1：理论理解相关细节
实际的媒体数据（视频/音频）的传输是通过rtp进行传输的。
rtp可以基于udp进行发送，也可以基于tcp进行发送。 (这个有点疑问，看很多都说rtp是基于udp传输)
==》那么乱序，丢包，以及一个图片资源过大，如何拆包相关逻辑呢
rtp传输h264 图像资源，需要了解h264格式数据相关知识，以及如何进行封包发送以及接收后解包处理
rtp传输AAC 音频文件，需要了解aac相关格式（aac有两种格式），同样思考如何封包以及解包。
在进行rtsp测试的时候，发现音频如果按定时器发送帧，会有声音卡顿的现象，这里如何做一些处理呢？
上一文中有个疑问，使用rtp进行推流，如何播放没有成功，依然有疑问，但至少：
==》rtp包中只是部分的数据，而音视频的播放还需要知道一些其他信息（sdp）,如当前流的类型，播放音频时的采样率等一些必要信息
==》1：使用rtp进行推流时，获取一个sdp文件，使用该文件进行拉流播放。
==》2：使用rtp接收到数据后，进行相关的解析后，存储到本地后，进行播放。
上一文中有一个疑问，不知道怎么用obs进行推流：
==》obs是一个强大的视频直播录制软件，可以支持推流功能。
==》obs可以采集摄像头，音频，桌面，窗口等功能，这里只关注测试推流
==》推流时，需要设置，在 文件–>设置–>推流中进行设置，填写我们的服务器相关，然后选择一些采集方式点击开始推流（测试成功）：
2：了解rtp相关协议（根据课程已有代码）
2.1：概念了解一下：
rtp实时传输协议，是传输层协议（通常基于udp（实时传输））
===》实际传输：最大传输单元MTU需要考虑
rtp实际内部传输的是实际流数据（可以是一帧完整的（如音频帧），可能不足一帧（如图像资源））
rtp内部实际数据流可以是各种格式的数据，如h264,aac,以及其他协议。
rtp可以支持传输多种流，如一个rtp链接可以同时传输h264和aac的流。
===》如果rtp支持传输多种格式，支持传输多种流等，需要在实际传输前做一定的信息协商（sdp）
rtp协议通常和rtcp协议一起使用。
rtp over rtsp(udp)和rtp over rtsp（tcp）之间的理解？
===》rtp是传输层协议，但本质上说其实还是应用层协议，只是相对应用层协议更底层
===》rtp和rtcp即可以用udp进行传输，也可以用tcp进行传输。
===》rtsp涉及多组传输通道，要定义rtp传输的端口。
2.2：协议理解一下
阅读RFC3550中文文档时，rtp的使用场景可以有：多播音频会议，音频和视频会议，混频器，转换器，分层编码，监视器等
rtcp 是rtp控制协议，如会议中人数的增加与离开，混频是相关格式与rtp进行适配，计算当前带宽，控制rtp的发送频率等
===》rtcp本身也占带宽，其发送的频率也有一定的规范
===》rtcp有不同的包类型：SR(发送者报告)，RR(接收者报告)，SDES（源描述项），BYE（会话结束），APP（应用描述功能）
2.2.1：rtp报文格式
2.2.2：rtp报文格式简单描述
前 12 个字节出现在每个 RTP 包中，仅仅在被混合器插入时，才出现 CSRC 识别符列表。
版本(V)：RTP协议的版本号，占2位，当前协议版本号为2。
填充 ( P)：填充标志 占1位，如果P=1，则在该报⽂的尾部填充⼀个或多个额外的⼋位组，它们不是有效载荷 的⼀部分。（可能用于某些 具有固定长度的加密算法，或者用于在底层数据单元中传输多个 RTP 包。）
==》如设置填充位，在包尾将包含附加填充字，它不属于有效载荷。填充字节长度位最后一个字节的值。某些加密算法需要固定大小的填充字，或为在底层协议数据单元中携带几个RTP包。
扩展(X)：扩展比特，占1位，如果X=1，则固定头(仅)后面跟随一个头扩展。（扩展头有固定的头格式0XBEDE标志开始，并且有32位对齐）
CSRC 计数(CC)：CSRC 计数器，占4位，包含了跟在固定头后面 CSRC 识别符的数目。
标志(M)：标记，占1位，不同的有效载荷有不同的含义，
==》对于视频，标记⼀帧的结束；对于⾳频，标记帧的开 始。
负载类型(PT)：有效载荷类型，占7位，⽤于说明RTP报⽂中有效载荷的类型，如GSM⾳频、JPEM图像等。
序列号（sequence number）：占16位，⽤于标识发送者所发送的RTP报⽂的序列号，每发送⼀个报⽂，序列号增1。
==》接收者 通过序列号来检测报⽂丢失情况，重新排序报⽂，恢复数据。（初始值随机）
时间戳（timestamp）：占32位，时间戳反映了该RTP报⽂的第⼀个⼋位组（第一个字节）的采样时刻。
==》接收者使⽤时间戳来 计算延迟和延迟抖动，并进⾏同步控制。
==》时钟频率依赖于负载数据格式，并在描述文件（profile）中进行描述
==》如果 RTP 包是周期性产生的，那么将使用由采样时钟决定的名义上的采样时刻，而不是读取系统时间（对一个固定速率的音频，采样时钟将在每个周期内增加 1。如果一个音频从 输入设备中读取含有 160 个采样周期的块，那么对每个块，时间戳的值增加 160）
==》时间戳的初始值应当是随机的，就像序号一样。几个连续的 RTP 包如果是同时产生的，将有相同的序列号。
==》如果传输的数据是存贮好的，而不是实时采样等到的，那么会使用从参考时钟得到的虚的 表示时间线。
同步信源(SSRC)：占32位，⽤于标识同步信源。
==》同步源，所有相同标识的源，一起进行处理。
==》一个同步源的所有包构成了相同计时和序列号 空间的一部分，这样接收方就可以把一个同步源的包放在一起，来进行重放。
==》该标识符是随机选择的，参加同⼀视频会议的 两个同步信源不能有相同的SSRC（要解决冲突）。
==》如麦克风、摄影机、RTP 混频器（见下文）就是同步源
==》一个同步源可能随着时间变化而改变其数据格式，如音频编码。
特约信源(CSRC)：每个CSRC标识符占32位，可以有0～15个。（是一个表）
==》作用源，组成混合器中所有起作用的源。
==》个数由CSRC 计数(CC)决定
==》CSRC表：标识了包含在该RTP 报⽂有效载荷中的所有特约信源。
==》由混合器插入，列出所有的混合器中的作用信源。
==》例如音频会议中，哪些人说话被组合在包中，可以让接听者知道谁在说话。
2.2.2：rtp报文头定义
typedef struct _rtp_header_t { uint32_t v:2; /* 版本 占2位 2*/ uint32_t p:1; /* 填充标志 占1位 加密或者多个rtp包时用？？？*/ uint32_t x:1; /* 扩展标志 占1位 增加头扩展，有固定的格式，32位对齐 */ uint32_t cc:4; /* CSRC计数器 占4位 作用源的个数*/ uint32_t m:1; /* 标志 占1位 视频标志结束，音频标志开始*/ uint32_t pt:7; /* 有效载荷，类型 占7位 如GSM⾳频、JPEM图像等*/ uint32_t seq:16; /*序列号 占16位 丢包重排恢复数据用*/ uint32_t timestamp; /*时间戳 占16位 进行延迟控制 */ uint32_t ssrc; /*同步源 占32位 同一标识多个同步源一起处理 */ /*作用源 占32位 混合器情况下才有，这里没加。*/ } rtp_header_t;
2.3：对应代码理解一下
作为一个协议，从以下几点理解：
1：根据协议定义结构体
2：构造协议报文，序列化
3：解析协议报文，反序列化
这里简单根据测试源码，对这几个细节做梳理：
2.3.1：头结构
//头结构 typedef struct _rtp_header_t { uint32_t v:2; /* protocol version */ uint32_t p:1; /* padding flag */ uint32_t x:1; /* header extension flag */ uint32_t cc:4; /* CSRC count */ uint32_t m:1; /* marker bit */ uint32_t pt:7; /* payload type */ uint32_t seq:16; /* sequence number */ uint32_t timestamp; /* timestamp */ uint32_t ssrc; /* synchronization source */ } rtp_header_t; struct rtp_packet_t // 封装这个RTP 包括 header + [csrc/extension] + payload { rtp_header_t rtp; uint32_t csrc[16]; // 最多16个csrc const void* extension; // extension(valid only if rtp.x = 1) uint16_t extlen; // extension length in bytes uint16_t reserved; // extension reserved const void* payload; // rtp payload int payloadlen; // payload length in bytes };
2.3.2：构造要发送的rtp包
这里的函数实际上是已经有的rtp包，仅仅是做处理进行发送，其他逻辑后续整理。
//根据rtpt头部数据 rtp_header_t 结构，写入ptr中 static inline void nbo_write_rtp_header(uint8_t *ptr, const rtp_header_t *header) { ptr[0] = (uint8_t)((header->v << 6) | (header->p << 5) | (header->x << 4) | header->cc); ptr[1] = (uint8_t)((header->m << 7) | header->pt); ptr[2] = (uint8_t)(header->seq >> 8); ptr[3] = (uint8_t)(header->seq & 0xFF); nbo_w32(ptr+4, header->timestamp); nbo_w32(ptr+8, header->ssrc); } // 把可读RTP packet封装成要发送出去的数据 序列化 int rtp_packet_serialize_header(const struct rtp_packet_t *pkt, void* data, int bytes) { int hdrlen; uint32_t i; uint8_t* ptr; if (RTP_VERSION != pkt->rtp.v || 0 != (pkt->extlen % 4)) { assert(0); // RTP version field must equal 2 (p66) return -1; } // RFC3550 5.1 RTP Fixed Header Fields(p12) hdrlen = RTP_FIXED_HEADER + pkt->rtp.cc * 4 + (pkt->rtp.x ? 4 : 0); if (bytes < hdrlen + pkt->extlen) return -1; ptr = (uint8_t *)data; //写入rtp_header_t 相关数据 包括时间戳和ssrc nbo_write_rtp_header(ptr, &pkt->rtp); ptr += RTP_FIXED_HEADER; // pkt contributing source //写入csrc for (i = 0; i < pkt->rtp.cc; i++, ptr += 4) { nbo_w32(ptr, pkt->csrc[i]); // csrc列表封装到头部 } // pkt header extension //如果有扩展标志，写入再rtp头后面 if (1 == pkt->rtp.x) { // 5.3.1 RTP Header Extension assert(0 == (pkt->extlen % 4)); nbo_w16(ptr, pkt->reserved); nbo_w16(ptr + 2, pkt->extlen / 4); memcpy(ptr + 4, pkt->extension, pkt->extlen); // extension封装到头部 ptr += pkt->extlen + 4; } return hdrlen + pkt->extlen; } //data位最终要发送的数据 int rtp_packet_serialize(const struct rtp_packet_t *pkt, void* data, int bytes) { int hdrlen; //把rtp包头数据写入data hdrlen = rtp_packet_serialize_header(pkt, data, bytes); if (hdrlen < RTP_FIXED_HEADER || hdrlen + pkt->payloadlen > bytes) return -1; //把实际的payload写入data memcpy(((uint8_t*)data) + hdrlen, pkt->payload, pkt->payloadlen); //返回整个data的实际大小 return hdrlen + pkt->payloadlen; }
2.3.3：解析收到rtp包
//获取到的rtp包进行解析的逻辑 注意填充为和标志位的处理 /* 0 1 2 3 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ |V=2|P|X| CC |M| PT | sequence number | +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ | timestamp | +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ | synchronization source (SSRC) identifier | +=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+ | contributing source (CSRC) identifiers | | .... | +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ */ // 通过收到的数据，解析出来可读的RTP packet 反序列化 bytes是收到的字节序 int rtp_packet_deserialize(struct rtp_packet_t *pkt, const void* data, int bytes) { uint32_t i, v; int hdrlen; const uint8_t *ptr; if (bytes < RTP_FIXED_HEADER) // RFC3550 5.1 RTP Fixed Header Fields(p12) return -1; ptr = (const unsigned char *)data; memset(pkt, 0, sizeof(struct rtp_packet_t)); // pkt header 网络字节序的处理 v = nbo_r32(ptr); //uint32 处理前4个字节 pkt->rtp.v = RTP_V(v); pkt->rtp.p = RTP_P(v); pkt->rtp.x = RTP_X(v); pkt->rtp.cc = RTP_CC(v); pkt->rtp.m = RTP_M(v); pkt->rtp.pt = RTP_PT(v); pkt->rtp.seq = RTP_SEQ(v); pkt->rtp.timestamp = nbo_r32(ptr + 4); //处理接下来的4个字节 即 timestamp pkt->rtp.ssrc = nbo_r32(ptr + 8); //SSRC assert(RTP_VERSION == pkt->rtp.v); // 调试的时候用 hdrlen = RTP_FIXED_HEADER + pkt->rtp.cc * 4; // 解析带csrc时的总长度 //根据rtcp头数据进行校验 版本 头长度以及扩展标志和填充标志 if (RTP_VERSION != pkt->rtp.v || bytes < hdrlen + (pkt->rtp.x ? 4 : 0) + (pkt->rtp.p ? 1 : 0)) return -1; // 报错 // pkt contributing source //如果有作用源相关信息 获取 CSRC 表 for (i = 0; i < pkt->rtp.cc; i++) { pkt->csrc[i] = nbo_r32(ptr + 12 + i * 4); } assert(bytes >= hdrlen); pkt->payload = (uint8_t*)ptr + hdrlen; // 跳过头部 拿到payload pkt->payloadlen = bytes - hdrlen; // payload长度 // pkt header extension //如果有扩展标志 if (1 == pkt->rtp.x) { const uint8_t *rtpext = ptr + hdrlen; assert(pkt->payloadlen >= 4); //rtp扩展头也是特定的格式 pkt->extension = rtpext + 4; //这里应该是扩展头特定标识4个字节 pkt->reserved = nbo_r16(rtpext); //扩展头相关 pkt->extlen = nbo_r16(rtpext + 2) * 4; if (pkt->extlen + 4 > pkt->payloadlen) { assert(0); return -1; } else { pkt->payload = rtpext + pkt->extlen + 4; pkt->payloadlen -= pkt->extlen + 4; } } // padding 如果有填充位，则最后一个字节是填充的长度 if (1 == pkt->rtp.p) { uint8_t padding = ptr[bytes - 1]; if (pkt->payloadlen < padding) { assert(0); return -1; } else { pkt->payloadlen -= padding; } } return 0; }
3：总结及下一步
看到相关的文档，rtp属于传输层协议，都是基于udp传输的，但是又理解到有时候rtp可以通过tcp的方式进行传输，这是遗留的一点疑问。
下一步：
rtp如何与相对应的h264,aac等文件格式交互的？ 梳理一个读取h264的文件并进行推流的流程。
rtcp报文涉及SR,RR,SDES,BYE,APP不通类型的报文，以及rtcp在整个业务流程中的控制作用及细节梳理。
分析rtp的测试源码，使用rtp进行传输h264和aac进行梳理
相关知识和资料来源：推荐免费订阅
