国标28181：什么是SDP协议

概述

SIP和其他协议一样都有这样的一个要求：在会话开头时两端要有充分的信息交流。使用的两个协议就是定义在RFC 2974中的SAP(Session Announcement Protocol )和定义在RFC 2327的SDP (Session Description Protocol)。

• SAP提供了一种定期宣传多媒体会话，向有意参与会话者传递相关会话信息的机制。使用它来支持Mbone（Internet Multicast Backbone），因此关兴趣的各方都会清楚的指导目前正在进行的一些会话。
• SDP则定义了描述一个通信会话的格式，同样的，它也可以用于不同的传输协议，比如SAP、SIP、HTTP或其他等传输协议。

SDP全称是Session Description Protocol，翻译过来就是描述会话的协议。主要用于两个会话实体之间的媒体协商。

SIP负责建立和释放会话，一般来说，会话中包含相关的媒体，比如视频和音频。媒体数据是由SDP描述的。SDP一般不但粗使用，它与SIP配合使用时会放到SIP协议的body中。会话建立时，需要媒体协商，双方才能确定对方的媒体能力以及交换媒体的数据(这就是sdp的工作)

那为什么要去发这个描述文本呢，主要是为了解决参与会话的各成员之间能力不对等的问题，如果参加本次通话的成员都支持高质量的通话，但是我们没有去进行协议，为了兼容性，使用的都是普通质量的通话格式，这样就很浪费资源了。所以SDP的作用还是很有必要的。

在SIP协议的包含的内容是SDP时，应该把Content-Type设置成application/sdp。SDP协议于RFC4566中发布

SDP简介

SDP是会话描述协议的缩写，是描述流媒体初始化参数的格式，由IETF作为RFC 4566颁布。流媒体是指在传输过程中看到或听到的内容，SDP包通常包括以下信息：
（1）会话信息

• 会话名和目的。
• 会话活动时间。

由于参与会话的资源是受限制的，因此包括以下附加信息是非常有用的。

• 会话使用的带宽信息。
• 会话负责人的联系信息。

（2）媒体信息

• 媒体类型，例如视频和音频。
• 传输协议，例如RTP/UDP/IP和H.320。
• 媒体格式，例如H.261视频和MPEG视频。
• 多播地址和媒体传输端口（IP多播会话）。
• 用于联系地址的媒体和传输端口的远端地址（IP单播会话）。
• SDP描述由许多文本行组成，文本行的格式为<类型>=<值>，<类型>是一个字母，<值>是结构化的文本串，其格式依<类型>而定。“=”两侧不允许有空格，一个值中的多个参数用空格分隔。

SDP协议格式

SDP会话描述由一个会话级描述（session_level description）和多个媒体级描述（media_level description）组成。会话级（session_level）的作用域是整个会话。其位置是从’v=’行开始到第一个媒体描述为止。媒体级（media_level）描述是对单个的媒体流进行描述（例如传送单个音频或者视频的vlc sdp文件只有短短的几句话，从m=开始，这其实就是个媒体机描述），其位置是从’m=’行开始到下一个媒体描述为止。总之，除非媒体部分重载，会话级的值是各个媒体的缺省默认值（就是说媒体级描述其实也是一个会话级描述，只不过没写出来的会话级描述参数都用的缺省值）。

 Session description (会话名称和意图描述)
         v=   (protocol version)    #协议版本
         o=   (owner/creator and session identifier)   #所有者/创建者和会话标识符
         s=   (session name)  #会话名称
         i=* (session information)  #会话信息
         u=* (URI of description)  #URI 描述
         e=* (email address) #Email 地址
         p=* (phone number) #电话号码
         c=* (connection information - not required if included in all media)  #连接信息 ― 如果包含在所有媒体中，则不需要该字段
         b=* (zero or more bandwidth information lines)  #带宽信息
One or more time descriptions ("t=" and "r=" lines, see below)
         z=* (time zone adjustments)  # 时区调整
         k=* (encryption key)  # 加密密钥  k=已定义的方法有:  k=clear:<加密密钥>密钥没有变换;k=base64:<编码密钥>已编码，因为它含有SDP禁用的字符;k=uri:<获得密钥的URI>;k=prompt。SDP没有提供密钥但该会话或媒体流是要求加密的。
         a=* (zero or more session attribute lines)
Zero or more media descriptions

Time description  # 时间描述
         t=   (time the session is active)  # 会话活动时间
         r=* (zero or more repeat times) # 0或多次重复次数

Media description, if present # 媒体描述
         m=   (media name and transport address)  # 媒体名称和传输地址
         i=* (media title)  # 媒体标题
         c=* (connection information - optional if included at  session-level)  # 连接信息 — 如果包含在会话层则该字段可选
         b=* (zero or more bandwidth information lines) #带宽信息
         k=* (encryption key) # 加密密钥
         a=* (zero or more media attribute lines)  #0 个或多个会话属性行

以上带*号的是可选的,其余的是必须的。一般顺序也按照上面的顺序来排列。
a=*是sdp协议扩展属性定义，除上面以外的，分解时其它的都可以扔掉。
a=charset属性指定协议使用的字符集。一般的是ISO-10646。

字段描述

Version（必选）

SDP的版本号，不包括次版本号。

v=0

origion（必选）

“o=”项对会话的发起者进行了描述。

o=<username> <sessionid> <version> <network type> <address type> <address>
o=<用户名> <session id> <会话版本> <网络类型><地址类型> <地址>

• <username>
  是用户的登录名。如果主机不支持< username>，则为 -。注意：< username>不能含空格。
• <session id>
  是一个数字串。在整个会话中，必须是唯一的。为了确保其唯一，建议使用NTP(Network Time Protocol)timestamp。
• <version>
  该会话公告的版本,供公告代理服务器检测同一会话的若干个公告哪个是最新公告.基本要求是会话数据修改后该版本值递增,建议用NTP时戳。
• <networktype>
  网络类型，一般为IN,表示”internet”
• <address type>
  地址类型，一般为IP4
• <address>
  地址

Session Name（必选）

表示本sdp所描述的session的名称，没有的话使用-代替，在整个会话中有且只有一个s=。

s=<sessionname>

Connection Data（可选）

表示媒体连接信息。

一个会话声明中，会话级描述中必须有”c=”项或者在每个媒体级描述中有一个”c=”项。可能在会话级描述和每个媒体级描述中都有”c=”项。

其中值域中以空格分配的两个字段分贝是网络类型和网络地址，以后的RTP流就会发到该地址上。

c=<networktype> <address type> <connection address>

• <network type>
  网络类型，一般为IN,表示”internet”
• <address type>
  地址类型，一般为IP4。
• <connection address>
  应用程序必须处理域名和ip地址两种情形。单播时，为域名或IP地址，推荐使用域名；多播，为IP地址，且IP后面必须有TTL（取值范围是0－255），地址和TTL决定了多播包被传播的范围。

例： c=IN IP4 224.2.1.1/127
分层编码方案是一个数据流被分为多层，接受者能够通过申请不同层的流选择流的质量（包括带宽）如下：
<base multicastaddress>/< ttl>/< number of addresses> 如果< number of addresses>没有给定，则默认为1。

由此得出：
c=INIP4 224.2.1.1/127/3 等价于

c=IN IP4 224.2.1.1/127
c=IN IP4 224.2.1.2/127
c=IN IP4 224.2.1.3/127

Bandwidth（可选）

描述了建议的带宽，单位kilobits per second（缺省带宽是千比特每秒）。

b=<bwtype>:<bandwidth-value>

包括两种CT和AS。CT：ConferenceTotal，总带宽。AS：Application-SpecificMaximum，单个媒体带宽的最大值。

扩展机制：<bwtype>以”X－”开始。建议bwtype越短越好。例b=X-YZ:128

Times（必选）, RepeatTimesand Time Zones

描述了会话的开始时间和结束时间。这个可以有行，指定多个不规则时间段，如果是规则的时间段，则r=属性可以使用。

t=<start time> <stop time>

• <start time> 和<stop time>为NTP时间，单位是秒。
• 假如<stop time>为零表示过了<start time>时间后会话一直持续。
• 当<start time>和<stoptime>均为零时表示持久会话。

Repeat（可选）

重复次数

r=<repeat-interval> <active duration> <offsets from start-time>

在时间表示里面可以如下表示：

• d - days (86400 seconds)
• h - hours (3600 seconds)
• m - minutes (60 seconds)
• s - seconds (allowed for completeness)

Media Announcements （必选）

一个会话描述包括几个媒体描述。一个媒体描述以”m=”开始到下一个”m=”结束。

m=<media> <port> <transport> <fmt list>

• <media>：表示媒体类型。有"audio", “video”,“application”（例白板信息）, “data”（不向用户显示的数据） 和"control"（描述额外的控制通道）。
• <port>：媒体流发往传输层的端口。取决于c=行规定的网络类型和接下来的传输层协议：
  • 对UDP为1024-65535；
  • 对于RTP为偶数。

当分层编码流被发送到一个单播地址时，需要列出多个端口。方式如下：m=<media> <port>/<number of ports> <transport> <fmt list>

对于RTP，偶数端口被用来传输数据，奇数端口用来传输RTCP包。例：m=video49170/2 RTP/AVP 31
端口49170和49171为第一对RTP/RTCP端口，49172和49173为第二对的端口。传输协议是RTP/AVP，媒体格式为31（媒体格式是rtp头中payload参数对应的）

• <transport>：传输协议，与c=行的地址类型有关。两种：
  • RTP/AVP，表示RealtimeTransport Protocol using the Audio/Video profile carried over UDP；
  • UDP
• <fmt list>：媒体格式。对于音频和视频就是在RTP Audio/Video Profile定义的负载类型(payload type)。但第一个为缺省值。分为静态绑定和动态绑定：
  • 静态绑定即媒体编码方式与RTP流中的PayloadType(载荷类型)一一对应。
  • 动态绑定即媒体编码方式（如时钟频率，音频信道数等）没有完全确定，动态编码都大于95，并且需要在后面使用“a=rtpmap”进行说明。

静态绑定的例子：u_law的PCM编码单信道Audio，采样率8KHZ。在RTPAudio/Video profile中对应的payload type为0。即：

m=audio 49232 RTP/AVP 0

动态绑定的例子：16位线形编码，采样率为16KHZ，假如我们希望动态RTP/AVP 类型98表示此此流，写法如下：

m=video49232 RTP/AVP 98
a=rtpmap:98 L16/16000/2

（可选属性）

它用于描述上面的音频的属性。

a=<attribute>
a=<attribute>:<value>

会话级属性

一般在t之后

• a=cat:<类别>
  给出点分层次式会话分类号,供接收方筛选会话
• a=keywds:<关键词>
  供接收方筛选会话
• a=tool:<工具名和版本号>
  创建会话描述的工具名和版本号
• a=recvonly/sendrecv/sendonly
  收发模式
• a=type:<会议类型>
  有:广播,聚会,主席主持,测试,H.323
• a=charset:<字符集>
  显示会话名和信息数据的字符集
• a=sdplang:<语言标记>
  描述所有语言
• a=lang:<语言标记>
  会话描述的缺省语言或媒体描述的语言
• a=framerate:<帧速率>
  1s播放几个rtp包，导数为一个rtp包承载的数据播放的时间单位s。单位:帧/秒
  音频的话 a=framerate:50 1byte8000hz20ms=160B，则每个rtp包的音频数据量为160B 时间戳增值为160
• a=quality:<质量>
  视频的建议质量(10/5/0)

媒体级属性

一般在m之后

• a=ptime:<分组时间>
  媒体分组的时长(单位:秒)
• a=recvonly/sendrecv/sendonly
  收发模式
• a=orient:<白板方向>
  指明白板在屏莫上的方向
• a=sdplang:<语言标记>
  描述所有语言
• a=lang:<语言标记>
  会话描述的缺省语言或媒体描述的语言

rtpmap

rtpmap是rtp与map的结合, 即RTP参数映射表。对于音频流，<编码参数>说明了音频的通道数。通道数默认缺省值为1。对于视频流，现阶段没有<编码参数>。

a=rtpmap:<payload type> <encoding name>/<clock rate>[/<encodingparameters>]
a=rtpmap:<负载类型> <编码名>/<时钟速率>[/<编码参数>]

• : 负载类型, 对应RTP包中的音视频数据负载类型.
• : 编码器名称, 如VP8, VP9, OPUS.
• : 采样率.
• : 编码参数, 如音频是否是双声道, 通道数默认缺省值为1（单声道）。

示例：

m=audio 49230 RTP/AVP 96 97 98 
a=rtpmap:96 L8/8000 
a=rtpmap:97 L16/8000
a=rtpmap:98 L16/11025/2

m=audio 8888 RTP/AVP 0 
a=rtpmap:0 pcma/8000/1 

m=video 1234 RTP/AVP 96
a=rtpmap:96 H264

在rtpmap中，实验性的编码方案也可以用。其格式名前一定为”X－”例：一种新的实验性的被称为GSMLPC的音频流，使用的动态负载类型为99。

m=video 49232 RTP/AVP 99
a=rtpmap:99 X-GSMLPC/8000

rtpmap 还可以有几种值：recvonly，sendrecv，sendonly，inactive 这些值表示媒体流的双向保持设定（双向保持，即A 保持 B, B保持A）。

A 保持 B： A发送sendonly B 回复 recvonly
B 保持 A：B发送inactive A无消息 （sendonly也可）
A 解除保持：A发送sendrecv， B无消息
B解除保持： B发送sendrecv， A回复sendrecv
A B可继续通话。

如果请求某媒体流的方向为sendonly，那么响应中对应媒体的方向必须为recvonly；
如果请求某媒体流的方向为recvonly，那么响应中对应媒体的方向必须为sendonly；
如果请求某媒体流的方向为sendrecv，那么响应中对应媒体的方向可以为sendrecv/sendonly/recvonly/inactive中的一种；
如果请求某媒体流的方向为inactive，那么响应中对应媒体的方向必须为inactive；

fmtp

定义指定格式的附加参数

a=fmtp:<payload type> <format specific parameters>

• <payload type>：负载类型
• <format specific parameters>：具体参数.

举例

示例一

v=0
o=- 49451 3 IN IP4 127.0.0.1
s=Test MPEG Video session
i=Parameters for the session streamed by "testMPEG1or2VideoStreamer"
t=0 0
a=tool:testMPEG1or2VideoStreamer
a=type:broadcast
m=video 1234 RTP/AVP 32
c=IN IP4 239.255.42.42/127

• 第1行v代表了协议版本，例子中为0。
• 第2行o代表所有者/创建者和会话标识符。
• 第3行s代表会话名称，例子中为Test MPEG Video session，用户可以自己填写。
• 第4行t代表会话活动时间。
• 第5行和第6行a代表会话属性行，可写0个或多个。
• 第7行m代表代表媒体信息；video代表是视频流；1234代表UDP端口号是1234；RTP/AVP指媒体传输协议使用RTP/AVP；32代表媒体格式使用MPV并且使用90KHz的时钟。关于RTP/AVP可以在RFC 3551 RTP A/V Profile July 2003找到。

PT encoding media type clock rate
name (Hz)24 unassigned V
25 CelB V 90,000
26 JPEG V 90,000
27 unassigned V
28 nv V 90,000
29 unassigned V
30 unassigned V
31 H261 V 90,000
32 MPV V 90,000 （这就是例子中的RTP/AVP类型）
33 MP2T AV 90,000
34 H263 V 90,000
35-71 unassigned ?
72-76 reserved N/A N/A
77-95 unassigned ?
96-127 dynamic ?
dyn H263-1998 V 90,000

• 第8行c代表连接信息。

实例

v=0
//sdp版本号，一直为0,rfc4566规定
o=- 7017624586836067756 2 IN IP4 127.0.0.1
// o=<username> <sess-id> <sess-version> <nettype> <addrtype> <unicast-address>
//username如何没有使用-代替，7017624586836067756是整个会话的编号，2代表会话版本，如果在会话
//过程中有改变编码之类的操作，重新生成sdp时,sess-id不变，sess-version加1
s=-
//会话名，没有的话使用-代替
t=0 0
//两个值分别是会话的起始时间和结束时间，这里都是0代表没有限制
a=group:BUNDLE audio video data
//需要共用一个传输通道传输的媒体，如果没有这一行，音视频，数据就会分别单独用一个udp端口来发送
a=msid-semantic: WMS h1aZ20mbQB0GSsq0YxLfJmiYWE9CBfGch97C
//WMS是WebRTC Media Stream简称，这一行定义了本客户端支持同时传输多个流，一个流可以包括多个track,
//一般定义了这个，后面a=ssrc这一行就会有msid,mslabel等属性
m=audio 9 UDP/TLS/RTP/SAVPF 111 103 104 9 0 8 106 105 13 126
//m=audio说明本会话包含音频，9代表音频使用端口9来传输，但是在webrtc中一现在一般不使用，如果设置为0，代表不
//传输音频,UDP/TLS/RTP/SAVPF是表示用户来传输音频支持的协议，udp，tls,rtp代表使用udp来传输rtp包，并使用tls加密
//SAVPF代表使用srtcp的反馈机制来控制通信过程,后台111 103 104 9 0 8 106 105 13 126表示本会话音频支持的编码，后台几行会有详细补充说明
c=IN IP4 0.0.0.0
//这一行表示你要用来接收或者发送音频使用的IP地址，webrtc使用ice传输，不使用这个地址
a=rtcp:9 IN IP4 0.0.0.0
//用来传输rtcp地地址和端口，webrtc中不使用
a=ice-ufrag:khLS
a=ice-pwd:cxLzteJaJBou3DspNaPsJhlQ
//以上两行是ice协商过程中的安全验证信息
a=fingerprint:sha-256 FA:14:42:3B:C7:97:1B:E8:AE:0C2:71:03:05:05:16:8F:B9:C7:98:E9:60:43:4B:5B:2C:28:EE:5C:8F3:17
//以上这行是dtls协商过程中需要的认证信息
a=setup:actpass
//以上这行代表本客户端在dtls协商过程中，可以做客户端也可以做服务端，参考rfc4145 rfc4572
a=mid:audio
//在前面BUNDLE这一行中用到的媒体标识
a=extmap:1 urn:ietf:params:rtp-hdrext:ssrc-audio-level
//上一行指出我要在rtp头部中加入音量信息，参考 rfc6464
a=sendrecv
//上一行指出我是双向通信，另外几种类型是recvonly,sendonly,inactive
a=rtcp-mux
//上一行指出rtp,rtcp包使用同一个端口来传输
//下面几行都是对m=audio这一行的媒体编码补充说明，指出了编码采用的编号，采样率，声道等
a=rtpmap:111 opus/48000/2
a=rtcp-fb:111 transport-cc
//以上这行说明opus编码支持使用rtcp来控制拥塞，参考https://tools.ietf.org/html/draft-holmer-rmcat-transport-wide-cc-extensions-01
a=fmtp:111 minptime=10;useinbandfec=1
//对opus编码可选的补充说明,minptime代表最小打包时长是10ms，useinbandfec=1代表使用opus编码内置fec特性
a=rtpmap:103 ISAC/16000
a=rtpmap:104 ISAC/32000
a=rtpmap:9 G722/8000
a=rtpmap:0 PCMU/8000
a=rtpmap:8 PCMA/8000
a=rtpmap:106 CN/32000
a=rtpmap:105 CN/16000
a=rtpmap:13 CN/8000
a=rtpmap:126 telephone-event/8000
a=ssrc:18509423 cname:sTjtznXLCNH7nbRw
//cname用来标识一个数据源，ssrc当发生冲突时可能会发生变化，但是cname不会发生变化，也会出现在rtcp包中SDEC中，
//用于音视频同步
a=ssrc:18509423 msid:h1aZ20mbQB0GSsq0YxLfJmiYWE9CBfGch97C 15598a91-caf9-4fff-a28f-3082310b2b7a
//以上这一行定义了ssrc和WebRTC中的MediaStream,AudioTrack之间的关系，msid后面第一个属性是stream-d,第二个是track-id
a=ssrc:18509423 mslabel:h1aZ20mbQB0GSsq0YxLfJmiYWE9CBfGch97C
a=ssrc:18509423 label:15598a91-caf9-4fff-a28f-3082310b2b7a
m=video 9 UDP/TLS/RTP/SAVPF 100 101 107 116 117 96 97 99 98
//参考上面m=audio,含义类似
c=IN IP4 0.0.0.0
a=rtcp:9 IN IP4 0.0.0.0
a=ice-ufrag:khLS
a=ice-pwd:cxLzteJaJBou3DspNaPsJhlQ
a=fingerprint:sha-256 FA:14:42:3B:C7:97:1B:E8:AE:0C2:71:03:05:05:16:8F:B9:C7:98:E9:60:43:4B:5B:2C:28:EE:5C:8F3:17
a=setup:actpass
a=mid:video
a=extmap:2 urn:ietf:params:rtp-hdrext:toffset
a=extmap:3 http://www.webrtc.org/experiments/rtp-hdrext/abs-send-time
a=extmap:4 urn:3gpp:video-orientation
a=extmap:5 http://www.ietf.org/id/draft-hol ... de-cc-extensions-01
a=extmap:6 http://www.webrtc.org/experiments/rtp-hdrext/playout-delay
a=sendrecv
a=rtcp-mux
a=rtcp-rsize
a=rtpmap:100 VP8/90000
a=rtcp-fb:100 ccm fir
//ccm是codec control using RTCP feedback message简称，意思是支持使用rtcp反馈机制来实现编码控制，fir是Full Intra Request
//简称，意思是接收方通知发送方发送幅完全帧过来
a=rtcp-fb:100 nack
//支持丢包重传，参考rfc4585
a=rtcp-fb:100 nack pli
//支持关键帧丢包重传,参考rfc4585
a=rtcp-fb:100 goog-remb
//支持使用rtcp包来控制发送方的码流
a=rtcp-fb:100 transport-cc
//参考上面opus
a=rtpmap:101 VP9/90000
a=rtcp-fb:101 ccm fir
a=rtcp-fb:101 nack
a=rtcp-fb:101 nack pli
a=rtcp-fb:101 goog-remb
a=rtcp-fb:101 transport-cc
a=rtpmap:107 H264/90000
a=rtcp-fb:107 ccm fir
a=rtcp-fb:107 nack
a=rtcp-fb:107 nack pli
a=rtcp-fb:107 goog-remb
a=rtcp-fb:107 transport-cc
a=fmtp:107 level-asymmetry-allowed=1;packetization-mode=1;profile-level-id=42e01f
//h264编码可选的附加说明
a=rtpmap:116 red/90000
//fec冗余编码，一般如果sdp中有这一行的话，rtp头部负载类型就是116，否则就是各编码原生负责类型
a=rtpmap:117 ulpfec/90000
//支持ULP FEC，参考rfc5109
a=rtpmap:96 rtx/90000
a=fmtp:96 apt=100
//以上两行是VP8编码的重传包rtp类型
a=rtpmap:97 rtx/90000
a=fmtp:97 apt=101
a=rtpmap:99 rtx/90000
a=fmtp:99 apt=107
a=rtpmap:98 rtx/90000
a=fmtp:98 apt=116
a=ssrc-group:FID 3463951252 1461041037
//在webrtc中，重传包和正常包ssrc是不同的，上一行中前一个是正常rtp包的ssrc,后一个是重传包的ssrc
a=ssrc:3463951252 cname:sTjtznXLCNH7nbRw
a=ssrc:3463951252 msid:h1aZ20mbQB0GSsq0YxLfJmiYWE9CBfGch97C ead4b4e9-b650-4ed5-86f8-6f5f5806346d
a=ssrc:3463951252 mslabel:h1aZ20mbQB0GSsq0YxLfJmiYWE9CBfGch97C
a=ssrc:3463951252 label:ead4b4e9-b650-4ed5-86f8-6f5f5806346d
a=ssrc:1461041037 cname:sTjtznXLCNH7nbRw
a=ssrc:1461041037 msid:h1aZ20mbQB0GSsq0YxLfJmiYWE9CBfGch97C ead4b4e9-b650-4ed5-86f8-6f5f5806346d
a=ssrc:1461041037 mslabel:h1aZ20mbQB0GSsq0YxLfJmiYWE9CBfGch97C
a=ssrc:1461041037 label:ead4b4e9-b650-4ed5-86f8-6f5f5806346d
m=application 9 DTLS/SCTP 5000
c=IN IP4 0.0.0.0
a=ice-ufrag:khLS
a=ice-pwd:cxLzteJaJBou3DspNaPsJhlQ
a=fingerprint:sha-256 FA:14:42:3B:C7:97:1B:E8:AE:0C2:71:03:05:05:16:8F:B9:C7:98:E9:60:43:4B:5B:2C:28:EE:5C:8F3:17
a=setup:actpass
a=mid:data
a=sctpmap:5000 webrtc-datachannel 1024