2、RTP会话建立：SDP协议简介、Offer/Answer模型、媒体协商流程

聊完RTP的包头和基本传输模型，咱们得面对一个实际问题：两个端点怎么知道对方支持什么编码、用什么端口、发什么格式的数据？

说白了，RTP只管把媒体数据打包扔出去。但在这之前，双方得先“握手”——告诉对方自己能干什么、想干什么。这个握手的过程，就是SDP协议配合Offer/Answer模型完成的。

我刚开始接触RTP开发时，总觉得SDP就是个文本描述文件，没什么技术含量。直到有一次在项目中排查兼容性问题，发现对方把a=fmtp参数写错了，导致视频花屏。嗯，从那以后我再也不敢小看这几行文本了。

2.1 SDP协议：不只是个文本描述

SDP的全称是Session Description Protocol，会话描述协议。它不负责传输数据，只负责描述媒体会话的“长相”。

你想想看，两个设备要通话，至少得知道：

• 用什么编码？H.264还是VP8？
• 码率多少？分辨率多大？
• RTP往哪个IP和端口发？
• 音频和视频是分开还是混在一起？

SDP就是干这个的。它用一组键值对来描述这些信息，每一行以单个字母开头，后面跟着等号和具体值。

我个人习惯把SDP分成两部分看：会话级和媒体级。会话级描述全局信息（版本、发起者、连接地址），媒体级描述每个媒体流的具体参数。一个SDP里可以有多个m=行，分别对应音频、视频、字幕等。

2.2 Offer/Answer模型：你一句我一句

SDP只是描述格式，那谁来发起、谁来响应？这就是Offer/Answer模型要解决的问题。

这个模型很简单：

1. Offer方（通常是呼叫方）生成一个SDP，描述自己支持的媒体能力。
2. Answer方（被叫方）收到后，根据自己的能力生成一个SDP回复。
3. 双方各自解析对方的SDP，确定最终的媒体参数。

说白了，就是“我告诉你我能做什么，你告诉我你能做什么，然后我们取交集”。

举个例子：

// Offer（呼叫方）
v=0
o=- 123456 2 IN IP4 192.168.1.10
s=-
c=IN IP4 192.168.1.10
t=0 0
m=audio 5004 RTP/AVP 0 8 101
a=rtpmap:0 PCMU/8000
a=rtpmap:8 PCMA/8000
a=rtpmap:101 telephone-event/8000
m=video 5006 RTP/AVP 96 97
a=rtpmap:96 H264/90000
a=rtpmap:97 VP8/90000

// Answer（被叫方）
v=0
o=- 654321 1 IN IP4 192.168.1.20
s=-
c=IN IP4 192.168.1.20
t=0 0
m=audio 6004 RTP/AVP 0 101
a=rtpmap:0 PCMU/8000
a=rtpmap:101 telephone-event/8000
m=video 6006 RTP/AVP 96
a=rtpmap:96 H264/90000

你看，Answer方只选择了自己支持的编码：音频选了PCMU（payload type 0），视频选了H.264（payload type 96）。VP8被跳过了，因为Answer方不支持。

2.3 媒体协商流程：从SDP到RTP流

光有Offer/Answer还不够，实际项目中媒体协商是一个多步骤的流程。我画了一张图，帮你理清整个过程：

这个流程看起来简单，但实际项目中坑不少。我挑几个常见的说说：

2.4 避坑指南：媒体协商中的常见问题

另一个常见问题是Payload Type冲突。RTP标准里，0-95是静态分配的类型（比如0=PCMU，8=PCMA），96-127是动态类型。但不同厂商对动态类型的理解不一样。我见过一个设备把H.264映射到96，另一个设备把VP8映射到96，结果两边都以为对方说的是自己的编码。

2.5 媒体协商与编解码协同

回到课程主题——流控与编解码协同。媒体协商阶段其实已经埋下了协同的种子。

举个例子，Offer方在SDP里声明了a=fmtp:96 max-br=2000，意思是“我最高支持2Mbps的码率”。Answer方如果网络条件差，可以在Answer里回复a=fmtp:96 max-br=500，把码率限制到500Kbps。这样在RTP流启动前，双方就已经对码率上限达成了共识。

我个人习惯在SDP里额外携带以下编解码参数：

参数	含义	示例
max-br	最大码率（kbps）	a=fmtp:96 max-br=2000
max-fs	最大帧尺寸（宏块数）	a=fmtp:96 max-fs=8160
max-fps	最大帧率	a=fmtp:96 max-fps=30
packetization-mode	H.264分包模式	a=fmtp:96 packetization-mode=1

这些参数在协商阶段定下来后，后续的流控算法就有了边界。比如码率不能超过max-br，分辨率不能超过max-fs对应的尺寸。说白了，SDP就是给流控画了个“天花板”。