1. 前言

　　WebRTC（Web Real-Time Communication——網(wǎng)頁實時通信）是一個基于瀏覽器的實時多媒體通信技術。該項技術旨在使Web瀏覽器具備實時通信能力；同時，通過將這些能力封裝并以JavaScript API的方式開放給Web應用開發(fā)人員，使得Web應用開發(fā)人員能夠通過HTML標簽和JavaScript API快速地開發(fā)出基于Web瀏覽器的實時音視頻應用，而無需依賴任何第三方插件。該項技術將Web瀏覽器打造成一個適用于在所有用戶設備（比如移動智能終端和個人電腦等）間進行實時的音視頻和數(shù)據(jù)通信的通用平臺。

　　在WebRTC技術出現(xiàn)之前，基于Web瀏覽器的多媒體通信服務是構建在特定的瀏覽器插件（如Adobe Flash Player）之上的，因為瀏覽器所依賴的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，瀏覽器不能與服務器實時動態(tài)地交換數(shù)據(jù)。無連接狀態(tài)的HTTP協(xié)議導致需要實時通信的服務（如聊天等）只能采取定時訪問服務器的方法（即輪詢方式）來實現(xiàn)。然而，在用戶訪問量增多時，這種方式嚴重的消耗服務器端資源，進而嚴重的影響服務器的性能。由于軟硬件平臺日趨多樣性，下列問題將在基于瀏覽器插件的多媒體應用中突顯：1）加大IT公司對于插件和基于該插件的應用的研發(fā)和維護成本；2）加大插件開發(fā)人員對于插件和基于該插件的應用的開發(fā)、測試和維護工作；3）加大涉及到受版權保護的技術的整合難度；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)工程任務組）和W3C（World Wide Web Consortium——萬維網(wǎng)聯(lián)盟）聯(lián)合負責其標準化工作。IETF定制WebRTC的互聯(lián)網(wǎng)基礎協(xié)議標準，該標準也被稱為RTCWeb（Real-Time Communication in Web-browsers）。W3C則負責定制WebRTC的客戶端JavaScript API接口的標準。目前參與該技術標準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，進而推動其不斷向前發(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)構成

　　WebRTC是通過將如下功能集成到現(xiàn)有瀏覽器來實現(xiàn)為異構系統(tǒng)提供統(tǒng)一的多媒體實時通訊平臺：會話管理、音頻引擎、視頻引擎和網(wǎng)絡傳輸。同時，WebRTC為Web開發(fā)人員提供了Web API （即JavaScript API）來開發(fā)基于Web的音視頻應用；為瀏覽器廠商提供了WebRTC Native C++ API用于實現(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應關系。

　　2.1 組成模塊

　　A. 會話管理

　　WebRTC的會話管理也被稱為抽象信令。抽象信令的作用是將具體業(yè)務與信令控制的分離，從而適應廣大Web應用中的信令控制。會話管理的實現(xiàn)有兩種方式：一種是以瀏覽器為主的實現(xiàn)方式ROAP（RTCWeb Offer/Answer Protocol），另一種是以Javascript為主的實現(xiàn)方式JSEP（Javascript Session Establishment Protocol）。前者的優(yōu)點在于可以直接使用現(xiàn)有協(xié)議棧實現(xiàn)；缺點是靈活度較低，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，將使得瀏覽器會變得“臃腫”。后者的優(yōu)勢在于靈活度高，能夠適用于多種協(xié)議。為提高會話管理的普適性，以及簡化會話管理，W3C通過多次討論，最終采用了JSEP（JavaScript Session Establishment Protocal）方式來進行會話管理。

　　B. 音頻引擎

　　音頻引擎負責從麥克到網(wǎng)絡側、網(wǎng)絡側到音箱的音頻處理。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），來分別對寬帶與窄帶環(huán)境的語音進行編碼。在聲音處理上，WebRTC主要包括回聲消除、錯誤隱藏和降噪處理等功能，用來降低由網(wǎng)絡抖動和丟包等對聲音質量造成的影響，并盡可能降低聲音延遲。

　　C. 視頻引擎

　　視頻處理引擎負責攝像機到網(wǎng)絡側、網(wǎng)絡側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（未來VP9也將被集成到WebRTC中），使得WebRTC在較低碼率的環(huán)境，提供較高質量的視頻。在圖像處理上，WebRTC主要包括抖動緩沖和圖像增強等功能，用來降低從攝像機采集到的圖像的噪音。

　　D. 網(wǎng)絡傳輸

　　網(wǎng)絡傳輸負責對采集到的音視頻數(shù)據(jù)進行加密、防火墻穿透和傳輸。WebRTC將設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VoIP網(wǎng)絡中的防火墻或者NAT進行穿透。其中，STUN可以處理大部分NAT穿透問題；TURN是STUN協(xié)議的一個增強版，專門用于處理對稱形NAT穿透問題；ICE是一個整合了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。

　　圖 1 WebRTC總體架構，摘自百度百科

　　2.2 封裝API

　　WebRTC將音視頻數(shù)據(jù)從設備采集到網(wǎng)絡傳輸過程中涉及的功能封裝到以下3個主要API：MediaStream、PeerConnection和DataChanel。MediaStream（即getUserMedia）用于表示被獲取的媒體數(shù)據(jù)，例如來自麥克風和攝像頭音視頻流。PeerConnection用于表示在兩個瀏覽器之間的連接。DataChannel表示一個在兩個節(jié)點之間的雙向的數(shù)據(jù)通道。值得注意的是由于WebRTC的標準化工作還未完成，所以目前這幾個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，而在當前版本的Chrome上叫做webkitRTCPeerConnection。