樂利鋒，彭 晉，段曉東

（中國移動通信研究院 北京 100053）

1 引言

Web應(yīng)用已成為互聯(lián)網(wǎng)應(yīng)用最成功的模式之一，其應(yīng)用范疇已經(jīng)滲透人類社會生活的各個領(lǐng)域。人們只要通過一款瀏覽器，就可以享受到無窮無盡的Web服務(wù)，如各種電子商務(wù)、網(wǎng)絡(luò)游戲、社區(qū)服務(wù)及各種網(wǎng)絡(luò)交友等。與此同時，Web技術(shù)所帶來的優(yōu)勢（如統(tǒng)一的客戶端和較好的可維護性），使一些傳統(tǒng)應(yīng)用紛紛轉(zhuǎn)型到Web模式。Web應(yīng)用開發(fā)的簡單快速也受到開發(fā)者青睞，開發(fā)者只需要一次開發(fā)就可以在任何地方部署，代碼片段很容易在開發(fā)者之間被復(fù)制和粘貼，越來越容易掌握的JavaScript庫使開發(fā)更加快捷。

Web瀏覽器一直隨著Web應(yīng)用的需要持續(xù)加入新的Web 特性，W3C（world wide web consortium，萬維網(wǎng)聯(lián)盟）標(biāo)準(zhǔn)化組織追求的Open Web Platform[1]是所有Web技術(shù)的集合，不僅包括基礎(chǔ) Web技術(shù)，如 HTML（hypertext markup language，超文本標(biāo)記語言）、CSS（cascading style sheet，級聯(lián)樣式表）和 JavaScript及 HTTP（hypertext transfer protocol，超文本傳輸協(xié)議）等；還包括新的Web技術(shù)，如HTML5[2]，允許開發(fā)者免費使用它所發(fā)布的技術(shù)。可以預(yù)見，未來Web將逐漸成為一種準(zhǔn)入門檻較低、推廣成本可控的統(tǒng)一應(yīng)用平臺。

基于Web的實時通信應(yīng)用可以吸引越來越多的用戶。Facebook[3]推出了整合Skype的視頻聊天服務(wù)，首次使用該功能的用戶需要安裝插件；GoogleTalk[4]網(wǎng)頁版的正常使用需要安裝Google話音和視頻聊天插件，在瀏覽器中成功安裝插件后，可以直接在Gmail[5]或iGoogle[6]中進行視頻和話音通話。但這些插件對于不同瀏覽器需要不同的開發(fā)實現(xiàn)，且需要用戶安裝，具有一定的安全隱患。為了避免引入新插件，一些 Web 網(wǎng)絡(luò)電話（如 Alicall[7]、FlashVoIP[8]）采用普及程度比較高的flash player插件實現(xiàn)實時通信功能，可重用flash插件自有RTMP（real time messaging protocol，實時消息傳送協(xié)議）[9]信令和媒體傳輸協(xié)議。但flash插件方式需要依托第三軟件提供商的支持，大規(guī)模商用更需要支付相當(dāng)可觀的費用。

如果徹底不引入插件，Web實時通信客戶端在執(zhí)行效率方面想接近傳統(tǒng)客戶端或插件客戶端的效果，需要瀏覽器提供更多新特性的支持。為了實現(xiàn)實時通信功能，瀏覽器至少需要具備會話管理、音視頻編解碼引擎和媒體傳輸?shù)裙δ?。會話管理功能允許開發(fā)者為上層應(yīng)用實現(xiàn)呼叫建立和管理；音視頻編解碼引擎功能允許外設(shè)（如麥克風(fēng)及攝像頭）將采集的數(shù)據(jù)進行編碼并發(fā)送給網(wǎng)絡(luò)，或者將接收的媒體進行解碼供外設(shè)（如音箱或者顯示器）呈現(xiàn)；媒體傳輸功能實現(xiàn)對不同網(wǎng)絡(luò)的NAT（network address translation，網(wǎng)絡(luò)地址轉(zhuǎn)換）或防火墻穿越，并實現(xiàn)對媒體內(nèi)容的封裝傳輸。

對于無插件Web實時通信應(yīng)用開發(fā)，開發(fā)者需要調(diào)用瀏覽器API（application programming interface,應(yīng)用程序編程接口）才能使用其實時通信模塊功能。如果缺少對實時通信模塊API的統(tǒng)一使用規(guī)范，不同瀏覽器廠商對API的定義和使用可能出現(xiàn)很大的差異，開發(fā)者需要了解不同版本的API使用方法，從而可能會影響開發(fā)周期。所以，業(yè)界希望Web瀏覽器的實時通信能力被標(biāo)準(zhǔn)化的呼聲越來越高。IETF（internet engineering task force，工程任務(wù)組）和W3C這兩大標(biāo)準(zhǔn)化組織從2011年開始積極推進基于Web瀏覽器的實時通信 （real-time communication in web-browsers，RTCWeb）標(biāo)準(zhǔn)化工作[10,11]，力圖提出一個能夠在Web瀏覽器上實現(xiàn)用戶之間話音和視頻等實時通信的標(biāo)準(zhǔn)化框架。IETF的主要工作在于標(biāo)準(zhǔn)化基于瀏覽器的實時通信的架構(gòu)和協(xié)議；W3C的主要工作在于標(biāo)準(zhǔn)化瀏覽器與Web應(yīng)用之間的API，即上層Web應(yīng)用通過JavaScrip編程調(diào)用這些被標(biāo)準(zhǔn)化的API，實現(xiàn)對瀏覽器RTCWeb功能的使用，如捕獲本地設(shè)備的媒體內(nèi)容、呈現(xiàn)媒體內(nèi)容、建立點對點媒體通信等。隨著RTCWeb標(biāo)準(zhǔn)化的逐漸深入和影響力的逐步增強，各大瀏覽器廠商如 Chrome、Mozilla Firefox、Safari和Opera紛紛宣布支持或部分支持RTCWeb功能，RTCWeb瀏覽器逐漸步入舞臺并占據(jù)相當(dāng)?shù)氖袌龇蓊~。

2 RTCWeb關(guān)鍵技術(shù)

2.1 RTCWeb通信模型

IETF RTCWeb工作組建議的典型架構(gòu)[12]如圖1所示。Web客戶端是基于瀏覽器的融合JavaScript、HTML及CSS的技術(shù)客戶端實現(xiàn)，對瀏覽器和Web服務(wù)器的會話信令面操作是通過JSEP控制實現(xiàn)的；通過JavaScript調(diào)用RTCWeb API，實現(xiàn)對瀏覽器能力的使用；Web客戶端通過JavaScript與Web服務(wù)器傳遞基于Web Socket承載的RTCWeb信令消息。RTCWeb信令協(xié)議由Web應(yīng)用定義，可以是標(biāo)準(zhǔn)的協(xié)議，如 SIP（session initiation protocol，會話初 始 協(xié) 議 ）、XMPP （extensible messaging and presence protocol，可擴展消息處理現(xiàn)場協(xié)議）或私有協(xié)議，但媒體協(xié)商可參考基于Offer/Answer模型的ROAP（RTCWeb offer/answer protocol）；Web服務(wù)器之間采用雙方認同的協(xié)議，如 SIP或者 XMPP；瀏覽器之間采用RTP（real-time transport protocol，實時傳輸協(xié)議）或 SRTP（secure RTP，安全實時傳輸協(xié)議）用于媒體傳輸，同時采用ICE（interactive connectivity establishment，交互式連接建立）協(xié)議用于防火墻穿越。

圖1 RTCWeb通信模型

2.2 RTCWeb瀏覽器API

W3C WebRTC工作組的關(guān)注重點在于瀏覽器端API的標(biāo)準(zhǔn)化[13]，通過調(diào)用標(biāo)準(zhǔn)化API實現(xiàn)從本地設(shè)備（如攝像頭、麥克風(fēng)或網(wǎng)絡(luò)攝像機）捕獲并呈現(xiàn)本地音視頻媒體內(nèi)容、通過NAT穿越技術(shù)建立點對點連接、基于點對點連接交換媒體內(nèi)容。這些功能的實現(xiàn)主要由Stream API和Peer Connection兩大類API實現(xiàn)。

Stream抽象了對實際媒體流表示及操作的方法和屬性，目前定義了若干重要的接口，主要是Media Stream。Media Stream對象可以表示從遠端節(jié)點或者發(fā)送給遠端節(jié)點的媒體流；從網(wǎng)絡(luò)傳輸Media Stream角度看，每個Media Stream對象都有一個輸入和輸出，來自遠端節(jié)點的Media Stream（由Peer Connection實例化產(chǎn)生）可以看作輸入；本地設(shè)備產(chǎn)生的Media Stream（調(diào)用getUserMedia函數(shù)產(chǎn)生）傳給遠端節(jié)點便有一個輸出；對于媒體流的呈現(xiàn)，需要專用URL來表示一個媒體流并在網(wǎng)頁中表現(xiàn)出來 （調(diào)用createObjectURL函數(shù)生成）。

Peer Connection抽象了瀏覽器之間信令交互及媒體通道建立的方法和屬性，通過開通媒體通道，Media Stream對象表示的媒體流可被送到對端。一個Peer Connection對象實現(xiàn)3類功能，即ICE代理 （利用ICE方式實現(xiàn)NAT穿越，如依賴STUN或者TURN服務(wù)器）、Peer Connection狀態(tài)（標(biāo)識當(dāng)前連接狀態(tài)，如“new”、“opening”、“active”等）和ICE 狀態(tài)（標(biāo)識穿越狀態(tài)，如“new”“waiting”“connected”等）。此外，Peer Connection提供創(chuàng)建媒體協(xié)商的方法和屬性，如Offer/Answer消息構(gòu)建方法（createOffer/createAnswer）及SDP屬性設(shè)置（setLocal Description/setRemote Description）等。

2.3 RTCWeb基于HTML5呈現(xiàn)方式

W3C WebRTC工作組對于媒體流的訪問和呈現(xiàn)使用HTML5 video和audio標(biāo)簽[2]，這兩個新標(biāo)簽提供了在瀏覽器中不使用插件播放視頻和音頻的特性，這正是HTML5區(qū)別于先前版本的顯著特征。非HTML5的瀏覽器一般安裝flash插件播放媒體，正確播放媒體需要使用和