RTP协议详解

  RTP协议负责对流媒体数据进行封包并实现媒体流的实时传输，即它按照RPT数据包格式来封装流媒体数据，并利用与它绑定的协议进行数据包的传输；RTP本身只保证实时数据的传输，并不能为按顺序传送数据包提供可靠的传送机制，也不提供流量控制或拥塞控制，它依靠RTCP提供这些服务。

一、RTP数据包格式

  RTP码流由多个RTP包组成，每个RTP包，由RTP头标准字段（固定12字节）、RTP头扩展字段、RTP负载、填充字段组成，私有数据存放在私有扩展字段，包括各种描述及各种私有类型数据，RTP保存成文件是不能直接播放的，抓包下来的RTP码流中往往含有协议交互数据和冗余数据。

(1) V：RTP协议的版本号，占2位，当前协议版本号为2；
(2) P：填充标志，占1位，如果P=1，则在该报文的尾部填充一个或多个额外的八位组，它们不是有效载荷的一部分。如果P=1,需要查看这一个RTP包文最后一个字节(该字节的值只可能为1，2，3)，如果字节值是0x01，说明只有一个字节填充；如果是0x02, 说明有两个字节填充；如果字节值是0x03，说明有三个字节填充；
(3) X：扩展标志，占1位，如果X=1，则在RTP报头后跟有一个扩展报头。一般只有hik私有帧(90 F0开头)才会有扩展数据。如果X=1，在RTP头的12个字节之后，会带有以下内容：两个字节的扩展内容说明extenProfile；两个字节的扩展数据长度extenLength；扩展数据4*extenLength字节；
(4) CC：CSRC计数器，占4位，指示CSRC 标识符的个数（作用信源CSRC计数器，字节数为4n个）。比如一个rtp头中，cc的值为2，则在RTP的12个字节后会带上4*2=8个字节的数据，表示CSRC；
(5) M: 标记，占1位，不同的有效载荷有不同的含义，对于视频，标记一帧的结束；对于音频，标记会话的开始；
(6) PT: 有效荷载类型，占7位，用于说明RTP报文中有效载荷的类型，H264:96; G711u:0; g711a:8; aac:104; hik私有数据:112，其他荷载类型，参考官网https://www.ietf.org/assignments/rtp-parameters/rtp-parameters.xml
(7) 序列号：占16位，用于标识发送者所发送的RTP报文的序列号，每发送一个报文，序列号增1。这个字段当下层的承载协议用UDP的时候，网络状况不好的时候可以用来检查丢包。同时出现网络抖动的情况可以用来对数据进行重新排序，序列号的初始值是随机的，同时音频包和视频包的sequence是分别记数的；
(8) 时戳(Timestamp)：占32位，必须使用90 kHz 时钟频率。时戳反映了该RTP报文的第一个八位组的采样时刻。接收者使用时戳来计算延迟和延迟抖动，并进行同步控制；
(9) 同步信源(SSRC)标识符：占32位，用于标识同步信源。该标识符是随机选择的，参加同一视频会议的两个同步信源不能有相同的SSRC。可以简单理解为一路媒体信息的标记，比如码流中所有H264视频的RTP头中这个标记为0x12345678；所有G711音频的RTP头中这个标记为0x11111111；对于hik私有帧，这个标记很多时候都是0x556677