WebRTC中丢包重传机制的实现

最新推荐文章于 2025-05-03 11:45:24 发布
最新推荐文章于 2025-05-03 11:45:24 发布
阅读量5.5k 收藏 7
点赞数
CC 4.0 BY-SA版权
分类专栏： WebRTC
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/onlycoder_net/article/details/76870445
本文介绍了WebRTC中的丢包重传机制，包括前向纠错（如flexfec）和重传策略。当接收方检测到丢包时，通过发送NACK请求，发送方会在历史记录中查找并重传数据包。同时，WebRTC会考虑RTT时间范围和pacing模块来优化重传过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

当网络质量突然变的很差并开始丢包时，声音听起来音质会变差，画面帧速会下降，甚至会完全卡住。我们可能需要某种机制来应对这种情况。在WebRTC中，主要有两种机制来应该网络变差的情况：
  1. 前向纠错：在每个数据包中，您将添加一些关于前一个信息的信息，以防丢失，您需要重新构建它们（flexfec是WebRTC [1]中的新格式）。
  2. 重传：当接收方检测到有丢包时，它会发送NACK类型的RTCP包给发送方，发送方会重发这些数据。

这些机制可以根据网络条件进行组合，也可以针对特定情况进行调整，如[2]中所述的可扩展视频。在Chrome中，理论上音频，视频丢包都可以重传，但默认情况下只会启用视频丢包重传。下面会详细介绍丢包重传的具体实现。

RTP接收方
丢包重传的请求是由RTP接收方发起的。当RTP接收方检测RTP包头中的seq属性发现有丢包时，丢包重传机制就会启用。但是，是否检测到下一个RTP包不是自己预期想要的哪个就会要求重传呢？比如当前RTP序号是99，下一个来的包序号是101，哪就是否意味着序号为100的包就丢了呢？由于RTP协议是基于UDP的，而UDP又是无序传输的。再下一个包又可能就是序号为100的包。WebRTC会以500毫秒周期性的检测有没有丢包，然后不断请求重传特定数据包，除非序列号为“超过10000 old”，列表中丢失的数据包数量大于1000，您已经询问了相同的数据包10次，或者您有一个新的可解码的完整
最低0.47元/天 解锁文章

200万优质内容无限畅学
WebRTC的 丢包和重传
HOSTEN的博客
04-03 1342
前向纠错FEC和ulpfec 简述 WebRTC 中的音频大部分使用opus编码，opus编解码自带有FEC(前向纠错)； 前向纠错也叫前向纠错码(Forward Error Correction，简称FEC)，是增加数据通讯可信度的方法。在单向通讯信道中， 一旦错误被发现，其接收器将无权再请求传输。FEC 是利用数据进行传输冗余信息的方法，当传输中出现错误，将允许接收器再建数据。 基本原理: 前一帧与当前帧均正常， 前一帧数据正常解码； opus_decode(decoder, previous_
深入探究音视频开源库WebRTC中NetEQ音频抗网络延时与抗丢包的实现机制
热门推荐
dvlinker的技术专栏
04-24 1万+
深入探究音视频开源库WebRTC中NetEQ音频抗网络延时与抗丢包的实现机制
webrtc之丢包重传
weixin_34259232的博客
10-31 1025
1 介绍 WebRTC丢包重传分为两种，一个是RTP报...
浏览器 WebSocket 断线后的自动重连机制解析与实践
最新发布
2007 年 ~ 2025 年，深耕 SAP 技术 18 年
05-03 775
* 自动重连封装，替换所有 " 为 ` 以满足格式要求 */},optsopen() {});});// 过滤心跳});} else {// 断线期间暂存上例展示了如何将重连、心跳与离线消息缓冲封装在一个小型类里。即便服务器在午夜部署时重启、或者用户所在咖啡店 Wi‑Fi 抖动，依旧能在网络恢复后自动补发暂停期间积压的业务消息。WebSocket 断线之后若想“自动重连”，责任完全在开发者。
WebRTC丢包重传简介
HTJOY1202的专栏
12-13 1148
目录 概述 NACK 问题一、数据包真丢了，会一直重传吗？ 问题二、重传次数不到最大限制次数，就会一直等待吗？ 问题三、当大量丢包时，会全部重传吗？ NACK改进 总结 概述 WebRTC之所以可以优秀的完成音视频通讯，和它本身的丢包重传机制是密不可分的，今天我们就来看看其中的奥秘。 本文以M76版本展开，如果你的工程是基于其他版本开发的，也可以参考。 NACK 说到丢包重传就不得不提到NACK技术，那么NACK是什么呢。它的全称是Negative Acknowledgment Pa
WebRTC中丢包重传NACK实现分析
sunxiaopengsun的专栏
07-15 290
https://blog.youkuaiyun.com/liuhongxiangm/article/details/53520479?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.no
WebRTC服务质量（05）- 重传机制（02) NACK判断丢包
Ziwubiancheng的博客
12-17 1232
本文主要介绍了NACK的格式，以及NACK的调用栈，并且介绍了如何判断丢包，但请记住，这些包都是“可疑丢包”，真正的丢包下一节介绍。
WebRTC服务质量（08）- 重传机制（05) RTX机制
Ziwubiancheng的博客
12-23 1793
函数是 WebRTC 中 RTP 协议层实现丢包恢复的重要部分。它利用记录和 RTX 协议实现高效的重传机制，同时考虑到带宽管理、速率限制和两种重传策略（RTX 和普通 RTP）的兼容性。在具体代码实现中，它通过灵活的封装和严格的速率控制，保证了无损恢复的同时避免了网络拥塞情况。
WebRTC服务质量（04）- 重传机制（01) RTX NACK概述
Ziwubiancheng的博客
12-16 1039
NACK（Negative Acknowledgments）是一种反馈机制，用于通知发送端某些数据包在传输过程中丢失了，从而让发送端可以知道需要重新发送丢失的数据包。RTX（Retransmission）是WebRTC中实现NACK的一个实际重传机制，用于基于NACK反馈进行丢包的重传。
webrtc的丢包重传rtcp包的解析
dong_beijing的博客
07-06 2239
    webrtc的丢包重传的核心实现在nack_module.cc中，其实现的原理为rfc 4585协议。rfc 4585协议定义了 Real-time Transport Control Protocol (RTCP)-Based Feedback (RTP/AVPF)，即实时的rtcp的反馈，来反映丢包信息，而其中的PID和BLP信息，可以充分的利用rtp的sequence号是short的...
【TCP丢包重传】
用可见的方式来记录和分享每一次收获
09-21 646
TCP丢包重传机制如果在网络状况最糟糕的情况下就会造成极大的延迟。或者超过2min断开连接。如果这种场景下可以采用UDP。UDP需要解决包的重新排序，丢包等问题。
TCP的那些事儿（上）
ywk253100的专栏
05-28 1196
TCP是一个巨复杂的协议，因为他要解决很多问题，而这些问题又带出了很多子问题和阴暗面。所以学习TCP本身是个比较痛苦的过程，但对于学习的过程却能让人有很多收获。关于TCP这个协议的细节，我还是推荐你去看W.Richard Stevens的《TCP/IP 详解 卷1：协议》（当然，你也可以去读一下RFC793以及后面N多的RFC）。另外，本文我会使用英文术语，这样方便你通过这些英文关键词来查找相
java丢包,webrtc之丢包重传
weixin_36116008的博客
03-13 226
介绍WebRTC丢包重传分为两种，一个是RTP报文丢失重传，另一个书PLI视频帧丢失重传，SDP格式如下：a=rtcp-fb:104 nack (RTP报文丢失重传)a=rtcp-fb:104 nack pli (PLI视频帧丢失重传)生成SDP的时候直接将以上参数加入到Codec，代码流程如下：AppendVideoCodecs ->AddDefaultFeedbackParams接口内...
WebRTC之丢包重传协议
徐福记456
09-24 1340
丢包处理可以使用FEC前向纠错、NACK丢包重传。上一篇文章咱们介绍过前向纠错，现在来探讨丢包重传。首先是接收端发送基于RTCP反馈的请求，发送端收到请求后重传指定packet包。
mediasoup源码分析之-丢包重传
cynic_liu的博客
08-19 553
丢包重传就是在客户端没有收到服务端发送的数据情况下，服务端重新发送数据。ACK和NACK是两种选择机制，mediasoup里采用的是nack机制，客户端在没有接收到某个包时，主动通过RTCP消息告知服务端，哪个包丢失了，服务端收到该消息后重传对应的包。关于RTCP携带NACK的消息，RFC4585有详细描述，FMT=1,PT=205 0 1 2 3 0 1 2 3 4 5 6 7 8 9
丢包重传协议技术讲解
shengyin714959的博客
08-07 214
接收端在检测到丢包时不应该马上发送丢包重传请求，而是加上延时来补偿重排序的包。如果原始包的RTP头有扩展字段，那么重传包也必须携带相同的扩展字段。因此，重传包应该在原始包基础上降低码率。另外，发送端可以选择性重传，对重要的packet包进行重传，对优先级高的优先重传，不重要的packet包可以忽略NACK消息。在session多路复用的场景，"Cache-Control"应该设为"no-cache"。重传包的参数apt和rtx-time，在SDP的"a=fmtp"进行描述，以键值对的形式出现；
【webrtc】webrtc的rtp重传代码分析
phymat.nico的专栏
10-14 244
https://www.cnblogs.com/lenomirei/p/11329131.html
rk3588调用npu
02-16
### RK3588平台NPU调用方法 #### 创建和初始化NPU环境 为了在RK3588平台上成功调用NPU进行神经网络推理或加速，首先需要确保设备已正确配置并加载了相应的驱动程序。Rockchip的官方固件通常已经预装了RKNPU驱动[^3]。 一旦确认硬件准备就绪，可以通过以下方式创建和初始化NPU环境： ```cpp #include "rknn_api.h" // 初始化模型路径和其他参数 const char* model_path = "./model.rknn"; int ret; rknn_context ctx; ret = rknn_init(&ctx, model_path, 0, 0, NULL); if (ret < 0) { printf("Failed to initialize rknn context\n"); } ``` 这段代码展示了如何使用`rknn_api.h`库来初始化一个RKNN上下文对象，这一步骤对于后续的操作至关重要[^2]。 #### 加载和编译模型 接下来，在实际运行之前还需要加载预先训练好的神经网络模型文件（通常是`.rknn`格式）。此过程涉及读取模型二进制数据，并将其传递给RKNN API以便内部处理和优化。 ```cpp // 假设模型已经被转换成 .rknn 文件格式 char *model_data; // 模型的数据指针 size_t model_size; // 模型大小 FILE *fp = fopen(model_path, "rb+"); fseek(fp, 0L, SEEK_END); model_size = ftell(fp); rewind(fp); model_data = (char *)malloc(sizeof(char)*model_size); fread(model_data, sizeof(unsigned char), model_size, fp); fclose(fp); // 将模型数据传入RKNN API ret = rknn_load_rknn(ctx, &model_data, &model_size); free(model_data); if(ret != 0){ printf("Load Model Failed!\n"); } else{ printf("Model Loaded Successfully.\n"); } ``` 这里说明了从磁盘读取模型文件的具体操作流程，并通过API函数将这些信息提交给了底层框架去解析和设置好用于推断所需的资源[^1]。 #### 执行前向传播计算 当一切准备工作完成后就可以开始真正的预测工作——即让NPU执行一次完整的前向传播运算。这个阶段主要是构建输入张量、启动异步任务以及收集输出结果。 ```cpp float input_tensor[INPUT_SIZE]; // 输入特征图数组 float output_tensors[MAX_OUTPUTS][OUTPUT_SIZE]; // 输出特征图数组 struct rknn_input inputs[] = {{input_tensor}}; struct rknn_output outputs[MAX_OUTPUTS]; for(int i=0;i<NUM_ITERATIONS;++i){ memset(inputs, 0 ,sizeof(struct rknn_input)); memcpy(input_tensor, inputData[i], INPUT_SIZE*sizeof(float)); // 启动推理任务 ret = rknn_run(ctx, nullptr); if(ret!=0){ printf("Inference failed at iteration %d", i); break; } // 获取输出结果 for(size_t j=0;j<num_outputs;++j){ struct rknn_output& out = outputs[j]; size_t bufSize = OUTPUT_SIZE * sizeof(float); void* buffer = malloc(bufSize); ret = rknn_get_output(ctx, j, &out.datatype, &buffer, &bufSize, false); if(!ret && buffer){ memcpy(output_tensors[j], buffer, bufSize); free(buffer); } } } printf("All iterations completed successfully."); ``` 上述片段体现了典型的基于RKNN SDK的应用场景：先准备好待测样本作为输入；接着触发内核中的计算逻辑；最后获取到经过变换后的响应值供下一步分析所用[^4]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值