Android(安卓)WebRTC使用解析

1、引入

implementation 'org.webrtc:google-webrtc:1.0.24465'// 参考:https://webrtc.org/native-code/android/

本文有部分内容参考自即时通讯网（http://www.52im.net/thread-265-1-1.html）

2、WebRTC介绍

WebRTC，网页实时通信（Web Real-Time Communication）的缩写，它是一种支持跨平台的实时语音通讯、视频通讯的技术。

WebRTC的音视频通讯技术是基于p2p实现的，这种技术需要处理两个主要的问题：

信令交互，本文使用WebSocket来实现，主要有以下几个功能：
- 控制通信开启或关闭
- 告知通讯双方媒体流数据，比如解码器、媒体类型等
- 交换通讯双方的IP地址、端口号
- 发生错误时告知彼此
P2P通信

现实网络中主要有三种环境：
1. 公共网络：这类网络主机之间可以不受限制地进行直接访问，现实中这种网络很少存在。
2. NAT网络：这类网络中主机位于私有网络中，没有单独的公有IP，访问私有网络中的主机需要打洞，通过打洞我们可以发现主机在公网中的IP，STUN协议就是用来帮助实现这一功能的。
3. 严格受限的NAT网络（对称NAT）：这类网络中的主机位于私有网络中，只能单向访问外网。对称NAT网络特性是当目的地址的IP或者端口有一个发生改变时，NAT都会重新分配一个端口使用，所以这个时候我们不能选择使用P2P来实现网络通信，可以借助公共网络上的TURN服务器来实现数据传输，TURN协议就是解决此类问题的。

2.1 P2P实现的原理：

首先介绍一些基本概念，NAT（Network Address Translators），网络地址转换。网络地址转换是在IP地址日益缺乏的情况下产生的，它的主要目的是为了地址重用。NAT主要分为两类：基本的NAT和NAPT（Network Address/Port Translators）

最先提出的是NAT，由于在子网络中只有很少的节点需要与外网连接，那么这个子网络中其实只有少数节点需要全球唯一的IP地址，其他的节点的IP地址应该是可以重用的。因此，基本的NAT实现的功能很简单，当子网中的节点需要访问外网时，NAT负责将子网的IP转换为全球唯一的IP地址并发送出去（只会改变IP包中的原IP地址，不会改变端口号）。另外一种NAT叫做NAPT，这个是现在普遍使用的NAT，它会改变IP包中的原IP地址，同时也会修改原IP包中的端口号。

举个例子：

有一个私有网络中的主机A(IP:10.0.0.10，port:1234)想访问外网主机B(IP:18.181.0.31，port:1235)，那么数据包通过NAT（假设外网IP为155.99.25.11，端口为6000）时会发生什么呢？

NAT会改变这个数据包的原地址和端口号，改为155.99.25.11，端口改为6000。NAT会记住6000端口对应的是(IP:10.0.0.10，port:1234)，以后从外网主机B(IP:18.181.0.31，port:1235)发来的数据NAT会自动转发给主机A(IP:10.0.0.10，port:1234)，其他的IP发送过来的数据将被NAT丢弃。

接上面的例子，如果主机A又向另外一个主机C发送了一个UDP包，那么这个UDP包在通过NAT时会发生什么呢？

这时可能会发生两种情况：

重新为主机A分配一个端口号，比如6001，这种就属于对称NAT，会导致很多P2P软件失灵
继续使用之前的端口号6000，这种叫锥形NAT(Cone NAT)。
Cone NAT又分为3种：
- 全克隆（Full Cone）:NAT把所有来自相同内部主机的IP地址和端口的请求映射到相同的外部IP地址和端口，任何一个外部主机均可通过该映射访问内部该IP地址和端口对应的主机。
- 限制性克隆（Restricted Cone）：在全克隆的基础上多了IP的限制。外部主机能访问内部主机的条件是内部主机发送过IP包给外部IP地址为X的主机，这时外部IP地址为X的主机才能访问该内部主机。
- 端口限制性克隆（Port Restricted Cone）：在限制性克隆的基础上多了端口的限制。外部主机能访问内部主机的条件是内部主机发送过IP包给外部IP地址为X、端口为Y的主机，这时外部IP地址为X、端口为Y的主机才能访问该内部主机。

通过以上的信息我们可以知道，在有NAT存在的情况下，子网内的主机可以直接连接外部的主机，而外部的主机想访问内部的主机就比较困难了（这正是P2P需要的）。那么如果外部主机想访问内部主机该怎么做呢？

我们必须在NAT上打一个“洞”，这个洞只能由内部主机来打。而且这个洞是有方向的，比如从内部某台主机（192.168.0.10）向外部的某台主机（219.60.0.37）发送一个UDP包，这个时候我们就打了一个方向为219.60.0.37的洞，以后219.60.0.37可以通过这个“洞”来与内部主机（192.168.0.10）进行通信，但是其他的IP传过来的数据则会被直接丢弃。

2.2 P2P的常用实现

2.2.1 普通的直连式P2P实现

通过上面的理论，实现两个内网主机通讯就只差最后一步了：两边都无法主动发连接请求，那我们如何打这个洞呢？我们需要一个中间人来联系这两个主机。

举个例子：

Client A想访问Client B，首先，Client A登录服务器，NAT A为Client A分配了端口6000，Server S收到了Client A的地址为：202.187.43.2:6000，这就是A在公网中的地址。同样，Client B也登录Server S，NAT B为Client B分配了端口4000，Server S收到B的地址为：202.187.43.3:4000，，这就是B在公网中的地址。

此时，Client A可以通过Server S获取到B的地址202.187.43.3:4000，如果A直接向B发送数据包，这个数据包会被NAT B认为是不安全的，直接丢弃这个数据包。现在我们需要在NAT B上打一个方向为202.187.43.2:6000（即Client A的IP地址）的洞，Client A发送的数据包B就能收到了。那么这个打洞的命令由谁来发呢？自然是Server S。

总结一下这个过程：Client A想向Client B发送消息，那么Client A可以先向Server S发送命令，请求Server S命令Client B向Client A方向打洞，然后ClientA就可以通过Client B的外网地址与Client进行通信了。

注意，上面这个过程只适用于Cone NAT，如果是严格受限的NAT网络，当B向A打洞时，A的端口已经重新分配了，Client B无法知道这个端口，这时候P2P传输会失败。

2.2.2 STUN方式的P2P实现

STUN方式的探测过程需要有一个有公网IP的STUN Server，位于NAT后面的主机需要与STUN Server发送多个UDP数据包，UDP数据包中需要包含NAT外网IP、Port等信息。主机通过是否得到这个UDP包和包中的数据来判断NAT的类型。假设有主机B和Server S，Server C有两个IP：IPC1和IPC2，下面是NAT的探测过程：

判断是否在公网中：B向C的IPC1和port1发送一个UDP包，C收到后，它会把收到的源IP和端口写进UDP包中，并通过IPC1和port1发还给B，B收到该UDP包后，将IP地址与本地的IP地址对比，如果一样，则处在公网中，否则进行step2
检测NAT的类型：B向C的IPC1和port1发送一个UDP包，请求C用另外一个IP地址IPC2和port2给B返还一个UDP包。B如果能收到该UDP包，说明是full cone NAT，如果没收到，进行step3
B向C的IPC2和port2发送一个UDP包，C收到后将源IP和port写入UDP包返还给B，B收到后，跟step1中的端口号进行对比，如果不一致，说明是对称NAT，原理很简单，根据对称NAT的规则，目的地址的IP和port有一个改变的时候，都会导致原地址的port重分配，此时就应该放弃p2p了。如果一致，进行step4
B向C的IPC2发送一个UDP包，请求C使用另一个端口port返还数据。如果B能收到C传回的数据，说明只要IP一致，端口不一样也能收到数据，这就是restrict CONE NAT，否则是port restrict CONE NAT

3、ICE框架

基于信令协议的多媒体传输是一个两段式传输，首先通过信令协议（如WebSocket）建立一个连接，通过该连接，双方交换传输媒体时所必须的信息。
　　基于传输效率的考虑，在完成第一阶段的交互之后，通信双方会建立一条通道来实现媒体传输，以减少传输时延、降低丢包率并减少开销。由于使用新的链路，当传输双方有任意一方位于NAT之后，新的传输链路就需要考虑NAT穿越的问题了
　　通常有四种形式的NAT，每一种NAT都有相应的解决方案，然而在复杂的网络环境中，由于每一种NAT穿越方案都局限于对应的NAT方式，这些方案就给整个系统带来了一定的复杂性。在这种背景下，交互式连通建立方式(Interactive Connectivity Establishment)即ICE解决方案应运而生，ICE能够在不增加整个系统的复杂性和脆弱性的情况下，实现对各种形式的NAT的穿越。

ICE工作的核心

3.1 收集地址

　　其中派生地质是指：通过本地地址向STUN服务器发送STUN请求后获得的网络地址
　　服务器反向地址：终端经过一层或多层NAT穿透后，在STUN服务器上收到的经过NAT转换后的地址
　　中继地址：STUN服务器收到STUN请求后，在本地分配的一个代理地址。所有被路由到该代理地址的网络包都会被转发到服务器反向地址，继而穿透NAT发送到终端。

3.2 连通性检查

主机A收集到所有的候选地址后，对其按优先级进行排序，再将其作为SDP的属性通过信令信道发送给主机B。主机B收到主机A的候选地址后，执行相应的过程，将主机B的候选地址发送给主机A。这样主机A和主机B都拥有了一个完整的地址对，然后准备执行连通性检查。

执行连通性检查的原理：

按照优先顺序对地址对排序
逐个地址对去发送检查包
收到另一个主机的确认检查包

首先，主机A将本地候选地址对与远程地址对进行配对，比如本地有n个地址，远程有m个地址，则可以组成n×m个地址对。对这些地址对进行连通性检查是通过发送和接收STUN请求完成的。若通信双方以某一地址对完成一次四次握手过程，那么该地址对就是有效地址对。
四次握手：通过一对地址对中的本地地址给远程地址发送一个STUN请求，如果能成功收到响应，则称该地址对是可接收的；当地址对中的本地地址收到远程地址的一个STUN请求，并成功的响应，则称改地址是可发送的；如果一个地址对是可接收的，同时又是可发送的，则称该地址对是有效的，可以用于媒体传输。

3.3 对候选地址对进行排序

主机为每一个候选地址设置一个优先级，这个优先级连同候选地址对一起发送给远程主机
综合本地地址和远程地址的优先级，计算出每一个地址对的优先级，这样，双方同一个地址对的优先级相同

3.4 进行SDP编码

为了实现基于ICE的NAT穿越，增加了四个属性：

candidate属性：提供多种可能地址中的一个。这个地址是使用STUN连通性检查有效的地址。
remote-candidates属性：提供请求者想要应答者在应答中使用的远程候选传输地址标识。
ice-pwd属性：提供用于保护STUN连通性检查的密码。
ice-ufrag属性：提供用于在STUN连通性检查中组成用户名的片段。

4、WebRTC流程

　　下面我们介绍一个使用WebRTC实现音视频通话的例子，由于这个例子来自于我现在开发的项目，为避免代码量太大不便于理清流程，有一些优化配置相关的代码便做了一些删改：

4.1 主叫方流程

1、初始化WebSocket作为我们的信令服务器，创建PeerConnection实例

    /**     *  WebSocket     * @param url WebSocket对应的url     * @param listeners 这是对信令服务器WebSocket的监听     * @return     */    private IWsMgr obtainSignalWsMgr(final String url, final Collection listeners) {        JavaWsMgr wsMgr = JavaWsMgr.obtainWsMgr(url);//这里是根据url产生一个WebSocket实例        wsMgr.setWsStatusListener(new WsStatusListenerAdapter() {            @Override            public void onOpen(ServerHandshake serverHandshake) {                 ...            }            @Override            public void onMessage(String s) {                ...                PhoneWsBean phoneWsBean = parseObject(s, new TypeReference>();                ...                // 处理信令事件                handleSignalEvent(url, s, phoneWsBean, listeners);            }            @Override            public void onClose(int code, String reason, boolean remote) {               ...            }            @Override            public void onError(Exception e) {                ...            }        });        return wsMgr;    }

这个方法里的handleSignalEvent就是在处理信令事件，这个方法最终会调用ackIceServers

当收到服务器端发来的ackIceServers时，开始初始化PeerConnection：

    @Override    public void ackIceServers(final ArrayList iceServers) {        ...            //重点看这个方法            initPeer();        ...    }    private void initPeer() {        ...        // 这里创建PeerConnectionFactory        mPeerClient.createPeerConnectionFactory(this, mParameters, mIceServerParameters, mEvents);        ...        // 这里创建PeerConnection        mPeerClient.createPeerConnection(mIsVideo ? mRootEglBase.getEglBaseContext() : null, sv_localView, sv_remoteView, mIsVideo, isActive);    }

我们看下PeerClient的createPeerConnection方法

    public void createPeerConnection(            final EglBase.Context renderEGLContext, final VideoRenderer.Callbacks mLocalRender, final VideoRenderer.Callbacks mRemoteRender, final boolean isVideo, final boolean isCall ){        ...        LinkedList ret = new LinkedList<>();        // 配置STUN服务器        for (int i = 0; i < mIceServerParameters.list.size(); i++) {            IceServersBean bean = mIceServerParameters.list.get(i);            String username = bean.getUsername();            String credential = bean.getCredential();            username = username == null ? "" : username;            credential = credential == null ? "" : credential;            ret.add(new PeerConnection.IceServer(bean.getUrl(), username, credential));        }        PeerConnection.RTCConfiguration rtcConfig =                new PeerConnection.RTCConfiguration(ret);        // 这里做一些配置工作        rtcConfig.tcpCandidatePolicy = PeerConnection.TcpCandidatePolicy.ENABLED;        ...//省略一些配置        rtcConfig.keyType = PeerConnection.KeyType.ECDSA;        // 用之前实例化好的PeerConnectionFactory创建PeerConnection，mPcObserver是一个监听        mPeerConnection = mFactory.createPeerConnection(                rtcConfig, createPcConstraints(), mPcObserver);        // 创建DataChannel，用于传输媒体数据        mDataChannel = mPeerConnection.createDataChannel(DATA_CHANNEL_TAG, init);        // 注册DataChannel监听        mDataChannel.registerObserver(new DcObserver());    }    /**     *DataChannel监听     */    public class DcObserver implements DataChannel.Observer {        @Override        public void onBufferedAmountChange(long l) {        }        @Override        public void onStateChange() {            switch (mDataChannel.state()) {            ...                case OPEN:                    // 创建好DataChannel之后，被叫方创建answer                    performAddStream();                    mPeerConnection.createAnswer(mPassiveAnswerObserver, createSdpConstraint());                    break;            }        }        @Override        public void onMessage(DataChannel.Buffer buffer) {            ...            // 解析buffer，当收到被叫的Answer时，通话建立成功            handlerMessage(stringDataChannelBean);        }    }

2、初始化PeerConnection之后，创建本地流，必须添加这个stream才能对方才能听到音频或者视频

    private void performAddStream() {        if (mPeerConnection != null) {//这个步骤就是建立了通道就发出去；            mMediaStream = mFactory.createLocalMediaStream("ARDAMS");            // Create audio constraints.            mLocalAudioTrack = createAudioTrack();            mMediaStream.addTrack(mLocalAudioTrack);            mPeerConnection.addStream(mMediaStream);        }    }

3、创建offer发给服务器

mPeerConnection.createOffer(mActiveCreateOfferObserver, createSdpConstraint());

mActiveCreateOfferObserver是一个监听

    private final SDPObserver mActiveCreateOfferObserver = new SDPObserver() {        private SessionDescription mSdp;        @Override        public void onCreateSuccess(final SessionDescription origSdp) {            mExecutor.execute(new Runnable() {                @Override                public void run() {                    String sdpDescription = origSdp.description;                    ...                    final SessionDescription sdp = new SessionDescription(                            origSdp.type, sdpDescription);                    //将会话描述设置在本地，                    mPeerConnection.setLocalDescription(mActiveCreateOfferObserver, mSdp);                    //接下来使用之前的WebSocket实例将offer发送给服务器，代码很简单就不贴上来了                }            });        }        @Override        public void onSetSuccess() {            ...        }    };

4、收到对方回复的preAnswer，设置会话描述

    @Override    public void preAnswer(String fr, String frSid, String to, String toSid, final SessionDescription sdp) {        //主叫收到 preanswer        mPeerClient.setRemoteDescription(sdp, new PeerConnectionClient.SDPObserver() {            @Override            public void onCreateSuccess(SessionDescription sessionDescription) {            }            @Override            public void onSetSuccess() {            }        });            }

以上就是打电话过程中主叫的一个完整WebRTC流程，接下来我们看下被叫的WebRTC流程。

4.2 被叫方WebRTC流程

1、首先也是先要初始化WebSocket与PeerConnection，这个步骤跟主叫方一致
2、第二步开始有一些区别，被叫方收到主叫方发过来的数据包后，会在本地设置会话描述并且创建preAnswer

private void passiveSetRemoteAndCreatePreAnswer() {    mPeerClient.setRemoteDescription(mSdp, new PeerConnectionClient.SDPObserver() {        @Override        public void onCreateSuccess(SessionDescription sessionDescription) {        }        @Override        public void onSetSuccess() {            // 这里创建应答preAnswer            mPeerClient.passiveCreatePreAnswer();        }    });}/** * 被叫方 创建 pre answer */public void passiveCreatePreAnswer() {    ...    // mPreAnswerObserver是一个监听    mPeerConnection.createAnswer(mPreAnswerObserver, createSdpConstraint());    ...}/** * 被叫方 创建 preanswer的观察者 */private final SDPObserver mPreAnswerObserver = new SDPObserver() {   @Override   public void onCreateSuccess(final SessionDescription origSdp) {        String sdpDescription = origSdp.description;        ...        final SessionDescription sdp = new SessionDescription(        SessionDescription.Type.PRANSWER, sdpDescription); //新流程，被叫方收到 主叫方的offer以后 创建 pranswer        // 设置本地会话描述         mPeerConnection.setLocalDescription(mPreAnswerObserver, mSdp);         // 使用WebSocket发送answer给主叫方         sendPreAnswer(sdp);        }        @Override        public void onSetSuccess() {            ...        }}

3、被叫点击接听电话以后，创建answer，到这一步就可以成功通话了

    public void passiveTryCreateAnswer() {        // 添加媒体流        performAddStream();        // 创建应答answer，mPassiveAnswerObserver是创建过程的一个监听        mPeerConnection.createAnswer(mPassiveAnswerObserver, createSdpConstraint());    }    /**     * 被叫方创建 media sdp answer 的 监听     */    private final SDPObserver mPassiveAnswerObserver = new SDPObserver() {        @Override        public void onCreateSuccess(final SessionDescription origSdp) {            String sdpDescription = origSdp.description;            final SessionDescription sdp = new SessionDescription(                    origSdp.type, sdpDescription);            // 设置本地会话描述            mPeerConnection.setLocalDescription(mPassiveAnswerObserver, mSdp);            ...        }        @Override        public void onSetSuccess() {            ...        }    };

总结

到此，通话连接过程就算正式完成了。接下来我们总结一下通话的整个流程：

主叫方：

初始化WebSocket作为我们的信令服务器，监听WebSocket与服务器的交互过程
初始化PeerConnectionFactory，使用PeerConnectionFactory得到PeerConnection实例(mFactory.createPeerConnection())，创建DataChannel，注册DataChannel监听。
添加媒体流（mPeerConnection.addStream()）
创建offer并发送，创建成功后设置本地会话描述。
收到被叫方的preAnswer，设置对方的会话描述到本地（mPeerClient.setRemoteDescription()）
被叫方点击接听按钮后，会创建一个answer发给主叫方，收到这个answer后设置本地会话描述，通话就建立成功了

被叫方

开始两步跟主叫方一致，初始化WebSocket与PeerConnection
将主叫方会话描述设置到本地（mPeerClient.setRemoteDescription()），设置完成后发送preAnswer给主叫方
被叫方点击接听按钮以后会添加媒体流（mPeerConnection.addStream()）同时创建一个应答answer发送给主叫方，到此通话连接建立成功。