WebRTC的拥塞控制和带宽策略
24hour rvice日本
⽹络的波动带来的卡顿直接影响着⽤户的体验，在WebRTC中设计了⼀套基于延迟和丢包反馈的拥塞机制（GCC）和带宽调节策略来保证延迟、质量和⽹路速度之间平衡，本⽂中重点是介绍基于trendline滤波的评估模型。本⽂来⾃学霸君资深架构师袁荣喜和萍乡学院⾟锋的投稿，并由LiveVideoStack全⽂发布。
⽂ / 袁荣喜，⾟锋
在视频通信的技术领域WebRTC已成为主流的技术标准，WebRTC包涵了诸多优秀的技术，譬如：⾳频数字信号处理技术（AEC, NS, AGC）、编解码技术、实时传输技术、P2P技术等，这些技术⽬的都是为了实现更好实时⾳视频⽅案。但是在⾼分辨率视频通信过程中，通信时延、图像质量下降和丢包卡顿是经常发⽣的事，甚⾄在WiFi环境下，⼀次视频重发的⽹络风暴可以引起WiFi⽹络间歇性中断，通信延迟和图像质量之间存在的排斥关系是实时视频过程中的主要⽭盾。the kite runner
分析WebRTC是如何解决这个⽭盾之前，先来看看我们在在线教育互动的⽣产环境统计到的视频延迟和⼈感官的关系，⼤致如下：
0 ~ 400毫秒⼈感觉不到视频在通信过程中的延迟
400 ~ 800毫秒⼈能感觉到轻微延迟，但不影响通信互动
800毫秒以上⼈能感觉到延迟⽽且影响通信互动siri什么意思
也就是说，通信过程中最好将视频延迟控制在800毫秒以内。除了延迟，视频图像质量也是个对⼈感官产⽣差异的关键因素，我们以640x480分辨率每秒24帧的H264编码情况下视频码率和⼈感官之间的关系（这组数据是我们通过⼩范围线上⽤户投票打分的数据）：
800kbps以上⼈对视频清晰度满意，感觉不到视频图像中的信息丢失
480 ~ 800kbps ⼈对视频清晰度基本满意，有时能感觉到视频图像中的信息丢失
480kbps以下⼈对视频清晰度不满意，⼤部分时候⽆法辨认图像中的细节信息
从上⾯的描述可以知道视频质量保持在⼀个可让⼈接受的质量范围是需要⽐较⼤的带宽码率⽀持的，如果加上控制延迟，则更需要⽹络有很好速度和稳定性。但是很不幸，我们现阶段的移动⽹络和家⽤WiFi并不是我们想象中的那么好，很难做到在实时视频通信中⼀个让⼈⾮常满意的程度。为了解决以上⼏个问题，WebRTC设计了⼀套基于延迟和丢包反馈的拥塞机制（GCC）和带宽调节策略来保证延迟、质量和⽹路速度之间平衡，这是⼀个持续循环过程，如下图：
洛神赋翻译
图1：拥塞控制循环⽰意图
1） estimator通过RTCP的feedback反馈过来的包到达延迟增量和丢包率信息计算出⽹络拥塞状态并评估出适合当前⽹络传输的码率，根据这个码率改变视频编码器码率，然后改变pacer的码率
2） pacer会根据这个码率改变pacer的⽹络发送速度和padding⽐例，并⽤新的⽹络发送速度来定时触
发发包事件。
3） nder收到pacer的发送事件，进⾏RTP报⽂发送。
4） receiver接收到RTP报⽂，进⾏arrival time统计和丢包统计
maxton5） feedback定时对receiver统计的信息进⾏RTCP编码，并反馈到发送端的estimator进⾏新⼀轮的码率评估。
trucking以上是整个WebRTC拥塞控制和带宽调节过程，下⾯这个⽰意图是这个过程涉及到WebRTC内部模块关系。
study
图2：WebRTC的拥塞控制模块关系图
需要说明的是红框中基于接收端的kalman filter带宽评估模型已经在新版本的WebRTC中不采⽤了，只做了向前版本兼容，新版本的WebRTC都是采⽤发送端的trendline滤波器来做延迟带宽评估，本⽂中重点是介绍基于trendline滤波的评估模型，下⾯依次来分析WebRTC的这五个过程。
1 estimator
吞吐量。从设计结构来描述向它输⼊延迟和丢包信息，它就会输出⼀个适应当前⽹络状态的码率值。⽰意图如下：
dotcom
wlan是什么成为⼀组，第⼀个超过5毫秒的包作为下⼀个包组第⼀个包。为了更好的说明包组和延迟间的关系，先来看⽰意图：
图4：包组与延迟⽰意图
grid
徙，关于状态机细节可以参看下图：
