Server } = require("socket.io");

// HTTP服务器
const server = http.createServer((req, res) => {
  // 实例化 URL 类
  const url = new URL(req.url, 'http://localhost:1234');
  const { pathname } = url;
  // 路由
  if(pathname === '/') {
    res.writeHead(200, { 'Content-Type': 'text/html' });
    res.end(fs.readFileSync('./index.html'));
  }else if(pathname === '/socket.io.js') {
    res.writeHead(200, { 'Content-Type': 'application/javascript' });
    res.end(fs.readFileSync('./socket.io.js'));
  }else if(pathname === '/client.js') {
    res.writeHead(200, { 'Content-Type': 'application/javascript' });
    res.end(fs.readFileSync('./client.js'));
  }
});
// 监控端口
server.listen(1234);

　　在上面的代码中，实现了最简易的路由分发，当访问 http://localhost:1234 时，读取 index.html 静态页面，结构如下所示。

<video id="localVideo"></video>
<button id="btn">开播</button>
<video id="remoteVideo" muted="muted"></video>
<script src="./socket.io.js"></script>
<script src="./client.js"></script>

　　socket.io.js 是官方的 socket.io 库，client.js 是客户端的脚本逻辑。

　　在 remoteVideo 中附带 muted 属性是为了避免报错：DOMException: The play() request was interrupted by a new load request。

　　最后就可以通过 node server.js 命令，开启 HTTP 服务器。

2）长连接

　　为了便于演示，指定了一个房间，当与信令服务器连接时，默认就会被安排进 living room。

　　并且只提供了一个 message 事件，这是交换各端信息的关键代码，将一个客户端发送来的消息中继给其他各端。

const io = new Server(server);
const roomId = 'living room';
io.on('connection', (socket) => {
  // 指定房间
  socket.join(roomId);
  // 发送消息
  socket.on('message', (data) => {
    // 发消息给房间内的其他人
    socket.to(roomId).emit('message', data);
  });
});

　　因为默认是在本机演示，所以也不会安装 CoTurn，有兴趣的可以自行实现。

三、客户端

　　在之前的 HTML 结构中，可以看到两个 video 元素和一个 button 元素。

const btn = document.getElementById('btn');   // 开播按钮
const localVideo = document.getElementById('localVideo');
const remoteVideo = document.getElementById('remoteVideo');
const size = 300;

　　在两个 video 元素中，第一个是接收本地的音视频流，第二个是接收远端的音视频流。

1）媒体协商

　　在下图中，Alice 和 Bob 通过信令服务器在交换 SDP 信息。

　　

　　Alice 先调用 createOffer() 创建一个 Offer 类型的 SDP，然后调用 setLocalDescription() 配置本地描述。

　　Bob 接收发送过来的 Offer，调用 setRemoteDescription() 配置远端描述。

　　再调用 createAnswer() 创建一个 Answer 类型的 SDP，最后调用 setLocalDescription() 配置本地描述。

　　而 Bob 也会接收 Answer 并调用 setRemoteDescription() 配置远端描述。后面的代码会实现上述过程。

2）RTCPeerConnection

　　在 WebRTC 中创建连接，需要先初始化 RTCPeerConnection 类，其构造函数可以接收 STUN/TURN 服务器的配置信息。

// STUN/TURN Servers
const pcConfig = {
//   'iceServers': [{
//     'urls': '',
//     'credential': "",
//     'username': ""
//   }]
};
// 实例化 RTCPeerConnection
const pc = new RTCPeerConnection(pcConfig);

　　然后注册 icecandidate 事件，将本机的网络信息发送给信令服务器，sendMessage() 函数后面会介绍。

pc.onicecandidate = function(e) {
  if(!e.candidate) {
    return;
  }
  // 发送 ICE Candidate
  sendMessage({
    type: 'candidate',
    label: e.candidate.sdpMLineIndex, 
    id: e.candidate.sdpMid, 
    candidate: e.candidate.candidate
  });
};

　　最后注册 track 事件，接收远端的音视频流。

pc.ontrack = function(e) {
  remoteVideo.srcObject = e.streams[0];
  remoteVideo.play();
};

3）长连接

　　在客户端中，已经引入了 socket.io 库，所以只需要调用 io() 函数就能建立长连接。

　　sendMessage() 函数就是发送信息给服务器的 message 事件。

const socket = io("http://localhost:1234");
// 发送消息
function sendMessage(data){
  socket.emit('message', data);
}

　　本地也有个 message 事件，会接收从服务端发送来的消息，其实就是那些转发的消息。

　　data 对象有个 type 属性，可创建和接收远端的 Answer 类型的 SDP 信息，以及接收远端的 ICE 候选者信息。

socket.on("message", function (data) {
  switch (data.type) {
    case "offer":
      // 配置远端描述
      pc.setRemoteDescription(new RTCSessionDescription(data));
      // 创建 Answer 类型的 SDP 信息
      pc.createAnswer().then((desc) => {
        pc.setLocalDescription(desc);
        sendMessage(desc);
      });
      break;
    case "answer":
      // 接收远端的 Answer 类型的 SDP 信息
      pc.setRemoteDescription(new RTCSessionDescription(data));
      break;
    case "candidate":
      // 实例化 RTCIceCandidate
      const candidate = new RTCIceCandidate({
        sdpMLineIndex: data.label,
        candidate: data.candidate
      });
      pc.addIceCandidate(candidate);
      break;
  }
});

　　在代码中，用 RTCSessionDescription 描述 SDP 信息，用 RTCIceCandidate 描述 ICE 候选者信息。

4）开播

　　为开播按钮注册点击事件，在事件中，首先通过 getUserMedia() 获取本地的音视频流。

btn.addEventListener("click", function (e) {
  // 获取音视频流
  navigator.mediaDevices
    .getUserMedia({
      video: {
         size,
        height: size
      },
      audio: true
    })
    .then((stream) => {
      localVideo.srcObject = stream;
      localStream = stream;
      // 将 Track 与 RTCPeerConnection 绑定
      stream.getTracks().forEach((track) => {
        pc.addTrack(track, stream);
      });
      // 创建 Offer 类型的 SDP 信息
      pc.createOffer({
        offerToRecieveAudio: 1,
        offerToRecieveVideo: 1
      }).then((desc) => {
        // 配置本地描述
        pc.setLocalDescription(desc);
        // 发送 Offer 类型的 SDP 信息
        sendMessage(desc);
      });
      localVideo.play();
    });
  btn.disabled = true;
});

　　然后在 then() 方法中，让 localVideo 接收音视频流，并且将 Track 与 RTCPeerConnection 绑定。

　　这一步很关键，没有这一步就无法将音视频流推给远端。

　　然后创建 Offer 类型的 SDP 信息，配置本地描述，并通过信令服务器发送给远端。

　　接着可以在两个浏览器（例如 Chrome 和 Edge）中分别访问 http://localhost:1234，在一个浏览器中点击开播，如下图所示。

　　

　　在另一个浏览器的 remoteVideo 中，就可以看到推送过来的画面。

　　

　　下面用一张时序图来完整的描述整个连接过程，具体内容不再赘述。

　　

参考资料：

What is WebRTC and How to Setup STUN/TURN Server for WebRTC Communication?

WebRTC音视频传输基础：NAT穿透