深入了解音视频开发直播协议RTMP

说起RTMP协议，相信很多人都比较陌生，这个协议相对HTTP、HTTPS、TCP等我们常见的协议而言，我们在工作中确实较少接触它，但是对现在如火如荼的直播行业，RTMP是一个重要的协议，它在实时音视频场景中使用非常广泛，而且目前市占率很高。

本文的主要内容是分析RTMP的协议，当然不是纯理论分析，这样没多大意思，还是结合实践抓包文件来具体分析，这样才能较好地理解RTMP的内涵。具体如何抓包见本文末尾的“Android抓包”模块。希望你阅读完本章之后，自己也能简单地动手操作一下，这样理解深刻一下。

RTSP/RTMP推流分析

RTMP基础介绍

RTMP协议的主要特点：

RTMP协议是应用层协议，是要靠底层可靠的传输层（TCP）
协议（通常是TCP）来保证信息传输的可靠性的。在基于传输层协议的链接建立完成后，RTMP协议也要客户端和服务器通过“握手”来建立基于传输层链接之上的RTMP Connection链接。播放一个RTMP协议的流媒体需要经过以下几个步骤：握手，建立网络连接，建立网络流，播放。服务器和客户端之间只能建立一个网络连接，但是基于该连接可以创建很多网络流。

这儿埋下一个小疑问？为什么传输层已经建立了TCP连接，RTMP还需要再次建立一个连接，有这个必要吗？

RTMP协议传输时会对数据做自己的格式化，这种格式的消息我们称之为RTMP Message，而实际传输的时候为了更好地实现多路复用、分包和信息的公平性，发送端会把Message划分为带有Message ID的Chunk，每个Chunk可能是一个单独的Message，也可能是Message的一部分，在接受端会根据chunk中包含的data的长度，message id和message的长度把chunk还原成完整的Message，从而实现信息的收发。

RTMP握手

RTMP基于TCP，已知TCP需要3次握手才可以建立连接，在TCP3次握手成功之后，应用层的RTMP也是需要握手的，就是认证过程。具体的认证过程如下：

客户端发送 C0、C1、 C2，服务器发送 S0、 S1、 S2。
首先，客户端发送 C0 表示自己的版本号，不必等对方的回复，然后发送 C1 表示自己的时间戳。
服务器只有在收到 C0 的时候，才能返回 S0，表明自己的版本号，如果版本不匹配，可以断开连接。
服务器发送完 S0 后，也不用等什么，就直接发送自己的时间戳 S1。客户端收到 S1 的时候，发一个知道了对方时间戳的 ACK C2。同理服务器收到 C1 的时候，发一个知道了对方时间戳的 ACK S2。
握手建立完成。

现在回答上面提出的问题，为什么RTMP还需要单独建立一个连接？

因为它们需要商量一些事情，保证以后的传输能正常进行。主要就是两个事情，一个是版本号，如果客户端、服务器的版本号不一致，则不能工作。另一个就是时间戳，视频播放中，时间是很重要的，后面的数据流互通的时候，经常要带上时间戳的差值，因而一开始双方就要知道对方的时间戳。

光讲纯理论，没意思，还是抓包看一下具体的流程吧。

1.首先TCP 3次握手

2.RTMP握手过程

我们发现真实发包是C0+C1一起发；S0、S1、S2一起发。但是发送的时候还是会严格按照时序来控制的，这样才能真正校验好版本号等字段。

拉流

RTMP拉流的核心流程如下：

1.建立网络连接

客户端发送命令消息中的“连接”(connect)到服务器，请求与一个服务应用实例建立连接。

StreamID是每个消息的唯一标识，划分成Chunk和还原Chunk为Message的时候都是根据这个ID来辨识是否是同一个消息的Chunk的，这里面为0说明这个消息是初始的0消息。

Chunk stream ID：一个RTMP message会拆分成多个chunk，同一个Chunk Stream ID必然属于同一个Message。这样在传送过程中发过来的chunk就是通过chunk stream ID最终组装成功我一个完成的message数据的。

message type id(消息的类型id)：表示实际发送的数据的类型，如8代表音频数据、9代表视频数据。如下面的两张图，这样看上去是不是好理解一点了。

是chunk type。共有4种不同的格式，其中第一种格式字段为0，可以表示其他三种表示的所有数据，但由于其他三种格式是基于对之前chunk的差量化的表示，因此可以更简洁地表示相同的数据，实际使用的时候还是应该采用尽量少的字节表示相同意义的数据。因为type 0是表示不同数据，其他是差量，所以可以想象如果搜不到type 0的包说明这个流肯定有问题。可以通过“rtmpt.header.format == 0”过滤。

2.建立一个网络流

网络流代表了发送多媒体数据的通道。服务器和客户端之间只能建立一个网络连接，且多个网络流可以复用这一个网络连接。这个在上面已经反复说过。

客户端向服务器请求创建流：

服务器收到请求后向客户端发送_result()，对创建流的消息进行响应。此时NetStream创建完成。

3.Play 播放

客户端发送命令消息中的“播放”（play）命令到服务器。

接收到播放命令后，服务器发送设置块大小（ChunkSize）协议消息。服务器发送用户控制消息中的“streambegin”，告知客户端流ID。

播放命令成功的话，服务器发送命令消息中的“响应状态” NetStream.Play.Start，告知客户端“播放”命令执行成功。

我们发现执行了3个动作，分别如下：

共用一个Stream ID，并且在可以播放消息回来之后，已经解析出视频的基本属性。

推流

分析完拉流的所有操作，启示推流也是类似的，区别在Play —> Publishing了。

Android抓包

进入网站：www.androidtcpdump.com/android-tcp… tcpdump工具，现在最新版本是4.9.3
找一个root的手机，将下载好的tcpdump文件先push到/sdcard/ 下面，adb push tcpdump /sdcard/tcpdump
adb shell进入手机adb 模式下，cp -rf /sdcard/tcpdump /data/local/，将tcpdump拷贝到/data/local/目录下
chmod 777 /data/tcpdump，赋予tcpdump完全的执行权限
./data/local/tcpdump -i any -p -s 0 -w /sdcard/capture.pcap
然后开始访问rtmp的请求，访问完成后，会在/sdcard/目录下生成capture.pcap文件
adb pull /sdcard/capture.pcap ，本地使用wireshare分析capture.pcap文件
rtmp的测试源提供一个：rtmp://58.200.131.2:1935/livetv/hunantv

FFmpeg/WebRTC/RTMP音视频流媒体高级开发学习资料、教学视频和学习路线图免费分享有需要的可以自行添加学习交流群973961276