导语 WebRTC是一个非常复杂且庞大的东西，今天我们就对其中的发送方码率评估这一块做一个简单的实现解析，帮助大家更好的理解这部分内容。
WebRTC使用的是Google Congestion Control (简称GCC)拥塞控制，目前有两种实现：
- 旧的实现是接收方根据收到的音视频RTP报文, 预估码率，并使用REMB RTCP报文反馈回发送方。
- 新的实现是在发送方根据接收方反馈的TransportFeedback RTCP报文，预估码率。
- 基于延迟的拥塞控制原理 -
先来看下Google Congestion Control（GCC）的标准草案：
https://tools.ietf.org/html/draft-ietf-rmcat-gcc-02
结合草案，可以得知GCC是基于网络延迟梯度的拥塞控制算法，判断的依据如下图：
发送方发送两个包组的间隔为 ：
Ds = Ts1 - Ts0
接收方接收两个包组的间隔为：
Dr = Tr1 - Tr0
如果网络没有任何抖动，那么 [ delta = Dr - Ds ] 应该是一个恒定不变的值，但是现实中网络有抖动、拥塞、丢包等情况，所以delta也是一个抖动的值。
GCC通过测量delta，来判断当前网络的使用情况，分为 OverUse (过载)，Normal(正常)，UnderUse(轻载) 这三种情况。
有同学可能会问，发送方和接收方时钟不统一，怎么计算差值呢，需要做时间对齐或者NTP同步吗?
不需要，因为我们对比的是delta，只需要单位一致即可，举个例子:
seq1的包 发送时间为 16000ms(发送方时钟)，接收时间为 900ms(接收方时钟)
seq2的包 发送时间为 16001ms(发送方时钟)，接收时间为 905ms(接收方时钟)
那么延迟梯度delta=(905-900) - (16001-16000) = 4
- Pacing和包组 -
值得注意的是，延迟梯度的判断是以包组为单位的，而且必须在发送方开启pacing发送, 有以下几点原因：
- 单个包测量误差会过大，基于包组的测量更能反应网络的情况。
- burst发送容易冲击网络，影响测量的精度。
那么怎么判断哪几个包属于一个包组呢，非常简单，按发送方的pacing速率分包组。
WebRTC pacing默认是5ms一个包组，如下图所示
- TransportFeedback RTCP报文 -
再来看看transport-feedback的包结构：
https://tools.ietf.org/html/draft-holmer-rmcat-transport-wide-cc-extensions-01
解析这个报文，我们可以得到下面的信息：
- 接收到的包seq和包的接收时间
- 丢失的包seq
可以看到本质上transport-feedback是接收方对数据的ACK，并且捎带了接收的延迟梯度。
- 发送方码率预估 -
收到transport-feedback报文后需要怎么处理，结合GCC的算法来看，分为以下几步：
1.计算接收方ack了多少个字节, 统计在采样的时间窗口内接收方的接收速率
看看GCC怎么说：
按照这个算法实现acked_bitrate_estimate，可以计算出接收方在当前时间窗口内的接收速率。
2.将包按包组归类, 计算包组的发送时间 接收时间的差值
在前面的【Pacing和包组】中已经讲过，这里不再赘述
3.按包组的delta, 进行网络状态评估
GCC的标准草案里面使用的是卡尔曼滤波器(接收方评估)，发送方评估默认的实现是Trendline Filter。
基本的原理是最小二乘法, 将多个时间点的网络抖动(delta)拟合成一条直线，如下图所示：
根据直线斜率的变化趋势判断网络的负载情况。
上面已经得到了包组的delta，对delta做平滑计算后，按照(时间点, 平滑后的delta)， 可以在坐标系上绘制出散点图，使用最小二乘法拟合出delta随时间变化的直线，根据直线斜率计算出变化趋势。
来看看GCC里面的说法：
m(i)为i时刻的包组delta，del_var_th(i)为当前判断是否过载的门槛
- m(i) < -del_var_th(i)，判断为under-use(低载)
- m(i) > del_var_th(i) 且持续至少overuse_time_th时长，判断为over-use(过载)
del_var_th必须动态调整，不然可能会在跟TCP的竞争中被饿死（出于公平性考虑）。过大的del_var_th会对延迟变化不敏感，过小的del_var_th则会过于敏感，抖动容易被频繁误判为过载，必须动态调整，才能和基于丢包的连接（比如TCP）竞争。
4. 根据探测的网络情况, 预估码率
总体的思想是根据当前接收方的接收码率，结合当前的网络负载情况，进行AIMD码率调整：
- 在接近收敛前，使用乘性增，接近收敛时使，用加性增。
- 当网络过载时，使用乘性减。
在Decrease状态下，会不停的计算平均最大码率（average max bitrate），当前预估码率和平均最大码率差值在3个标准差以内时，进行乘性增，否则进行加性增。如果包到达速率超过了平均最大码率的3个标准差，那么需要重新计算平均最大码率。
乘性增期间，每秒最多增加8%的码率
加性增期间，每个rtt增加“半个”包大小
评估出的码率不能超过接收速率的1.5倍
当探测到网络过载时，按照0.85的速率降低码率
- 发送方码率预估的算法流程 -
将上面的几步结合起来，可以得到一个大致的算法框架
struct FeedbackResultVector { int64_t send_time_ms; // 包发送时间(发送时记录) int64_t recv_time_ms; // 包接收时间(从TransportFeedback RTCP报文解析得到) int packet_size; // 包大小};
// 解析TransportFeedback RTCP报文FeedbackResultVector feedback_result_vec = TransportFeedbackRtcp.Parse(rtcp_feedback);// 遍历每个包, 进行处理for (feedback_result : feedback_result_vec) { double delta = 0.0; // 计算ack速率(接收方接收速率) AckBitrateEstimate.Update(now_ms, feedback_result.packet_size); // 把接收反馈包按照包组分类,计算包组delta bool compute_delta = PacketGroup.AddPacket(feedback_result, delta); if (comupute_delta) { // 探测网络状态 TrendLineFilter.Detect(delta); // 根据GCC状态机,进行AIMD码率调整 AimdRateControl.Update( TrendLineFilter.NetState(), AckBitrateEstimate.Bitrate() ); }}Reference：
WebRTC研究：包组时间差计算-InterArrival：
https://blog.jianchihu.net/webrtc-research-interarrival.html
WebRTC研究：Trendline滤波器-TrendlineEstimator
https://blog.jianchihu.net/webrtc-research-trendlineestimator.html
袁荣喜大神的一个GCC C语言的实现
https://github.com/yuanrongxi/razor
腾讯云音视频在音视频领域已有超过21年的技术积累，持续支持国内90%的音视频客户实现云上创新，独家具备 RT-ONETM 全球网络，在此基础上，构建了业界最完整的 PaaS 产品家族，并以 All in One SDK 的创新方式为客户服务。腾讯云音视频为全真互联网时代，提供坚实的数字化助力。
