RTP 报文定义

 0                   1                   2                   3
 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|V=2|P|X|  CC   |M|     PT      |       sequence number         |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                           timestamp                           |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|           synchronization source (SSRC) identifier            |
+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
|            Contributing source (CSRC) identifiers             |
|                             ....                              |
+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
|  header eXtension profile id  |       length in 32bits        |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                          Extensions                           |
|                             ....                              |
+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+=+
|                           Payload                             |
|             ....              :  padding...                   |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|               padding         | Padding size  |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

可将RTP报文分为以下几个部分：

序号	名称	比特位	必选	说明
1	固定报头	12*8	是	包括标志位：V、P、X、CC、M、PT、 sequence number、timestamp、SSRC。
2	特约信源	CC*32	否	每个CSRC占32位，可以有0～15个。
3	扩展报头	len*32	否	其中 len >= 0。
4	负载数据	len*8	否	其中 len >= 0，例如H264编码后的视频 数据，或OPUS编码后的音频数据。
5	填充数据	len*8	否	其中 len >= 0，自定义数据。

固定报头

序号	标记	比特位	名称	说明
1	V	2	版本号	目前版本值固定为2 。
2	P	1	填充标志	若值为1，则在报文尾部填充 若干大于零的额外字节。
3	X	1	扩展标志	若值为1，则在报文头后跟一个扩展报头。
4	CC	4	特约信源(CSRC)计数器	指示 CSRC 标识符的个数。
5	M	1	标记位	对于视频，标记一帧的结束；对于音频， 标记负载类型改变。
6	PT	7	负载类型	取值范围小于128，可自定义取值含义， 例如H264定义为96。
7	SEQ	16	序列号	标记数据报文序列号。
8	TS	32	时间戳（Timestamp）	标记媒体数据的采样时间。
9	SSRC	32	同步信源(SSRC)标识符	随机生成的字符串，标记一路数据来源。

• 固定报头大小为12字节，所以一帧合法的RTP报文最少包含12个字节的数据。
• 序列号：标识发送的RTP报文的序列号，每发送一个报文，序列号增1。UDP发送数据时，可用来检测丢包、乱序等问题。序列号的初始值随机，且音频包和视频包分别记数。
• 时间戳：视频时间戳单位为 90kHz 时钟频率，例如视频采样时间为MS=1589341659000毫秒，则时间戳为TS=MS*90。对于8kHz采样的音频信号，若每隔20ms发送一个数据包，则一个数据包中包含有160个样本（0.02×8000=160），因此每发送一个RTP包，时间戳的值就增加160。

特约信源（CSRC）

• 场景描述：在一个4人音视频会议中，每个发送端发送一路数据，则此时有SSRC1、SSRC2、SSRC3、SSRC4作为数据源；若媒体服务器对音频进行混音后转发，则媒体服务器将SSRC1、SSRC2、SSRC3、SSRC4填入CSRC字段，标识该路混音数据由四个来源贡献；同时媒体服务器新生成一个随机字符串作为该路流的SSRC。
• 通过上述场景描述可发现，特约信源往土里说其实就是标记流来源的标识（可简单理解为用户ID），最终来源为发送端生成的随机字符串，和SSRC本质上是同一个东西。

扩展报头（Extensions）

RTP header extension, RFC 3550.
0                   1                   2                   3
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|      defined by profile       |           length              |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                        header extension                       |
|                             ....                              |

序号	名称	比特位	说明
1	Profile	16	扩展报文类型，值固定为 0xBEDE或0x1000。
2	Length	16	扩展报文长度，值为Extensions/4 （例如Extensions=12，则Length=3）。
3	Extensions	Length * 16	扩展报文定义内容，4字节对齐， 若不足4字节则在Extensions末尾填充零值补齐， 解析时根据对齐原则自动减掉补齐的零值。

• 当扩展标志(X)值为1时，在RTP固定报头后跟有一个扩展报头。
• 若报文中包含CSRC，则扩展报头跟在CSRC之后。

单字节模式

 0                   1                   2                   3
 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|       0xBE    |    0xDE       |           length=3            |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|  ID   | L=0   |     data      |  ID   |  L=1  |   data...
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
      ...data   |    0 (pad)    |    0 (pad)    |  ID   | L=3   |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                          data                                 |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

序号	名称	比特位	说明
1	ID	4	最大有效值为14，若ID为15则忽略并终止解析。
2	L	4	Data长度减一(即: L=len(Data) - 1， 例如0表示Data长度为1)。取值范围 [0,15]。
3	Data	(L+1)*8	扩展消息内容。

• 单字节模式起始值固定为0xBEDE
• 因为第一版的 rfc5285 定义时间是圣比德节，所以用了BEDE的名字作为标记（the first version of this specification was written on the day of the Venerable Bede）。
• 例如，WebRTC中的AbsoluteSendTime定义如下（一个包的绝对发送时间）：

 0                   1                   2                   3
 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|  ID   | len=2 |              absolute send time               |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

双字节模式

 0                   1                   2                   3
 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|       0x10    |    0x00       |           length=3            |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|      ID       |     L=0       |     ID        |     L=1       |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|       data    |    0 (pad)    |       ID      |      L=4      |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|                          data                                 |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

序号	名称	比特位	说明
1	ID	8
2	L	8	Data长度 L >= 0，0表示后面没有数据 。
3	Data	L*8	扩展消息内容。

• 双字节模式起始值固定为0x1000

负载数据（Payload）

• 用来承载音视频编码后的媒体数据。
• 负载数据大小通常小于1400，以避免整个RTP报文超过UDP最大MTU(1500)导致网络丢包的问题。
• 负载数据大小：Payload = Size - CSRC - Extensions - Padding（即：负载数据大小 = RTP报文总大小 - CSRC大小 - 扩展报文大小 - 填充数据大小）。

填充数据（Padding）

+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|               padding         | Padding size  |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

序号	名称	比特位	说明
1	Padding（PD）	len*8	padding，填充的自定义数据,len为自定义的长度
2	Padding Size （PZ）	8	padding size，填充的自定义数据大小， 当P设置为1后，PZ值必须大于0。

• 填充数据由PD和PZ两部分构成，PZ = PD字节数 + PZ字节数（即：PZ = len(PD) + 1）。
• 填充的数据内容自定义，例如在WebRTC中每隔500毫秒发送一帧PZ为1的空帧作为心跳包。