1.1 发展史、标准协议族与核心术语

1.1 发展史、标准协议族与核心术语

本节是全书的第一块地砖：后续所有章节的类名、报文名、指标名，都能在本节的协议族分层与术语表里找到出处。先建坐标，再进机房。

从话音引擎到事实标准

WebRTC 不是从零设计的。它的核心技术底座来自一家瑞典公司 GIPS 的语音与视频引擎，这家公司靠回声消除和抗丢包技术在 VoIP 时代名声很响。2011 年 Google 收购 GIPS 并把引擎开源，同年与 Mozilla 联合宣布在浏览器里开放实时通信能力。这件事的行业意义在于：此前做一个视频通话应用，音频引擎、编解码、抗弱网这些最难的部件全要自研或买授权，小团队根本碰不动；开源之后，这些部件被装进了每台浏览器，调用几个标准接口就能用。

标准化走了两条线。W3C 负责 API 面，定义浏览器暴露给 JavaScript 的对象和行为；IETF 负责协议面，把线上跑的报文格式与流程定成 RFC。两条线在 2021 年前后才双双落定为正式推荐标准，可见其间博弈之复杂。对读源码的人，这段历史有个直接后果：libwebrtc 是先有实现后有标准，标准又反过来改造实现，所以代码里同时存在旧模型的残留与新模型的接管，命名风格也不统一。看到设计"奇怪"的地方，先想到历史沉积，再想到设计意图，这是读这套代码的基本修养。

协议族分层：把报文放进格子

WebRTC 在 IETF 侧是一族协议的集合，按职责可以排成五层。这张表值得背下来，后面遇到任何报文或类名，先问它属于哪一层。

两点容易被误解的地方要挑明。其一，信令层是刻意不标准化的：会话描述文本用什么通道送、格式怎么包装，规范只要求应用自定，所以市面上信令有走 WebSocket 的、有走 HTTP 轮询的，libwebrtc 本身根本不含信令服务器代码——引擎只负责生成与消费 SDP 文本，运输完全交给应用层。其二，安全层的密钥不经过信令：DTLS 握手直接发生在两个媒体终端之间，SDP 里交换的只是证书指纹，用来核对握手对端没有被人调包。这个设计让中间的信令服务器纵然被攻破，也拿不到解密媒体的能力。

核心术语对照：源码里的命名从哪来

libwebrtc 的类名几乎都能在这些术语里找到对应。理解了术语，等于拿到了命名规则表。

几个容易混淆的关系值得一说。Track 与流的关系：早期模型里媒体流是容器，轨道装在流里交换；新模型里交换以收发器为单位，流退化为分组标签。Sender 与 Transceiver 的关系：发送句柄管"把这条轨道发出去"，收发器管"这对资源按什么方向工作"，方向可以是只收、只发或双向，协商中可能变化。Candidate 的三类来路：host 是本机网卡直接给出的地址，srflx 是经由 STUN 服务器探测到的公网映射地址，relay 是 TURN 中转服务器分配的地址——三者的取舍与优先级在第三章会专门展开。

案例：把一份抓包归位到协议族

背景。团队新来一位同事接手联调，抓了一份两浏览器直连通话的抓包文件，满屏都是 UDP 小包，有的一来一回节奏极快，有的间隔二十毫秒连续不断，他分不清哪些是"话"，哪些是"管话的话"。

操作。我们让他按三个特征归堆：看包长与载荷首字节特征，看时间节奏，看方向与数量关系。包长不到百字节、成对出现且内容高度相似的是 STUN 交互——连通性检查与保活；载荷首字节的高两位固定为十、长度中等、间隔约二十毫秒连续下行的是 RTP 媒体包；同样规律但低频出现、包内携带统计结构的是 RTCP 报告；建连初期的几轮证书交换形态明显不同，那是 DTLS 握手。

结果。归堆之后，整份抓包呈现清晰的三段式：前几秒的穿越与握手流量，占比极小但决定成败；随后的媒体洪流，RTP 与 RTCP 混跑，流量占绝对大头；偶尔插入的带宽探测突发，短时间密度陡增。三类流量在时间轴上几乎不打架，说明打洞成功后走了直连。

解读。这个练习的价值在于把第一节的表格变成直觉：信令流量不在抓包里，因为它走应用自建的通道；STUN 与 DTLS 是"接通阶段"的产物；RTP 与 RTCP 是"通话阶段"的产物。遇到建连失败，先盯前段；遇到画质劣化，先盯后段。抓包分析的第一步从来不是看懂每个字节，而是分对堆。

变式。如果这次通话打洞失败、走了 TURN 中转，抓包形态会完全改观：所有媒体与 STUN 流量都封装在与中转服务器之间的同一条五元组里，端到端地址藏在中转封装内层，三段式消失，只剩两台终端各自与中转服务器的持续对话。这也是排查中转流量时要先看服务端日志的原因——线索在内层，不在外层。

常见误区与要点

常见误区有三个。一是以为信令也是 WebRTC 的一部分，于是去源码里找信令服务器——找不到的，信令从第一天起就是应用的责任。二是把媒体流当成交换的最小单位，按旧模型写代码，结果在新版浏览器上行为对不上——记住新模型以收发器为中心。三是把 SSRC 理解为连接标识，实际上它标识的是流，一条连接上音视频各有多条流，还有专门用于重传的流，第七章会看到它们的分工。

本节要点：协议族五层表是全书的检索索引，信令不标准是特性不是缺陷，安全密钥不走信令是端到端加密的根基，三类候选与收发器模型是第三章和第五章反复出场的主角。下一节我们把源码真正拉到本地，让这些名词落到能编译、能断点的实体上。