一、WebRTC 概述：从零开始认识这项技术

1.1 什么是 WebRTC？

WebRTC，全称 Web Real-Time Communication。说白了，就是让浏览器之间能直接通话、传视频、发文件，不需要装任何插件。

我刚开始接触这个技术时，也觉得挺神奇的。你想想看，两个浏览器之间，没有服务器中转，就能实现低延迟的音视频通话。这在十年前几乎是不可想象的。

WebRTC 的核心能力就三件事：

• 音视频采集与播放 —— 打开摄像头、麦克风，播放远端传来的流
• 点对点传输 —— 两个浏览器直接建立连接，数据不经过服务器
• 网络穿透 —— 即使双方都在 NAT 后面，也能找到对方

嗯，这里要注意：WebRTC 不是单一协议，而是一整套技术栈的集合。它包含了音视频编解码、网络传输、安全加密等多个层面。

1.2 WebRTC 的发展历史

WebRTC 的故事要从 2010 年说起。当时 Google 收购了 GIPS 公司，这家公司做的是 VoIP 引擎。Google 拿到手后，决定把它开源，并集成到 Chrome 浏览器里。

我记得 2011 年 Google 首次公布了 WebRTC 项目，那时候业界反应其实挺平淡的。很多人觉得「浏览器里做实时通信？延迟肯定高得没法用」。

但事情在 2013 年发生了变化。这一年，Chrome 和 Firefox 实现了互通的 WebRTC 通话。我亲自试过，效果出奇的好。从那以后，WebRTC 就进入了快车道。

几个关键时间节点：

年份	事件
2010	Google 收购 GIPS，获得实时通信核心技术
2011	Google 开源 WebRTC 项目
2013	Chrome 与 Firefox 首次实现 WebRTC 互通
2017	W3C 发布 WebRTC 候选推荐标准
2021	WebRTC 成为 W3C 正式推荐标准

我曾经参与过一个项目，需要在 2015 年左右的 Android 浏览器上跑 WebRTC。那时候兼容性问题特别多，不同浏览器对 SDP 的解析方式都不一样。现在好多了，主流浏览器基本都支持了。

1.3 WebRTC 的核心应用场景

WebRTC 能做什么？我列几个最常见的场景：

• 视频会议 —— Zoom、Google Meet、腾讯会议的后台技术，底层都用了 WebRTC
• 远程医疗 —— 医生和患者实时视频问诊，低延迟很关键
• 在线教育 —— 一对一或小班课，师生互动需要实时音视频
• 直播连麦 —— 主播和观众连麦互动，WebRTC 负责低延迟传输
• 屏幕共享 —— 远程协作时共享桌面或某个应用窗口
• 文件传输 —— 利用 DataChannel 实现点对点文件传输，速度很快

我个人觉得，WebRTC 最大的价值在于「零门槛」。用户打开浏览器就能用，不需要下载任何客户端。这对很多 ToC 场景来说，体验提升是巨大的。

1.4 WebRTC 的技术架构概览

WebRTC 的技术架构，我习惯把它分成三层：

• 应用层 —— 开发者直接调用的 API，包括 getUserMedia、RTCPeerConnection、RTCDataChannel
• 会话层 —— 负责连接建立、媒体协商，核心是 SDP 和 ICE 协议
• 传输层 —— 负责数据收发，包括 SRTP/SCTP、DTLS、ICE 穿透

下面这张图是我自己画的，能帮你快速理解整体架构：

为什么需要这么多层？因为实时通信真的很复杂。你想想看，两个浏览器要建立连接，中间可能隔着好几层 NAT、防火墙，还要考虑加密、编解码、网络抖动……每一层解决一个问题。

我刚开始学 WebRTC 时，最头疼的就是 ICE 流程。STUN 和 TURN 的区别、候选者优先级、连接检查的顺序……这些概念很容易搞混。但等你真正理解了，就会发现这套设计其实非常优雅。

1.5 为什么 WebRTC 值得学？

说实话，实时通信的门槛一直很高。以前要做音视频通话，要么用 Flash（已经淘汰了），要么自己搭一套基于 UDP 的传输协议。这两种方式都不太理想。

WebRTC 的出现，把实时通信的门槛降到了「写几行 JavaScript」的程度。而且它是浏览器原生支持的，不需要用户安装任何东西。

我个人觉得，未来五年实时通信会像今天的 HTTP 一样普及。视频客服、远程协作、在线教育、社交娱乐……这些场景都会用到 WebRTC。早点掌握这门技术，对你来说只有好处。