RTSP协议详解

精选转载

Richard_Ma 2010-12-01 22:33:09 博主文章分类：流媒体

关于 RTSP.
RTSP 协议是一个非常类似 HTTP 协议的流控制协议。它们都使用纯文本来发送信息，而且 rtsp 协议的语法也和 HTTP 类似。 Rtsp 一开始这样设计，也是为了能够兼容使用以前写的 HTTP 协议分析代码。这是个好消息。

它们主要的区别是 HTTP 协议是没有状态的， http 协议在发送一个命令后，连接会断开，而且命令之间没有依赖性。不同的是 RTSP 的命令需要知道现在正处于一个什么状态，也就是说 rtsp 的命令总是按照顺序来发送，某个命令总在另外一个命令之前要发送。 Rtsp 不管处于什么状态都不会去断掉连接。

HTTP 协议默认使用 80 端口，而 RTSP 默认使用 554 端口。如果一些服务器因为某些安全的原因而封掉了这个端口，那代理和防火墙可能不让 RTSP 消息通过，需要管理员去放开 554 端口，而使得 rtsp 协议能通过。

RTSP 并非只是微软在用！
这是一个公开的规范，在这个规范上开发了很多的流服务器。甚至 Linux 服务提供者和苹果的程序员也使用 rtsp 协议以及 Real Networks 流媒体。似乎整个世界的网络流传输都用这个协议。然而，微软并不只在 rtsp 上有所作为。

微软和 RTSP.
在写这个文档的时候，微软正处于从首选 MMS 协议转换到首选采用 RTSP 协议的过程中。这个说明在 Media Player9.0 版本和流媒体服务器 2003 版本之后，我们会看到微软将 rtsp 协议作为流媒体传输的主要协议。

随着时间慢慢的流逝，我们会发现 mms 协议正逐步走出人们的视野。 It is only assumed that this is so MS can say they are being open with their protocols (rtsp is an open standard) while at the same time disregarding the need to publicise their own MMS protocol once its gone from media player. 然而， mms 还没有真的死亡，至少在接下来的几年中我们依然可以看到它在流媒体传输中的身影。

是否微软的 RTSP 协议和标准的开放式 RTSP 不同？
是的。跟在 RFC2326 （ 1998 年四月）中定义的原始 RTSP 协议相比，微软的 rtsp 协议有一些轻微的改动。我们网站上有本文档（还有后续版本）和一个简单的研究，它们可以帮助你了解这些信息。

区别在哪儿？
微软的 rstp 规范与标准 rtsp 协议相比最主要的改动是发送包 payloads 到客户端的方式，另外还有一些请求命令有一些改动。传输单个媒体包的机制并没有文档（就我目前所知），这可能是微软要保留的信息。

就像 MMS 和 HTTP 1.0 流协议使用一个媒体数据包头一样， RTSP 也有。但是微软的数据包头格式没有在任何的 rtsp 文档中注明。在企图连接微软的 rtsp 服务器时，这是主要的问题。

微软 RTSP 协议的命令采用的语法和标准 rtsp 协议的命令语法一样，只有一些小的修改和添加，可以通过阅读网上的一些文档，就可以知道怎么去组成这些命令。微软 rtsp 命令部分已经有文档了。

一次典型的 RTSP 协议传输过程这个例子为了简略，没有把发送接收的包放上来

To Server => NETWORK <= To Client

客户端连服务器的 554 端口

客户端发送 “DESCRIBE” 命令

服务器返回标准 rtsp 头
这个 rtsp 头和数据实体包含 ASF 文件头信息
以及所有的和媒体文件相关的流 bit rate data

客户端发送 “SETUP” 音频流媒体建立命令 (stream 1)

服务器返回标准 rtsp 头

客户端发送 “SETUP” 视频流媒体建立命令 (stream 2)

服务器返回标准 rtsp 头

客户端发送 “PLAY” 命令

服务器返回标准 rtsp 头

客户端发送 “GET_PARAMETER” 命令
这个命令还包含了一些客户端发送给服务器的信息，比如客户端的操作系统， CPU 类型，播放器版本，日期时间等信息。消息格式是 tagged XML.

服务器返回标准 rtsp 头

#### 服务器即将开始一个流，发送媒体数据包（包含媒体数据包头），请看接下来的 ####

当要断开这个流的时候，服务器会向客户端发送一个 EOF 指示

服务器断开 socket 连接

一个典型的发给服务器的 RTSP 命令

DESCRIBE rtsp://wm.microsoft.com/ms/video/0001-hi.wmv RTSP/1.0

User-Agent: WMPlayer/9.0.0.2980 guid/3300AD50-2C39-46C0-AE0A-81D88F547805

Accept: application/sdp

Accept-Charset: UTF-8, *;q=0.1

X-Accept-Authentication: NTLM, Digest, Basic

Accept-Language: en-GB, *;q=0.1

CSeq: 1

Supported: com.microsoft.wm.srvppair, com.microsoft.wm.sswitch, com.microsoft.wm.eosmsg, com.microsoft.wm.predstrm

注意：
DESCRIBE rtsp://wm.microsoft.com/ms/video/0001-hi.wmv RTSP/1.0

这是要连接的 url （服务器域名和流路径），后面跟着 RTSP 的版本。

User-Agent: WMPlayer/9.0.0.2980 guid/3300AD50-2C39-46C0-AE0A-81D88F547805

这条表示了客户端使用的是什么播放器，以及播放器的版本，再跟着一个独特的 GUID 。

X-Accept-Authentication: NTLM, Digest, Basic

客户端可以接受的 authentication 类型

注意 CSeq 要从 1 开始。服务器针对请求命令的应答也应该有 Cseq: 加上数字，这样可以知道是针对哪条请求发的应答。
在客户端发送一个请求命令，得到成功的应答后，再发送下一条命令， CSeq 的值要加 1 。

一个典型的 RTSP 应答消息，它们跟 HTTP 的消息非常的相似一个针对客户端发的 DESCRIBE 命令，服务器的应答例子如下所示：

<<<HEADER START>>>

RTSP/1.0 200 OK

Content-Type: application/sdp

Vary: Accept

X-Playlist-Gen-Id: 27006

X-Broadcast-Id: 0

Content-Length: 3324

Date: Tue, 18 Nov 2003 15:57:05 GMT

CSeq: 1

Server: WMServer/9.0.0.3372

Supported: com.microsoft.wm.srvppair, com.microsoft.wm.sswitch, com.microsoft.wm.eosmsg, com.microsoft.wm.fastcache, com.microsoft.wm.packetpairssrc

Last-Modified: Tue, 18 Jun 2002 21:05:39 GMT

Cache-Control: x-wms-content-size=23180160, max-age=86399, must-revalidate, proxy-revalidate

Etag: "23180160"

<<<BODY START>>> ( 两个“ \r\n ”指示本 SDP 数据的开始 ).

<<< 这是 Session Description Protocol 协议 >>>

v=0

o=- 200311171721060249 200311171721060249 IN IP4 127.0.0.1

s=<No Title>

c=IN IP4 0.0.0.0

b=AS:1091

a=maxps:13632

t=0 0

a=control:rtsp://wm.microsoft.com/ms/video/0001-hi.wmv/

a=etag:{9D7121C3-1A1B-8ED6-6675-CB15D19D1FB7}

a=range:npt=3.100-173.903

a=recvonly

a=pgmpu:data:application/x-wms-contentdesc,8,language,31,0,,5,title,31,0,,6,author,31,0,,9,copyright,31,0,,35,WMS_CONTENT_DESCRIPTION_DESCRIPTION,31,0,,30,WMS_CONTENT_DESCRIPTION_RATING,31,0,,44,WMS_CONTENT_DESCRIPTION_SERVER_BRANDING_INFO,31,12,WMServer/9.0,51,WMS_CONTENT_DESCRIPTION_PLAYLIST_ENTRY_START_OFFSET,3,4,3100,47,WMS_CONTENT_DESCRIPTION_PLAYLIST_ENTRY_DURATION,3,6,170803,58,WMS_CONTENT_DESCRIPTION_COPIED_METADATA_FROM_PLAYLIST_FILE,3,1,1,42,WMS_CONTENT_DESCRIPTION_PLAYLIST_ENTRY_URL,31,17,0001-hi.wmv%0D%0A

a=pgmpu:data:application/vnd.ms.wms-hdr.asfv1;base64,Mcay...dY5mm2QCAQ==

m=audio 0 RTP/AVP 96

b=AS:35

b=RS:0

b=RR:0

a=rtpmap:96 x-asf-pf/1000

a=control:audio

a=stream:1

m=application 0 RTP/AVP 96

b=RS:0

b=RR:0

a=rtpmap:96 x-wms-rtx/1000

a=control:rtx

a=stream:65536

m=video 0 RTP/AVP 96

b=AS:471

b=RS:0

b=RR:0

a=rtpmap:96 x-asf-pf/1000

a=control:stream=2

a=stream:2

以 \r\n\r\n 结束

看下面这行：
a=pgmpu:data:application/vnd.ms.wms-hdr.asfv1;base64, Mcay..…==

这是真实的 ASF 文件头数据（被 Base64 编码过）。在将这部分头数据写到文件之前需要 Base64 解码成标准的 ascii 码。

SDP 实体数据也告诉我们在媒体数据中都有些什么流
这个文件有 2 个媒体流：
ID = 1 有一个 “audio” 标志的音频流
ID = 2 有一个 “stream=2” 标志的视频流
还有第三个以“ rtx ”标志的流，这是一个控制流，并不携带任何的媒体内容。这个控制流使用 stream ID = 65536.

看下面这行：
a=pgmpu:data:application/x-wms-contentdesc, …..

这表示了紧跟的数据是一个内容描述对象。

标准 RTSP 消息的错误代码 – 在应答消息的第一行表示

”100” ; Continue (all 100 range)

“200” ; OK

”201” ; Created

”250” ; Low on Storage Space

”300” ; Multiple Choices

”301” ; Moved Permanently

”302” ; Moved Temporarily

”303” ; See Other

”304” ; Not Modified

”305” ; Use Proxy

”350” ; Going Away

”351” ; Load Balancing

”400” ; Bad Request

”401” ; Unauthorized

”402” ; Payment Required

”403” ; Forbidden

”404” ; Not Found

”405” ; Method Not Allowed

”406” ; Not Acceptable

”407” ; Proxy Authentication Required

”408” ; Request Time-out

”410” ; Gone

”411” ; Length Required

”412” ; Precondition Failed

”413” ; Request Entity Too Large

”414” ; Request-URI Too Large

”415” ; Unsupported Media Type

”451” ; Parameter Not Understood

”452” ; reserved

”453” ; Not Enough Bandwidth

”454” ; Session Not Found

”455” ; Method Not Valid in This State

”456” ; Header Field Not Valid for Resource

”457” ; Invalid Range

”458” ; Parameter Is Read-Only

”459” ; Aggregate operation not allowed

”460” ; Only aggregate operation allowed

”461” ; Unsupported transport

”462” ; Destination unreachable

”500” ; Internal Server Error

”501” ; Not Implemented

”502” ; Bad Gateway

”503” ; Service Unavailable

”504” ; Gateway Time-out

”505” ; RTSP Version not supported

”551” ; Option not supported

RTSP 数据包头 ( 每一个媒体数据包的开头 )
二进制包头数据后面紧跟着媒体数据包（ asf/wmv 等等）。
Values are in Big Endian order. (not little endian as in mms and http protocols).

-------- 这些数据位在公开的 RTSP 文档中也指示了 -------

BYTE “$” or 0x24

BYTE Channel id ，一般 = 0x00, 你可以看到 “P” 或者 0x50 for packet pairs data, 看下面的描述 .

WORD 数据包的长度（从接下来的区域算起）

-------- 接下来的数据位表示的含义还没有确定，微软也许会指出 -----------

WORD ??? 填充 0x80E0

WORD 序列号。这个值被初始化成一个随即的值，然后在每一个数据包发送时加 1 。在这个值达到 0xffff 时，它将设置成 0 。跟其他协议相比，这个值得范围比较小（ 16 位），使得它不能在写媒体数据到文件中时做为有指导性的序列号使用。大的流媒体文件有很多的数据包，包的数量超过了他的范围，所以可能会发生相同序列号的包。只使用这个序列号来作错误检验——缺少了某一个序列号的包意味着发生了丢包错误。

DWORD 发送时间。 This is stated in milliseconds and shows the time that this media packet should be presented. 预先录制的文件设置 T = 0 ，实况流设置一个不同于 0 的值。

DWORD ??? 固定的一个值 . 它是一个随即值，但是一旦一个 rtsp 会话建立，这个值就一直保持不变，所有的数据包都是这个值。可以使用这个值作为每次会话的一个 ID ，新的 rtsp 会话会有新的值。

BYTE 标志位，看下面：
Bit 0 (lsb) ? = 0

Bit 1 ? = 0

Bit 2 ? = 0

Bit 3 ? = 0

Bit 4 Duration field present in pre header if set (see below)

Bit 5 ? = 0

Bit 6 ? = 1 ( 总是 1 )

Bit 7 (msb) 被设置成 1 ，表示数据包含有一个关键桢

BYTE ??? 总是设置成 0

WORD 包长度。此 16 位表示从上面标志位域开始的包长度。

DWORD [ 可选的 ] 持续时间。只有上面的标志位的 Bit4 被设置了才会有这个域，否则就没有这个域。表示为多少毫秒，指出了传输的媒体包的总持续时间。

<<< 下面跟着媒体数据 , like 82 00 00 ….. >>>

在 RTSP 请求和应答中使用的有用的标签值：

CSeq: 命令的序列号，逐 1 增加。
所有的请求和应答都用得到。

Content-Length: 这个标记的存在说明后面有实体数据，而且给出了这个数据块的大小，单位是 byte

X-Playlist-Gen-Id:                               用来检查播放列表是否有效。这个标记最初在客户端发送 DESCRIBE 命令后使用。
                                               客户端在发送“ SETUP ”命令给服务器时必须回应一样的值

X-Playlist-Seek-Id: 值必须和 X-Playlist-Gen-Id 域的值相同，在 PLAY 请求命令中使用 .

Blocksize: 媒体包的总长度，单位是 byte

Session: Session ID 是用作客户端和服务器之间是否是正确的连接。在客户端发送 SETUP 命令，服务器会在应答消息头里面发送这个值给客户端。 We only see the Session value on the first stream selected (usually this is the audio stream) 。 Session 值相当的长，一共有 20 个阿拉伯数字。
紧跟着 Session 值，你可以看到一个值： “timeout= xxxx” 。 . 这是服务器需要得到回应或者 ACK 回应（为了保持连接）的时间。客户端必须在这个时段内发送一个 ACK ，要不然连接就要被强制中断。一个 ACK 就是发送一条 GET_PARAMETER 命令到服务器。

X-Accept-Authentication: 允许的 authentication 方法
NTLM, Digest 和 Basic 是标准的

X-Broadcast-Id: 是否是实况或者是先期录制的流。
0 表示先期录制，其他的值表示是实况。

Range: Range is the offset and end time positions to stream the media. For a zero start and full file stream, this value is set to: npt=0.000-

where 0.000 is the offset and –0.000 (optional) is the ending time. Values are stated in seconds.

Speed: 用来调整传输到客户端的流得速度。假如你的带宽可以接受更高速的数据传送，这个域的值可以设置大于 1 来加速下载数据
普通情况 Speed: 1.0 i.e. x1 rate

Media player 使用 : Speed: 1.294

这个主要取决于你的网络连接速度。

Server: 服务器类型和软件版本

EOF: 文件结束标记，也是流的结束标记

Date: 日期时间，下面举个例子：
Tue, 18 Nov 2003 15:57:07 GMT

Bandwidth: 流需要的最大带宽， bits/ 秒

Transport: 使用什么协议来传输数据，比如 TCP 或者 UDP 等

Etag: 实体标记 Entity tag ，是一个分配给会话的值，就像 "23180160"

Supported: 支持的 COM modules , 有的是可选的 .

com.microsoft.wm.srvppair - packet pairs at server

com.microsoft.wm.sswitch - stream ID selection com.microsoft.wm.eosmsg - end of stream message com.microsoft.wm.fastcache - fast cache for buffering com.microsoft.wm.packetpairssrc. - packet pairs

Content-Type: 此域用来表示命令或者应答的用意
下面是常用的几种类型：

application/x-wms-Logconnectstats

这个在 SET_PARAMETER 命令中用到，表示将客户端的信息登记到服务器上。

application/sdp

这个表示接下来数据包里面的是 sdp 数据，它是在服务器对 DESCRIBE 命令的应答包中。

application/x-wms-contentdesc

表示紧跟的数据是一个内容描述对象，它设置 the layout of the dialog.

application/vnd.ms.wms-hdr.asfv1

表示跟着一个流媒体头信息 (ASF header) ，
可以用 BASIC 或者 DIGEST 来解码。

application/x-rtsp-packetpair

Packet Pair data is random non-compressible data and is sent to the client and timed for response times. 它被用来确定连接的可用带宽。 Packet pair data 是可选的，你不必经常去请求这个数据。这个是在发送 GET_PARAMATER 命令到服务器时，用到的。 .

本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/CodeJoker/archive/2009/10/16/4679740.aspx