四、RTMP详解

RTMP是Real Time Messaging Protocol（实时消息传输协议）的首字母缩写。该协议是应用层协议，基于TCP。RTMP是一种设计用来进行实时通信的网络协议，主要用来在Flash平台和支持RTMP协议的流媒体/交互服务器之间进行以视频和数据通信。直播场景中使用RTMP协议比较多。

1.握手

RTMP协议是基于TCP的，TCP建立连接有三次握手。如下图：

所以，RTMP首先在TCP层面是有三次握手的过程的，在TCP连接建立以后，再进行RTMP协议层次的握手。

1)握手的简单流程

在rtmp连接建立以后，服务端要与客户端通过3次交换报文完成握手。与其他握手协议不同，rtmp协议握手交换的数据报文是固定大小的，客户端向服务端发送的3个报文为c0、c1、c2，服务端向客户端发送的3个报文为s0、s1、s2。c0与s0的大小为1个字节，c1与s1的大小为1536个字节，c2与s2的大小为1536个字节。

发送顺序

• 建立连接后，客户端开始发送C0、C1块到服务器；
• 服务器端收到C0或C1后发送S0和S1；
• 当客户端收齐S0和S1之后，开始发送C2；
• 当服务端收齐C0和C1后，开发发送S2；
• 当客户端收到S2，服务端收到C2，握手完成。

在实际工程应用中，一般是客户端将C0、C1块同时发出，服务器在收到C1块之后同时将S0、S1、S2发给客户端。客户端收到S2之后，发送C2给服务端，握手完成。

2)握手数据包格式

C0和S0

C0和S0数据包占用一个字节，表示RTMP版本号。目前RTMP版本定义为3,0-2是早期的专利产品所使用的值,现已经废弃,4-31是预留值,32-255是禁用值。

C1和S1

C1和S1数据包占用1536个字节。包含4个字节的时间戳，4个字节的0和1528个字节的随机数。

C2和S2 C2和S2数据包占用1536个字节，包含4个字节的时间戳，4个字节的对端的时间戳（C2数据包为S1数据包的时间戳，S2为C1数据包的时间戳）。

3）几种握手的状态

未初始化

协议版本被发送，客户端服务端都是未初始化的，客户端在C0数据包中发送协议版本，如果服务器支持这个版本，将会发送S0和S1作为响应，如果不支持，则服务端会用响应的动作来响应，在RTMP中这个动作是结束这个连接。

版本发送完成

客户端和服务端在未初始化状态之后都进入到版本发送完成状态，客户端等待包S1，服务端等待包C1，在收到相应的包后，客户端发送包C2，服务端发送包S2，状态变成询问发送完成。

询问发送完成

客户端和服务端等待S2和C2。

握手完成

客户端和服务端开始交换信息。

抓包

注意，wireshart过滤RTMP协议的条件是rtmpt，不要忘了后面的t。

4）抓包实战

• source为客户端（192.17.1.92），握手时首先向server（192.17.1.200）发送C0和C1数据包；
• 服务端收到C0和C1数据包之后，直接发送S0+S1+S2数据包；
• 客户端收到服务端发来的S2数据包后，发送C2数据包，至此，rtmp握手完成，可以进行数据交换了。

C0和C1数据包

S0+S1+S2的数据

C2的数据

握手的过程主要完成了两个工作，一是对rtmp的版本进行校验，二是发送了一些随机数据，用于网络状况的检测。握手成功之后，表示客户端和服务器之间可以正常进行网络通信，接下来就可以进行数据的交互了。

2.rtmp Header

​ Rtmp协议握手完成之后，就可以进行数据交互了，但交换的数据格式需要一个组织的标准，发送端按照该标准进行数据的组装，接收方按照该标准进行数据的拆解，这样才能完成通信。rtmp的协议的数据包，总的来讲分为两大部分，一部分是Rtmp Header，另一部分为Rtmp Body。

1）RTMP header数据包的长度

RTMP header的长度不固定，可能的长度为12字节，8字节，4字节，1字节。具体长度为多少个字节，由RTMP header数据包的第一个字节的高2位决定。

如下方表格，Format决定了RTMP header的长度为多少个字节：

下面，通过wireshark抓包看下，RTMP HEADER的长度。

图中，RTMP Header的第一个字节为0x03，高两位的值为00，所以，整个RTMP Header的长度就是12个字节了。

2) Chunk Stream ID

第一个字节的低6位，命名为Chunk Stream ID，Chunk Stream ID用来表示消息的级别：

chunk_stream id为3，表示消息的级别为high levle，这一条消息实际上是一条connect的消息。

知道了RTMP header的第一个字节的作用以后，接下来我们看下几种不同长度的RTMP Header。

3）12字节的RTMP Header

• 第一个时间戳三个字节。
• BodySize字段，表示RTMP Body所包含数据包的大小，此处为209，可以在图中数一数，除去RTMP Header部分，后面的数据部分长度便是209。
• Type ID字段表示消息类型ID，比如此处0x14表示以AMF0编码（还有AMF3编码，Adobe定义的编码方式）。另外还有如0x04表示用户控制消息，0x05表示Window Acknowledgement Size，0x06表示 Set Peer Bandwith等等，就不一一列举了。
• 还有最后一个Stream ID，Stream ID通常用以完成某些特定的工作，如使用ID为0的Stream来完成客户端和服务器的连接和控制，使用ID为1的Stream来完成视频流的控制和播放等工作。

4）8字节的RTMP Header 

• 第一个字节，高2位为01，所以RTMP Header的长度为8字节
• 接下来是时间戳的delta，简单讲就是时间戳的变化量
• BodySize不多说
• TypeID此处为0x04，也就是用户控制信息（本条消息实际上是rtmp客户端和服务器之间的Ping Response）。

5）4字节的RTMP Header

4字节的就比较简单了，除了第一个字节之外，只有一个关于时间戳的增量，占用3个字节。可以看到，第一个字节为0xa2，所以高2位的值为10，所以，RTMP Header占用4个字节，后面跟着的时间戳的增量。

6）1字节的RTMP Header

一个字节，就是第一个字节，后面啥也没有喽，高2位为11，所以，RTMP Header占用1个字节，只包含Format 和chunk stream ID。

3.Rtmp Body

说到RTMP Body的数据包组织格式，就不得不提到AMF。AMF英文全称Action Message Format，是Adobe定义的一套用来进行数据打包的格式，主要的版本有AFM0和AMF3，不过发展至今，实际场景中AMF0一直用的比较多，AMF3相对少见，本篇就以AMF0为例来讲解了。

那么AMF和RTMP Body又有什么关系呢，不才，RTMP数据包的序列化就是按照AMF的格式进行的。RTMP的客户端和RTMP的服务端约定好，发送方说，我发送你的数据都是按照某种格式组织的，你如果收到了我发给你的数据包，你就按这个数据包格式进行解析就可以了。这个格式就是我们此处说的AMF。

1）核心的类型

先说下AMF0，这一标准定义了16种核心的类型，如下表

AMF定义中，首先使用一个字节来表示数据类型，可选的核心数据类型如上表。在数据类型后面紧跟着的就是对应类型数据的长度，每一种类型长度字段所占用的字节数可能也不尽相同，比如string类型后面紧跟的是后面字符串的长度，长度占用2个字节，在长度后面就是具体的数值，还是拿string来举例，长度后面就是具体的字符数据。本质上，这也是一种类似key-len-val（也有叫type-len-val）的一种数据组织方式。

不过，AMF中对于某些类型的数据，没有长度的选项，因为AMF中规定了该类型所占据的字节长度大小。比如AMF规定，number类型所占用的长度为8字节，其表示方式是双精度浮点的网络字节序存储，因此就不需要再表示长度字段了。

还有些类型的数据，既没有长度的选项，也没有具体的值，比如null类型，只占用一个字节，表示类型，在其之后没有任何其他数据。

说完AMF，再回到我们的RTMP Body，RTMP Body就是按照AMF0规范，将数据包进行组织，然后再通过网络发送的。好了，接下来就结合wireshark实际抓到的RTMP数据包，一起熟悉AMF0，同时也熟悉RTMP Body的数据包组织方式。

2)_result的数据包

从抓包中可以看出，该RTMP Body中包含三种类型，4个AMF0编码的数据，一个String类型，一个Number类型，和2个Object类型。接下来我们一一分析下：

String类型

String类型对应的AMF0的type为0x02，表示string类型后面字符串的长度占用两个字节，在长度之后为具体的字符串，此处为"_result".

Number类型

Number类型对应的AMF0的type为0x00，number类型占用8个字节，不需要增加长度的表示，其后紧跟着的就是8个字节的数值表示（抓包显示文件为16进制）。

Object类型

object的类型为0x03，结束的时候会有一个object_end，类型是0x09，这也是AMF0中又一个只有类型，没有len和val的类型。图中绿色部分便是具体的object的数据。下面再深入内部看一眼：

通过抓包，我们可以看到，object类型的数据，内容实际上可以分为两部分，一部分表示object的名称，此处为fmsVer，另一部分就是具体的值。object的名称默认使用字符串，所以省略了类型，直接跟着的就是name对应的字符串的长度（占用两个字节表示），之后是具体的名称字符串；具体的值则再次按AMF0的格式进行编码，此处fmsVer的值为一个字符串，所以按照string类型的AMF0继续编码。

4.connect消息

当rtmp客户端和rtmp服务端握手完成之后，客户端就会向服务端发送connect消息。connect消息的格式按照RTMP Header+RTMP Body的格式组织。其中RTMP Header的Type ID为0x14，表示以AMF0编码的command消息。

对于RTMP Body，connect的组织格式如下：

connect消息由四部分组成，首先是command name，用字符串类表示命令的类型，即"connect"；在其之后紧跟着的是事务id，该值永远设为1；再之后是connect消息中承载的所有object，用来标识一些参数；再后是可选的用户参数。一般比较少用。command object部分就是按照AMF0的标准表示了多个字段，主要包含app、flashVer、tcUrl、fpad、capabilities、audiocodecs、videocodecs等字段。

1）概览

所示是一条rtmp（connect消息），我们可以看到以0x03开头表示为Object数据，0x09表示Object的结尾，总共有app、flashVer、tcUrl、fpad、capabilities、audiocodecs、videocodecs、videoFunction这些字段。