摆脱客户端？网页发起直播势在必行！_保利威 webrtc 推流

背景

近几年直播行业飞速发展，但是由于Web端这方面功能的长时间缺失，使得直播端以客户端为主；WebRTC 的出现使得网页也可以成为直播端。那么究竟WebRTC是什么呢？

WebRTC，即Web Real-Time Communication，web实时通信技术。简单地说就是在web浏览器里面引入实时通信，包括音视频通话等，它使得实时通信变成一种标准功能，任何Web应用都无需借助第三方插件和专有软件，而是通过JavaScript API即可完成；而且WebRTC提供了视频会议的核心技术，包括音视频的采集、编解码、网络传输、展示等功能，还支持跨平台，包括主流的PC和移动端设备。

下面介绍下需要用到的几个API：

getUserMedia

我们可以通过调用navigator.mediaDevices.getUserMedia(constraints)去初始化一个本地的音视频流，然后把直播流通过video标签播放。代码如下：

html:

<div id="container">
    <video id="gum-local" autoplay playsinline></video>
    <button id="showVideo">Open camera</button>
    <button id="switchVideo">switch camera</button>
</div>

js:

const constraints = {
  audio: false,
  video: true
};
 
async function init(e) {
  try {
    const stream = await navigator.mediaDevices.getUserMedia(constraints);
    const video  = document.querySelector('video');
    video.srcObject = stream;
  } catch (e) {
    console.log(e, 'stream init error');
  }
}
document.querySelector('#showVideo').addEventListener('click', (e) => init(e));

示例效果：

当然，如果有多个设备，就需要考虑设备选择和设备切换的问题。那就需要用到下面的这个API。

设备

我们看看如何用原生的Web API去获取设备（以下示例代码可适用于Chrome，其他浏览器暂未测试；具体浏览器兼容性可参考官方文档，本文档底部有链接）。

navigator.mediaDevices.enumerateDevices()

如果枚举成功将会返回一个包含MediaDeviceInfo实例的数组，它包含了可用的多媒体输入输出设备的信息。

下面是调用代码示例。

navigator.mediaDevices.enumerateDevices().then((devices) => {
  console.log(devices, '-----enumerateDevices------');
});

设备参数说明：

1. deviceId：设备id，具有唯一性
2. groupId：设备组id，不具有唯一性
3. kind：设备类别（audioinput：音频输入设备，audiooutput：音频输出设备，videoinput：视频输入设备）
4. label：设备名称（未经过授权允许的设备，label值为空，授权允许后可拿到label的值，如下两图所示）

获取的所有设备截图（未授权）：

deviceInfo--所有设备信息（未授权）

videoinput已授权截图：

videoinput授权后截图

获取到设备列表后，可设置navigator.mediaDevices.getUserMedia(constraints)的constraints参数选择所用设备。

const { audioList, videoList } = await getDevices();
const constraints = {
  audio: {
    deviceId: audioList[0].deviceId
  },
  video: {
    deviceId: videoList[0].deviceId
  }
};
navigator.mediaDevices.getUserMedia(constraints);
...

然而，我们在更换deviceId切换设备的时候发现一些异常情况。在某些deviceId之间切换时，摄像头画面或者是麦克风采集处并没有发生变化。进一步调试发现，这些切换后没有发生变化的deviceId都具有相同的groupId。因此，相同groupId下的设备，选择一个用于切换即可。

筛选麦克风、摄像头设备示例：

function getDevices() {
  return new Promise((resolve) => {
    navigator.mediaDevices.enumerateDevices().then((devices) => {
      const audioGroup = {};
      const videoGroup = {};
      const cameraList = [];
      const micList = [];
      devices.forEach((device, index) => {
        if ((!device.groupId || !audioGroup[device.groupId]) && device.kind === 'audioinput') {
          micList.push(device);
          audioGroup[device.groupId] = true;
        }
 
        if ((!device.groupId || !videoGroup[device.groupId]) && device.kind === 'videoinput') {
          cameraList.push(device);
          videoGroup[device.groupId] = true;
        }
      });
      resolve({ cameraList, micList });
    });
  });
}

注意：在Chrome下，电脑外接摄像头后拔出设备，此时还有可能获取到拔出的设备信息，在进行切换的时候会有问题，可以采用在页面进行友好提示处理这种情况。

屏幕共享

MediaDevices.getDisplayMedia

Chrome 72+、Firefox 66+版本已经实现了WebRTC规范中的MediaDevices.getDisplayMedia，具备屏幕共享功能。

navigator.mediaDevices.getDisplayMedia({
  video: true,
  audio: false
}).then(stream => {
  video.srcObject = stream;
}).catch(err => {
  console.error(err);
});

示例效果：

对于Chrome 72以下的版本，想要实现屏幕共享的功能需要借助Chrome插件去获取screen(显示器屏幕)、application windows(应用窗口)和browser tabs(浏览器标签页)。 Chrome插件：由manifest.json和script.js组成。

manifest.json 填入一些基本数据。

background中scripts传入需执行的js文件。
 
添加permissions: ['desktopCapture']，用来开启屏幕共享的权限。
 
externally_connectable用来声明哪些应用和网页可以通过`runtime.connect`和`runtime.sendMessage`连接到插件。
{
   "manifest_version": 2,
   "name": "Polyv Web Screensharing",
   "permissions": [ "desktopCapture" ],
   "version": "0.0.1",
   "background": {
      "persistent": false,
      "scripts": [ "script.js" ]
   },
   "externally_connectable": {
      "matches": ["*://localhost:*/*"]
   }
}

script.js

// script.js
chrome.runtime.onMessageExternal.addListener(
  function(request, sender, sendResponse) {
    if (request.getStream) {
      // Gets chrome media stream token and returns it in the response.
      chrome.desktopCapture.chooseDesktopMedia(
        ['screen', 'window', 'tab'], sender.tab,
        function(streamId) {
          sendResponse({ streamId: streamId });
        });
      return true; // Preserve sendResponse for future use
    }
  }
);

在页面中开始屏幕共享。通过chrome.runtime.sendMessage发送消息到Chrome插件调起屏幕共享。获取到streamId后，通过mediaDevices.getUserMedia得到stream。

const EXTENSION_ID = '<EXTENSION_ID>';
const video = $('#videoId');
chrome.runtime.sendMessage(EXTENSION_ID, { getStream: true }, res => {
  console.log('res: ', res);
  if (res.streamId) {
    navigator.mediaDevices.getUserMedia({
      video: {
        mandatory: {
          chromeMediaSource: 'desktop',
          chromeMediaSourceId: res.streamId
        }
      }
    }).then((stream) => {
      video.srcObject = stream;
      video.onloadedmetadata = function(e) {
        video.play();
      };
    })
  } else {
    // 取消选择
  }
});

而Firefox 66版本以下，不需要像Chrome借助插件才能实现屏幕共享。Firefox 33之后可以直接通过使用mediaDevices.getUserMedia，指定约束对象mediaSource为screen、window、application来实现屏幕共享。不过在Firefox中，一次只能指定一种mediaSource。

navigator.mediaDevices.getUserMedia({
  video: {
    mediaSource: 'window' 
  }
}).then(stream => {
    video.srcObject = stream;
});

传输

WebRTC的RTCPeerConnection可以建立点对点连接通信，RTCDataChannel提供了数据通信的能力。

WebRTC的点对点连接的过程为：

1. 呼叫端给接收端发送一个offer信息。在发送给接收端之前先调用setLocalDescription存储本地offer描述。
2. 接收端收到offer消息后，先调用setRemoteDescription存储远端offer，再创建一个answer信息给呼叫端。

RTCDataChannel提供了send方法和message事件。使用起来与WebSocket类似。

由于没有服务器，以下代码为呼叫端和接收端在同一页面上，RTCPeerConnection对象之间是如何进行数据交互。

// 创建数据通道
sendChannel = localConnection.createDataChannel('通道名称', options);
sendChannel.binaryType = 'arraybuffer';
  sendChannel.onopen = function() {
  sendChannel.send('Hi there!');
};
sendChannel.onmessage = function(evt) {
  console.log('send channel onmessage: ', evt.data);
};
 
// 远端接收实例
remoteConnection = new RTCPeerConnection(servers);
remoteConnection.onicecandidate = function(evt) {
  if (evt.candidate) {
    localConnection.addIceCandidate(new RTCIceCandidate(evt.candidate));
  }
};
// 当一个RTC数据通道已被远端调用createDataChannel()添加到连接中时触发
remoteConnection.ondatachannel = function() {
  const receiveChannel = event.channel;
  receiveChannel.binaryType = 'arraybuffer';
  //接收到数据时触发
  receiveChannel.onmessage = function(evt) {
    console.log('onmessage', evt.data); // log: Hi there!
  };
  receiveChannel.send('Nice!');
};
 
// 监听是否有媒体流
remoteConnection.onaddstream = function(e) {
  peerVideo.srcObject = e.stream;
};
 
localConnection.addStream(stream);
 
// 创建呼叫实例
localConnection.createOffer().then(offer => {
  localConnection.setLocalDescription(offer);
  remoteConnection.setRemoteDescription(offer);
  remoteConnection.createAnswer().then(answer => {
    remoteConnection.setLocalDescription(answer);
    // 接收到answer
    localConnection.setRemoteDescription(answer);
  })
});

---

至此我们已经介绍完毕浏览器设备检测采集和屏幕分享的基本流程，但是光有这些可还远远不够，一套完整的直播体系包括音视频采集、处理、编码和封装、推流到服务器、服务器流分发、播放器流播放等等。如果想节省开发成本，可以使用第三方SDK。下面简单介绍下使用声网SDK发起直播的流程。

浏览器要求：

1. Chrome 58+
2. Firefox 56+
3. Safari 11+（屏幕共享不可用）
4. Opera 45+（屏幕共享不可用）
5. QQ 10+（屏幕共享不可用）
6. 360 安全浏览器 9.1+（屏幕共享不可用）

设备检测

调用AgoraRTC.getDevices获取当前浏览器检测到的所有可枚举设备，kind为'videoinput'是摄像头设备，kind为'audioinput'是麦克风设备，然后通过createStream初始化一个本地的流。 获取设备：

AgoraRTC.getDevices((devices) => {
    const audioGroup = {};
    const videoGroup = {};
    const cameraList = [];
    const micList = [];
    devices.forEach((device, index) => {
        if ((!device.groupId || !audioGroup[device.groupId]) && device.kind === 'audioinput') {
            micList.push(device);
            audioGroup[device.groupId] = true;
        }
 
        if ((!device.groupId || !videoGroup[device.groupId]) && device.kind === 'videoinput') {
            cameraList.push(device);
            videoGroup[device.groupId] = true;
        }
    });
    return { cameraList, micList };
});

初始化本地流：

// uid:自定义频道号，cameraId设备Id
const stream = AgoraRTC.createStream({
    streamID: uid,
    audio: false,
    video: true,
    cameraId: cameraId,
    microphoneId: microphoneId
});
stream.init(() => {
    // clientCamera <div id="clientCamera" ></div>
    stream.play('clientCamera', { muted: true });
}, err => {
     console.error('AgoraRTC client init failed', err);
});

stream.init()初始化直播流；如果当前浏览器摄像头权限为禁止，则调用失败，可捕获报错Media access NotAllowedError: Permission denied； 若摄像头权限为询问，浏览器默认弹窗是否允许使用摄像头，允许后调用play()可看到摄像头捕获的画面。 如果不传入cameraId，SDK会默认获取到设备的deviceId,如果权限是允许，同样会显示摄像头画面。

采集

摄像头

顺利拿到cameraId和microphoneId后就可以进行直播。通过SDK提供的createStream创建一个音视频流对象。执行init方法初始化成功之后，播放音视频(见上文)。最后通过client发布流以及推流到CDN（见下文）。

屏幕共享

Web 端屏幕共享，通过创建一个屏幕共享的流来实现的。Chrome屏幕共享需要下载插件，在创建的流的时候还需要传入插件的extensionId。

const screenStream = AgoraRTC.createStream({
    streamID: <uid>,
    audio: false,
    video: false,
    screen: true,
    extensionId: <extensionId>, // Chrome 插件id
    mediaSource: 'screen' // Firefox
});

传输

通过AgoraRTC.createStream创建的音视频流，通过publish发送到第三方服务商的SD-RTN(软件定义实时传输网络)。

client.publish(screenStream, err => {
  console.error(err);
});

别的浏览器可以通过监听到stream-added事件，通过subscribe订阅远端音视频流。

client.on('stream-added', evt => {
  const stream = evt.stream;
  client.subscribe(stream, err => {
    console.error(err);
  });
});

再通过startLiveStreaming推流到CDN。

// 编码
client.setLiveTranscoding(<coding>);
client.startLiveStreaming(<url>, true)

在推摄像头流的时候，关闭摄像头，需要推一张占位图。这个时候先用canvas画图，然后用WebRTC提供的captureStream捕获静态帧。再调用getVideoTracks，制定AgoraRTC.createStream的videoSource为该值。视频源如来自 canvas，需要在 canvas 内容不变时，每隔 1 秒重新绘制 canvas 内容，以保持视频流的正常发布。

const canvas = document.createElement('canvas');
renderCanvas(canvas);
setInterval(() => {
  renderCanvas(canvas);
}, 1000);
canvasStream = canvas.captureStream();
 
const picStream = AgoraRTC.createStream({
  streamID: <uid>,
  video: true,
  audio: false,
  videoSource: canvasStream.getVideoTracks()[0]
});
 
// 画图
function renderCanvas(canvas) {
  ...
}

一个client只能推一个流，所以在进行屏幕共享的时候，需要创建两个client，一个发送屏幕共享流，一个发送视频流。屏幕共享流的video字段设为false。视频流的video字段设为true。然后先通过setLiveTranscoding合图再推流。

const users = [
  {
    x: 0, // 视频帧左上角的横轴位置，默认为0
    y: 0, // 视频帧左上角的纵轴位置，默认为0
    width: 1280, // 视频帧宽度，默认为640
    height: 720, // 视频帧高度，默认为360
    zOrder: 0, // 视频帧所处层数；取值范围为 [0,100]；默认值为 0，表示该区域图像位于最下层
    alpha: 1.0, // 视频帧的透明度，默认值为 1.0
    uid: 888888, // 旁路推流的用户 ID
  },
  {
    x: 0,
    y: 0,
    width: 1280,
    height: 720,
    zOrder: 1,
    alpha: 1.0,
    uid: 999999
  }
];
 
var liveTranscoding = {
  width: 640,
  height: 360,
  videoBitrate: 400,
  videoFramerate: 15,
  lowLatency: false,
  audioSampleRate: AgoraRTC.AUDIO_SAMPLE_RATE_48000,
  audioBitrate: 48,
  audioChannels: 1,
  videoGop: 30,
  videoCodecProfile: AgoraRTC.VIDEO_CODEC_PROFILE_HIGH,
  userCount: user.length,
  backgroundColor: 0x000000,
  transcodingUsers: users,
};
client.setLiveTranscoding(liveTranscoding);

因为业务需求是摄像头和屏幕共享可以切换，摄像头和屏幕共享的分辨率和码率均不相同，屏幕共享需要更高的分辨率和码率。但是开发中发现切换时设置码率无效。SDK那边给的答复是：因为缓存问题，会以第一次推流设置的参数为准，将会在下个版本中修复。