WebRTC端侧的应用及三端统一架构

1. 源码获取及编译

本文没有特殊说明，都是针对 webrtc m79源码

国内网络限制，基本下面的操作都被限制，导致无法获取，因此可以通过购买一个轻量云服务器或者黑科技手段下载及编译。

具体源码及编译详情参见https://webrtc.googlesource.com/src/+/refs/heads/main/docs/native-code/index.md

Windows平台

# 首先设置环境变量
# GYP_GENERATORS msvs-ninja,ninja
# GYP_MSVS_OVERRIDE_PATH vs2017安装路径(D:\Program Files (x86)\Microsoft Visual Studio\2017\Community)
# GYP_MSVS_VERSION 2017
# DEPOT_TOOLS_WIN_TOOLCHAIN 0

$ fetch --nohooks webrtc
$ gclient sync

$ gn gen out/Debug --ide=vs2017 --args="is_debug=true target_cpu=\"x86\""
$ ninja -C out/Debug

Android平台


$ fetch --nohooks webrtc_android
$ gclient sync

$ cd src/
$ ./build/install-build-deps.sh
$ ./build/install-build-deps-android.sh
# To build for ARM64: use target_cpu="arm64"
# To build for 32-bit x86: use target_cpu="x86"
# To build for 64-bit x64: use target_cpu="x64"
$ gn gen out/Debug --args='target_os="android" target_cpu="arm"'
$ ninja -C out/Debug

iOS平台


$ fetch --nohooks webrtc_ios
$ gclient sync

$ ./tools_webrtc/ios/build_ios_libs.sh

源码下载及编译之后，就可以在不同的平台引入编译的库来进行开发。

2. WebRTC交互逻辑

WebRTC并没有提供一套完整的音视频系统架构，它只是定义了音视频会话的建立和传输方式，一个典型的WebRTC会话如下：

WebRTC客户端需要通过信令服务器交换彼此的媒体描述信息（sdp），包含各自支持的音视频数据格式（如H264，vp8，opus等）以及网络地址（包括host地址，公网地址，turn服务器地址），交换之后会选择合适的音视频格式以及网络地址进行通信。WebRTC并没有定义信令服务器该如何实现，只要能达到交换sdp的功能即可，可以使用http、websocket，或者tcp私有协议都可以。

3. 基本应用

代码实现了局域网 P2P的通话的方式，信令服务器交互的逻辑先忽略。以下摘自webrtc m79版本 examples\peerconnection\client\conductor.cc

WebRTC开发通用流程如下：

初始化 PeerConnectionFactoryInterface

/**
总结：
外部参数传入：
- 创建AudioDeviceModule         非必须 (WebRtcVoiceEngine内部创建)
- 创建AudioEncoderFactory        必须
- 创建AudioDecoderFactory        必须
- 创建VideoEncoderFactory        必须
- 创建VideoDecoderFactory        必须
- 创建AudioMixer                非必须    (WebRtcVoiceEngine内部创建)
- 创建AudioProcessing            非必须 (CreatePeerConnectionFactory内部创建)

CreatePeerConnectionFactory()流程：
- 创建`network_thread = network_thread`;
- 创建`worker_thread = worker_thread`;
- 创建`signaling_thread = signaling_thread`;
- 创建`MediaEngineInterface(CompositeMediaEngine)`
- 创建`BasicNetworkManager`
- 创建`BasicPacketSocketFactory`
- 创建`ChannelManager`
    - 创建`RtpDataEngine`
    - 收集支持的编码信息`std::vector<AudioCodec> send_codecs_`;
  - 收集支持的解码信息`std::vector<AudioCodec> recv_codecs_`;
  - `AudioDeviceModule`没有则创建(`AudioDeviceModule`)
  - `AudioMixer`没有则创建(`AudioMixerImpl`)
  - `AudioState`创建
  - 设置APM参数
*/
rtc::scoped_refptr<webrtc::PeerConnectionFactoryInterface> peer_connection_factory_;
peer_connection_factory_ = webrtc::CreatePeerConnectionFactory(
    nullptr /* network_thread */, 
    nullptr /* worker_thread */,
    signaling_thread.get() /* signaling_thread */, 
    nullptr /* default_adm */,
    webrtc::CreateBuiltinAudioEncoderFactory(),
    webrtc::CreateBuiltinAudioDecoderFactory(),
    webrtc::CreateBuiltinVideoEncoderFactory(),
    webrtc::CreateBuiltinVideoDecoderFactory(), 
    nullptr /* audio_mixer */,
    nullptr /* audio_processing */);

初始化 PeerConnectionInterface

/**
CreatePeerConnection()流程：
- 创建RTCCertificateGenerator
- 创建BasicPortAllocator
- 创建RtcEventLog
- 创建Call`
- 创建PeerConnection::InitializePortAllocator_n
- 创建SctpTransportInternalFactory(cricket::SctpTransportFactory)
- 创建JsepTransportController(JsepTransportController)
- 创建WebRtcSessionDescriptionFactory(WebRtcSessionDescriptionFactory)`
*/
rtc::scoped_refptr<webrtc::PeerConnectionInterface> peer_connection_;
peer_connection_ = peer_connection_factory_->CreatePeerConnection(
      config, nullptr, nullptr, this);

创建并添加 AudioTrack和 VideoTrack


rtc::scoped_refptr<webrtc::AudioTrackInterface> audio_track(
    peer_connection_factory_->CreateAudioTrack(kAudioLabel, peer_connection_factory_->CreateAudioSource(
                            cricket::AudioOptions())));
auto result_or_error = peer_connection_->AddTrack(audio_track, {kStreamId}); 

rtc::scoped_refptr<CapturerTrackSource> video_device = CapturerTrackSource::Create();
rtc::scoped_refptr<webrtc::VideoTrackInterface> video_track_(
        peer_connection_factory_->CreateVideoTrack(kVideoLabel, video_device));
result_or_error = peer_connection_->AddTrack(video_track_, {kStreamId});

如果需要渲染则在 AudioTrack对象上添加 VideoSink


//this指向一个渲染类，比如负责OpenGL渲染的类
video_track_->AddOrUpdateSink(this, rtc::VideoSinkWants());

请求 SDP和 Candidate,并通过信令服务器进行交互

//Client A
//发起方
peer_connection_->CreateOffer( this, webrtc::PeerConnectionInterface::RTCOfferAnswerOptions());  
//CreateOffer回调里面收集的SDP信息，需要调用SetLocalDescription()，并给接收方发送sdp
peer_connection_->SetLocalDescription(DummySetSessionDescriptionObserver::Create(), desc);
//SetLocalDescription调用之后，则开始收集Candidate信息，异步收到Candidate则通过信令发送

//Client B
//当接收到Client A发送的sdp信息之后，则创建PeerConnection对象，然后调用
peer_connection_->SetRemoteDescription(DummySetSessionDescriptionObserver::Create(), session_description.release()); 
//然后调用CreateAnswer，开始收集SDP信息
peer_connection_->CreateAnswer(this, webrtc::PeerConnectionInterface::RTCOfferAnswerOptions());
//CreateAnswer回调里面收集的SDP信息，需要调用SetLocalDescription()，并给接收方发送sdp
peer_connection_->SetLocalDescription(DummySetSessionDescriptionObserver::Create(), desc);
//SetLocalDescription调用之后，则开始收集Candidate信息，异步收到Candidate则通过信令发送

//Client A接收到Client B的sdp信息
peer_connection_->SetRemoteDescription(DummySetSessionDescriptionObserver::Create(), session_description.release()); 

//Client A接收到Client B的Candidate信息 或者 Client B接收到Client A的Candidate信息 各自调用
// *****注意：这里有可能candidate比sdp先到的情况，如果先到则需要缓存处理。*****
peer_connection_->AddIceCandidate(candidate);

上述没有任何异常则媒体数据就开始传输。VideoSink的渲染类及ADM的播放模块就会接收到音视频数据，可以直接进行渲染及播放。

以上的流程以Windows平台为例，但是对于Android/iOS/Web也是通用的，基本流程不变。

4. 高级应用

以下分享2个 WebRTC在端侧的实际应用案例。

4.1 支持`Video`视频自采集

案例说明：美颜/美型等特效对于直播来说是至关重要的。通常情况下直播SDK都会支持美颜/美型等特效功能，但是 WebRTC源码中没有任何相关功能。如果针对源码扩展的话，那么就费时费力费头发。如何将直播SDK经过美颜/美型等特效处理之后的纹理/RGBA数据，直接传递给 WebRTC库中传输呢？想要实现扩展功能，则需要先了解一下 WebRTC视频采集流水线。

4.1.1 了解`WebRTC`视频采集流水线

视频采集到VideoTrack流程
VideoSourceInterface：视频数据源接口，支持 add及 remove方法；
VideoSinkInterface：视频数据输出统一接口；
VideoTrack : 内部维护 VideoSourceInterface，渲染对象直接添加到 VideoTrack，而编码器关联到 VideoTrack则需要如下流程
- 函数调用 AddTrack()-->CreateOffer()-->SetLocalDescriptio()最终关联；
- 具体对象传递流程 VideoTrack-->VideoRtpSender-->WebRtcVideoVChannel-->WebRtcVideoSendStream-->VideoSendStream-->VideoStreamEncoder
VideoBroadcaster：同时实现 VideoSourceInterface及 VideoSinkInterface接口，内部维护容器 vector<VideoSinkInterface>;
CapturerTrackSource : 数据获取实现类，实现 VideoSourceInterface接口。内部须维护一个 VideoBroadcaster类，视频数据返回之后通过调用 VideoSinkInterface的 onFrame接口，然后作用到 vector<VideoSinkInterface>每一个对象上；

通过上面源码类图，有了大致的了解，为了更好的理解 WebRTC的视频采集，将上面类简化并抽离出主要方法。

VideoTrackInterface可以认为是 VideoSourceInterface的代理类，根据不同的 VideoSourceInterface实现不同的数据源(Camera，文件，网络流等)；
VideoSourceInterface和 VideoSinkInterface采用观察者模式， VideoSourceInterface为被观察者， VideoSinkInterface为观察者。 VideoBroadcaster是 VideoSourceInterface的具体操作类。负责 VideoSinkInterface的增/删/分发操作。
VideoSinkInterface为输出接口，可以被渲染类/编码类/本地文件类等实现。

4.1.2 解决方案

/*VideoSourceImpl.h*/
class VideoSourceImpl :
    public VideoSourceInterface<VideoFrame>
{
public:
    virtual ~VideoSourceImpl();
    static VideoSourceImpl* Create(size_t width,
        size_t height,
        size_t target_fps,
        size_t capture_device_index);

    void AddOrUpdateSink(VideoSinkInterface<VideoFrame>* sink,
        const VideoSinkWants& wants) override;
    void RemoveSink(VideoSinkInterface<VideoFrame>* sink) override;
    void OnFrame(VideoFrame& frame) override;
private:
    VideoSourceImpl();
private:
    VideoBroadcaster broadcaster_;
};
/*VideoSourceImpl.c*/
VideoSourceImpl* VideoSourceImpl::Create(size_t width,
    size_t height,
    size_t target_fps,
    size_t capture_device_index) {
    std::unique_ptr<VideoSourceImpl> vcm_capturer(new VideoSourceImpl());
    return vcm_capturer.release();
}
VideoSourceImpl::VideoSourceImpl() {}
VideoSourceImpl::~VideoSourceImpl() {}

void VideoSourceImpl::AddOrUpdateSink(VideoSinkInterface<VideoFrame>* sink,
    const VideoSinkWants& wants) {
    broadcaster_.AddOrUpdateSink(sink, wants);
}

void VideoSourceImpl::RemoveSink(VideoSinkInterface<VideoFrame>* sink) {
    broadcaster_.RemoveSink(sink);
}

void VideoSourceImpl::OnFrame(VideoFrame& frame) {
    broadcaster_.OnFrame(frame);
}

将 VideoSourceImpl对象作为参数传递给 VideoTrack，然后外部纹理/RGBA/NV12等数据直接通过 VideoSourceImpl::OnFrame传递即可。

4.2 支持`Audio`本地音量数据回调

案例说明：多人语音连麦场景下，产品想在界面上面动态的展示本地音量的波动。但是 WebRTC未支持这个功能。

4.2.1 `WebRTC`音频采集流水线及ADM

AudioDeviceModule：负责音频数据的采集和播放，不同平台不同实现。实现类通常内部维护 AudioDeviceBuffer对象；
AudioDeviceBuffer：负责管理音频数据的缓冲区，内部维护 AudioTransport对象；
AudioTransport：关键的对外接口，负责音频数据的传入(调用NeedMorePlayData方法，供Playout使用)和输出(调用RecordedDataIsAvailable方法，数据由Record采集操作产生)
AudioProcessing：负责对录制的音频数据做初始处理，典型的3A算法。
AudioMixer：负责多路远端发送过来的音频数据做混音。
AudioState：负责以上各个类的调度；

以上几个关键的接口重要函数定义如下：

AudioDeviceModule接口，各种平台相关逻辑的抽象


class AudioDeviceModule : public rtc::RefCountInterface {
 public:

 public:
  // Creates a default ADM for usage in production code.
  static rtc::scoped_refptr<AudioDeviceModule> Create(
      AudioLayer audio_layer,
      TaskQueueFactory* task_queue_factory);

  // Full-duplex transportation of PCM audio
  virtual int32_t RegisterAudioCallback(AudioTransport* audioCallback) = 0;

  //.............................................
  // Audio transport control
  virtual int32_t StartPlayout() = 0;
  virtual int32_t StopPlayout() = 0;
  virtual bool Playing() const = 0;
  virtual int32_t StartRecording() = 0;
  virtual int32_t StopRecording() = 0;
  virtual bool Recording() const = 0;

  //.............................................

 protected:
  ~AudioDeviceModule() override {}
};

AudioDeviceBuffer接口


class AudioDeviceBuffer {
  //.................
  AudioTransport* audio_transport_cb_;
  //.................
}

int32_t AudioDeviceBuffer::RegisterAudioCallback(
    AudioTransport* audio_callback) {
  RTC_DCHECK_RUN_ON(&main_thread_checker_);
  if (playing_ || recording_) {
    RTC_LOG(LS_ERROR) << "Failed to set audio transport since media was active";
    return -1;
  }
  audio_transport_cb_ = audio_callback;
  return 0;
}

AudioTransport接口

class AudioTransport {
 public:
  //录制的数据发送出去
  virtual int32_t RecordedDataIsAvailable(const void* audioSamples,
                                          const size_t nSamples,
                                          const size_t nBytesPerSample,
                                          const size_t nChannels,
                                          const uint32_t samplesPerSec,
                                          const uint32_t totalDelayMS,
                                          const int32_t clockDrift,
                                          const uint32_t currentMicLevel,
                                          const bool keyPressed,
                                          uint32_t& newMicLevel) = 0;  // NOLINT

  // Implementation has to setup safe values for all specified out parameters.
  //获取用于播放的音频数据
  virtual int32_t NeedMorePlayData(const size_t nSamples,
                                   const size_t nBytesPerSample,
                                   const size_t nChannels,
                                   const uint32_t samplesPerSec,
                                   void* audioSamples,
                                   size_t& nSamplesOut,  // NOLINT
                                   int64_t* elapsed_time_ms,
                                   int64_t* ntp_time_ms) = 0;  // NOLINT

  // Method to pull mixed render audio data from all active VoE channels.
  // The data will not be passed as reference for audio processing internally.
  //获取用于播放的音频数据
  virtual void PullRenderData(int bits_per_sample,
                              int sample_rate,
                              size_t number_of_channels,
                              size_t number_of_frames,
                              void* audio_data,
                              int64_t* elapsed_time_ms,
                              int64_t* ntp_time_ms) = 0;

 protected:
  virtual ~AudioTransport() {}
};

那么这些对象是怎么关联的呢？

通常AudioDeviceModule实现类则必然拥有AudioDeviceBuffer对象。而AudioDeviceBuffer对象内部拥有AudioTransport对象。AudioDeviceModule通过AudioDeviceBuffer对象的RegisterAudioCallback方法，将三者联系起来。分析 Windows/Android/iOS的实现类都是这个流程。

以下列举不同平台的AudioDeviceModule实现

Windows平台
- std::unique_ptr<AudioDeviceGeneric>audio_device_;
- 实现类 AudioDeviceWindowsCore 继承 AudioDeviceGeneric
- AudioDeviceWindowsCore为 Windows平台硬件麦相关API的实现。
- AudioDeviceBufferaudio_device_buffer_;
- 路径： modules\audio_device\audio_device_impl.cc
- 继承关系： AudioDeviceModuleImpl-->AudioDeviceModuleForTest-->AudioDeviceModule
- 核心属性：
Android平台
- conststd::unique_ptr<AudioInput>input_;
- conststd::unique_ptr<AudioOutput>output_;
- std::unique_ptr<AudioDeviceBuffer>audio_device_buffer_;
- 路径： sdk/android/src/jni/audio_device/audio_device_module.cc
- 继承关系： AndroidAudioDeviceModule-->AudioDeviceModule
- 核心属性：
iOS平台
- 实现类 AudioDeviceIOS 继承 AudioDeviceGeneric
- AudioDeviceIOS为 iOS平台硬件麦相关API的实现。
- 路径： sdk/objc/native/src/audio/audio_device_module_ios.mm
- 继承关系： AudioDeviceModuleIOS-->AudioDeviceModule
- 核心属性：
- std::unique_ptr<AudioDeviceIOS>audio_device_;
- std::unique_ptr<AudioDeviceBuffer>audio_device_buffer_;

4.2.2 解决方案

了解了上面的知识之后，其实方案有多种可以选择，这里仅给出一种实现方式。
根据音频采集流水线我们知道AudioTransport接口是音视频出入的大门，我们可以自定义AudioDeviceModule并实现AudioTransport接口，通过AudioDeviceModule的 int32_tRegisterAudioCallback(webrtc::AudioTransport*audio_callback)方法建立关联。然后重写RecordedDataIsAvailable接口，内部计算音量值并通过接口返回即可。


//CustomADMWrapper.h
class CustomADMWrapper : public webrtc::AudioDeviceModule, public webrtc::AudioTransport {
public:
    // AudioTransport methods overrides.
    int32_t RecordedDataIsAvailable(const void* audioSamples,
        const size_t nSamples,
        const size_t nBytesPerSample,
        const size_t nChannels,
        const uint32_t samples_per_sec,
        const uint32_t total_delay_ms,
        const int32_t clockDrift,
        const uint32_t currentMicLevel,
        const bool keyPressed,
        uint32_t& newMicLevel)override;
}

//CustomADMWrapper.cc
int32_t CustomADMWrapper::RecordedDataIsAvailable(const void* audioSamples,
    const size_t nSamples,
    const size_t nBytesPerSample,
    const size_t nChannels,
    const uint32_t samples_per_sec,
    const uint32_t total_delay_ms,
    const int32_t clockDrift,
    const uint32_t currentMicLevel,
    const bool keyPressed,
    uint32_t& newMicLevel) {
    /*计算音量并通过接口回调音量给上层。*/
    return res;
}

5. 源码统一

有过WebRTC开发经验的人应该都知道，WebRTC针对不同的平台有不同的分支，不同的编译脚本。如果我们需要修改WebRTC某一处源码，则就需要切换分支修改代码，那么我们可以使用一套代码来管理吗？下面我介绍一下我们的方案。

查看以下源码目录我们不难发现，Android/iOS/Windows几乎都一致，只有 third_party目录存在差异，这里不难理解，都是在编译时的依赖库和工具，比如Android平台依赖 SDK及 NDK， Windows和 iOS就不需要。

于是我们就可以通过4个git仓库来管理和维护。

仓库名	地址	描述
webrtcm79core	https://xxxxx.com/webrtcm79core.git	除了third_party及测试相关目录之外其他目录
webrtcm79thirdpartyandroid	https://xxxxx.com/webrtcm79thirdpartyandroid.git	Android的第三方库，基本不会更新
webrtcm79thirdpartyiOS	https://xxxxx.com/webrtcm79thirdpartyiOS.git	iOS的第三方库，基本不会更新
webrtcm79thirdpartywindows	https://xxxxx.com/webrtcm79thirdpartywindows.git	Windows的第三方库，基本不会更新

通过上面的处理我们就可以将WebRTC的源码进行统一，针对不同的平台拉取不同的代码分支编译即可。其中 webrtc_m79_third_party_android、 webrtc_m79_third_party_iOS、 webrtc_m79_third_party_windows这些基本不会更新。针对 webrtc_m79_core进行二次开发即可。

6. 业务逻辑统一

6.1 系统架构

核心层：
- 对外提供接口；
- 集成不同架构webrtc及信令SDK；
- WebRTC业务逻辑管理；
- 信令交互业务逻辑管理；
- 日志管理；
适配层：
- Android平台通过JNI实现API层与核心层逻辑交互；
- iOS平台通过OC实现API层与核心层逻辑交互；
- Windows平台API层和核心层直接交互；
API层
- 对外提供接口；
- 针对不同架构平台实现ADM、硬编解码等功能；

6.2 代码架构

Core库：封装对外接口，区分不同编译平台；
DYRtcClien模块：集成信令 SDK/WebRTC/日志SDK等等、各个业务逻辑的封装及处理。C++实现；
DYRTCEngineKit_Windows模块：集成Windows平台采集/编码/ADM等逻辑；对外接口；
DYRTCEngineKit_Android模块：集成Android平台采集/编码/ADM等逻辑； JNI接口实现；Java对外接口；
DYRTCEngineKit_iOS模块：集成iOS平台采集/编码/ADM等逻辑；OC对外接口；
应用层：
- 对外接口需根据不同平台接入不同的库；

6.3 工程管理

整个工程目录结构如下：

core目录: DYRtcClien模块目录
platform目录:
- DYRTCEngineKit_Windows编译工程及Demo工程
- DYRTCEngineKit_iOS编译工程及Demo工程
- DYRTCEngineKit_Android编译工程及Demo工程
- android目录:
- iOS目录:
- windows目录:
third_party目录: 信令SDK、日志SDK、WebRTC等不同平台的库；
- android目录: arm64-v8a, armeabi-v7a , x86, x86_64
- iOS目录:
- windows目录
- android目录: arm64-v8a, armeabi-v7a , x86, x86_64
- iOS目录
- windows目录
- include目录
- libsignal目录: 信令SDK不同平台库。
- libwebrtc目录: WebRTC不同平台库。
- 等等其他依赖库

通过上面源码及业务逻辑的统一之后，可以大大降低后期WebRTC的维护成本。

作者：潘超
来源：斗鱼流媒体

WebRTC端侧的应用及三端统一架构

1. 源码获取及编译

2. WebRTC交互逻辑

3. 基本应用

4. 高级应用

4.1 支持Video视频自采集

4.1.1 了解WebRTC视频采集流水线

4.1.2 解决方案

4.2 支持Audio本地音量数据回调

4.2.1 WebRTC音频采集流水线及ADM

4.2.2 解决方案

6. 业务逻辑统一

6.1 系统架构

6.2 代码架构

6.3 工程管理

相关推荐

WebRTC 架构的优点与局限性

通过协同浏览和 PDF 编辑将实时电子签名添加到 WebRTC 应用程序中

WebRTC拍摄在车主认证中的实现

WebRTC 真的免费吗？运行 WebRTC 应用程序的成本

搭建WebRTC视频会议应用系列1：WebRTC架构

如何使用 CPaaS 构建 WebRTC 应用程序(第一部分：原因)

发表回复

4.1 支持`Video`视频自采集

4.1.1 了解`WebRTC`视频采集流水线

4.2 支持`Audio`本地音量数据回调

4.2.1 `WebRTC`音频采集流水线及ADM