关于 WebRTC: 挑战与机遇并存的实时通信

在 QCon New York 2013 大会上, Gustavo Garcia 就支持 HTML 5 的新型实时通信组件 WebRTC 做了主题演讲。WebRTC 是一系列技术的组合，能在端到端之间实现实时、低延时的通信，可以用于视频和音频会议以及游戏。虽然通常都使用 WebSockets 来实现实时通信，但 WebRTC 却尝试通过直接在端到端之间建立连接来显著地降低延迟，并且只有在出现例如 NAT 或防火墙等原因导致不能直接建立连接的情况下，才会使用 NAT 穿透技术 。

Garcia 描述了构建一个视频或音频会议系统所需要的各种组件。建立一个一对一的通话也许是最简单的情景。这就需要浏览器中支持如下特性：

1. 支持对流式视频和音频的解码和显示
2. 能够从网络摄像头中捕获视频和音频流
3. 对呼叫的协调协议（如信号处理）
4. 高效的音频和视频的编码及解码器
5. 处理回波消除、噪声抑制、比特率适应（根据带宽自适应的流）等诸多方面的算法。

其中有许多是现在 HTML5 的一部分，包括流式视频和音频，以及通过 getUserMedia 去捕获视频和音频。虽然可以使用 getUserMedia API 去捕获音频和视频，但也只是实验性的扩展，在目前新构建的 Chrome 版本中实现了去捕获屏幕、单独的浏览器tab 或部分网页的功能。

WebRTC 忽略了重要的一点是对信号处理（signaling）的直接支持。信号处理用于控制呼叫的建立：谁在尝试呼叫谁，是否有人接受这次呼叫。信号处理必须由开发者自己实现，例如使用 WebSockets 或 HTTP 长轮询。开发者必须部署的另外一块基础设施是隧道服务器，它在用户需要 NAT 穿透和使用受限防火墙时充当中介角色。据 Garcia 估计，大概 8％的呼叫都需要这样的中间隧道服务器。

Garcia 描述了 WebRTC 的各种使用场景：

• 一对一的视频和音频通话使用 WebRTC 来实现是最简单的。
• 多方通话较难实现。一种方法是在完整的网状网络中，每个参与者都连接到所有其他参与者，但由于 CPU 占用率过高和带宽的限制，这种方法不能供超过 5-6 人使用。另一种方法是使用一个中间服务器，聚集所有的流，以单独或是合并成单一流的方式将其广播到所有其他参与者。
• 允许 WebRTC 连接到固定电话网络，并通过网络浏览器拨打固话。
• 结合其他技术如 HTML5 WebGL 实现实时的多人游戏。
• 因为 WebRTC 支持端到端之间任意数据的传输， 因此该技术可以用来在用户之间传输文件。例如，可以想象以这种方式建立类似 BitTorrent 的应用。

尽管当今支持 WebRTC 的浏览器（目前只有较新版本的 Chrome 和 Firefox 支持）还不是很多，但已经有了许多应用的例子。要了解有关该技术的更多信息，请参考 webrtc.org 或相关 W3C 标准 。

查看英文原文： Wrangling WebRTC: Challenges and Opportunities for Real-Time Communication

感谢赵震一对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ）或者腾讯微博（ @InfoQ ）关注我们，并与我们的编辑和其他读者朋友交流。