WebRTC का उपयोग करने का अनुभव। यांडेक्स व्याख्यान

सॉफ्टवेयर विकसित करते समय उपयोग करने के लिए बेहतर क्या है - मूल या वेब प्रौद्योगिकियां? इस विषय पर होलीवर जल्द ही समाप्त नहीं होगा, लेकिन कुछ लोग तर्क देंगे कि यह ब्राउज़र या वेबव्यू में उपयोग के लिए देशी कार्यों की नकल करने के लिए उपयोगी है। और अगर एक बार कॉल के लिए एप्लिकेशन ब्राउज़र से अलग से मौजूद थे, तो अब वे वेब पर लागू करना आसान है। डेवलपर ग्रिगोरी कुजनेत्सोव ने बताया कि पी 2 पी कनेक्शन के लिए वेबआरटीसी तकनीक का उपयोग कैसे करें।


- जैसा कि आप सभी जानते हैं, हाल के वर्षों में दो ब्राउज़रों, पी 2 पी के बीच प्रत्यक्ष डेटा विनिमय के आधार पर काफी सारे अनुप्रयोग हैं। ये सभी प्रकार के त्वरित संदेशवाहक, चैट, डायलर, वीडियो कॉन्फ्रेंस हैं। यह ऐसे अनुप्रयोग भी हो सकते हैं जो वितरित कंप्यूटिंग के कुछ प्रकार करते हैं। कल्पना की सीमाएं किसी भी तरह से सीमित नहीं हैं।

हम इस तरह की तकनीक कैसे बनाते हैं? कल्पना कीजिए कि हम एक ब्राउज़र से दूसरे ब्राउज़र पर कॉल करना चाहते हैं। और कल्पना करें कि इस लक्ष्य को प्राप्त करने के लिए हमें किन कदमों की आवश्यकता है। सबसे पहले, ऐसा लगता है कि कॉल हमारी तस्वीर, हमारी आवाज़, छवि है, और हमें कंप्यूटर से जुड़े मीडिया उपकरणों तक पहुंचने की आवश्यकता है: कैमरे और माइक्रोफ़ोन तक। आपके द्वारा पहुँच प्राप्त करने के बाद, आपको एक दूसरे को खोजने के लिए अपने दो ब्राउज़र, दो क्लाइंट की आवश्यकता होती है। उन्हें किसी तरह कनेक्ट करने, बाहर तक पहुंचने, मेटैनफॉर्मेशन से अवगत कराने में मदद करना आवश्यक है।

जब आप पहुंचते हैं, तो आपको पी 2 पी मोड में डेटा ट्रांसफर करना शुरू करना होगा, अर्थात मीडिया स्ट्रीम का प्रसारण सुनिश्चित करना। हमारे पास सभी आवश्यक वस्तुएं हैं, हम अपनी शांत नई बाइक को लागू करने के लिए तैयार हैं। लेकिन यह एक मजाक है, हम इंजीनियर हैं और हम समझते हैं कि यह महंगा, अनुचित और जोखिम भरा है। इसलिए, शास्त्रीय इंजीनियरों के रूप में, आइए पहले यह सोचें कि क्या समाधान पहले से मौजूद हैं।

सबसे पहले, पुराने मरने एडोब फ्लैश प्रौद्योगिकी। वह वास्तव में मर रही है, और एडोब 2020 तक इसका समर्थन करना बंद कर देगा। तकनीक वास्तव में आपको अपने मीडिया उपकरणों का उपयोग करने की अनुमति देगी, इसके अंदर आप ब्राउज़रों को जोड़ने में मदद करने के लिए सभी आवश्यक यांत्रिकी लागू कर सकते हैं, ताकि वे पी 2 पी जानकारी को प्रसारित करना शुरू कर दें, लेकिन आप अपनी बाइक का फिर से आविष्कार करेंगे, क्योंकि कोई एकल मानक नहीं है, इस पद्धति को लागू करने के लिए एक एकल दृष्टिकोण डेटा ट्रांसफर।

आप एक ब्राउज़र प्लगइन लिख सकते हैं। यह कैसे Skype उन ब्राउज़रों के लिए काम करता है जो अधिक आधुनिक तकनीकों का समर्थन नहीं करते हैं। आपको अपनी बाइक को लागू करना होगा, क्योंकि एक भी मानक नहीं है, और यह उपयोगकर्ताओं के लिए भी बुरा है, क्योंकि उपयोगकर्ता को अपने ब्राउज़र में किसी प्रकार के प्लग-इन को स्थापित करना होगा, अतिरिक्त कार्य करना होगा। उपयोगकर्ता इसे पसंद नहीं करते हैं और इसे करना नहीं चाहते हैं।

और WebRTC तकनीक है - Google Hangouts, फेसबुक मैसेंजर इसके साथ काम करते हैं। Voximplant इसका उपयोग करता है ताकि आप अपनी कॉल कर सकें। आइए इस पर अधिक विस्तार से ध्यान दें। यह एक नई विकासशील तकनीक है, यह 2011 में दिखाई दिया और इसका विकास जारी है। वह क्या करने की अनुमति देता है? कैमरा और माइक्रोफ़ोन तक पहुँच प्राप्त करें। दो कंप्यूटरों, दो ब्राउज़रों के बीच एक P2P कनेक्शन स्थापित करें। स्वाभाविक रूप से, यह आपको वास्तविक समय में मीडिया स्ट्रीम को स्थानांतरित करने की अनुमति देता है। इसके अलावा, यह आपको जानकारी को स्थानांतरित करने की अनुमति देता है, अर्थात, कोई भी द्विआधारी तिथि, आप पी 2 पी भी प्रसारित कर सकते हैं, आप अपने स्वयं के वितरित कंप्यूटिंग प्रणाली बना सकते हैं।

एक महत्वपूर्ण बिंदु: वेबआरटीसी एक दूसरे को खोजने के तरीके के साथ ब्राउज़र प्रदान नहीं करता है। हम अपने प्रियजनों के बारे में सभी आवश्यक मेटा-जानकारी उत्पन्न कर सकते हैं, लेकिन एक ब्राउज़र दूसरे के अस्तित्व के बारे में कैसे सीख सकता है? उन्हें कैसे जोड़ा जाए? एक उदाहरण पर विचार करें।



दो ग्राहक हैं। पहला क्लाइंट दूसरे क्लाइंट को कॉल करना चाहता है। WebRTC आपको वह सभी जानकारी देता है जिसकी आपको स्वयं पहचान करने की आवश्यकता है। लेकिन सवाल यह है कि किसी अन्य ब्राउज़र को कैसे खोजा जाए, इस मेटा-जानकारी को कैसे भेजें, कॉल को इनिशियलाइज़ कैसे करें। यह डेवलपर्स की दया पर है, हम बिल्कुल किसी भी विधि का उपयोग कर सकते हैं, इस मेटा-जानकारी को ले सकते हैं, इसे एक कागज के टुकड़े पर प्रिंट कर सकते हैं, इसे कूरियर द्वारा भेज सकते हैं, दूसरा इसे उपयोग करेगा, और सब कुछ काम करेगा।

और हम कुछ सिग्नलिंग तंत्र के साथ आ सकते हैं। इस मामले में, यह एक तृतीय-पक्ष तंत्र है जो हमें अनुमति देगा, यदि हम अपने ग्राहकों के बारे में जानते हैं, तो उनके बीच कुछ जानकारी के हस्तांतरण को सुनिश्चित करने के लिए जो कनेक्शन स्थापित करना आवश्यक है।

सिग्नल सर्वर का उपयोग करके एक उदाहरण पर विचार करें। एक सिग्नल सर्वर है जो हमारे ग्राहकों के साथ एक स्थिर संबंध रखता है, उदाहरण के लिए, वेब सॉकेट के माध्यम से या HTTP का उपयोग करके। पहला क्लाइंट मेटा-सूचना उत्पन्न करता है, और इसे वेब सॉकेट या HTTP का उपयोग करके सिग्नल सर्वर पर भेजता है। यह जानकारी के कुछ हिस्से को भी भेजता है जिनके साथ यह कनेक्ट करना चाहता है, उदाहरण के लिए, एक उपनाम या कुछ अन्य जानकारी।

इस पहचानकर्ता का उपयोग करने वाला सिग्नल सर्वर यह निर्धारित करता है कि कौन से क्लाइंट को हमारी मेटा-जानकारी को रीडायरेक्ट करना है, और इसके बाद। दूसरा क्लाइंट इसे लेता है, इसका उपयोग करता है, खुद को स्थापित करता है, एक प्रतिक्रिया बनाता है, और सिग्नलिंग तंत्र का उपयोग करके इसे सिग्नल सर्वर को भेजता है, जो बदले में इसे पहले ग्राहक के लिए रिले करता है। इस प्रकार, दोनों ग्राहकों के पास वर्तमान में पी 2 पी कनेक्शन स्थापित करने के लिए सभी आवश्यक तिथि और मेटा-जानकारी है। हो गया।

आइए ग्राहकों के आदान-प्रदान पर सटीक नज़र डालें, वे एक एसडीपी डेटाग्राम, सत्र विवरण प्रोटोकॉल का आदान-प्रदान कर रहे हैं।



यह अनिवार्य रूप से एक पाठ फ़ाइल है जिसमें कनेक्शन स्थापित करने के लिए सभी आवश्यक जानकारी शामिल है। आईपी ​​पते के बारे में जानकारी है, जो उपयोग किए जाने वाले बंदरगाहों के बारे में है, ग्राहकों के बीच किस तरह की जानकारी का पीछा किया जा रहा है, यह क्या है - ऑडियो, वीडियो, कौन सा कोडेक्स उपयोग किया जाता है। हमें जो कुछ भी चाहिए वह सब कुछ है।

दूसरी पंक्ति पर ध्यान दें। यह क्लाइंट का IP पता, 192.168.0.15 दिखाता है। जाहिर है, यह एक कंप्यूटर का आईपी पता है जो कुछ स्थानीय नेटवर्क पर है। यदि हमारे पास दो कंप्यूटर हैं, जिनमें से प्रत्येक स्थानीय नेटवर्क पर है, जिनमें से प्रत्येक इस नेटवर्क के भीतर अपना आईपी पता जानता है, तो वे कॉल करना चाहते हैं। क्या वे इस तरह के डेटाग्राम के साथ ऐसा करने में सक्षम होंगे? जाहिर है, वे बाहरी आईपी पते नहीं जानते हैं। कैसे हो?



आइए एक तरफ कदम बढ़ाएँ और देखें कि एनएटी कैसे काम करता है। इंटरनेट पर, कई कंप्यूटर राउटर के पीछे छिपे हुए हैं। स्थानीय नेटवर्क हैं जिनके भीतर कंप्यूटर उनके पते जानते हैं, एक राउटर है जिसमें एक बाहरी आईपी पता है, और ये सभी कंप्यूटर इस राउटर के आईपी पते के साथ चिपके रहते हैं। जब स्थानीय नेटवर्क पर कंप्यूटर से एक पैकेट राउटर पर जाता है, तो राउटर यह देखता है कि इसे कहां भेजा जाना चाहिए। यदि इस स्थानीय नेटवर्क के किसी अन्य पर, तो वह बस इसे रिले करता है, और यदि आपको इसे इंटरनेट पर भेजने की आवश्यकता है, तो एक रूटिंग टेबल संकलित की जाती है।



हम उस कंप्यूटर के आंतरिक आईपी पते को भरते हैं जो पैकेट को आगे करना चाहता है, उसका पोर्ट, बाहरी आईपी पता, राउटर का आईपी पता सेट करता है, और पोर्ट परिवर्तन भी करता है। इसके लिए क्या है? कल्पना करें कि दो कंप्यूटर एक ही संसाधन तक पहुंच रहे हैं, और हमें प्रतिक्रिया पैकेट को सही ढंग से रूट करने की आवश्यकता है। हम उन्हें पोर्ट द्वारा पहचानेंगे, प्रत्येक कंप्यूटर के लिए पोर्ट अद्वितीय होगा, जबकि बाहरी आईपी पता मेल खाएगा।

यदि नेट, अगर कंप्यूटर एक ही आईपी पते के तहत चिपके रहते हैं, तो कैसे जीना है, लेकिन अंदर वे एक-दूसरे के बारे में जानते हैं?

इंटरनेट कनेक्टिविटी स्थापना के लिए आईसीई ढांचा बचाव के लिए आता है। यह NAT को बायपास करने के तरीकों का वर्णन करता है, अगर हमारे पास NAT है तो कनेक्शन कैसे स्थापित करें।

यह ढांचा तथाकथित STUN सर्वर विशेषता का उपयोग करता है।



यह एक ऐसा विशेष सर्वर है, जिसके संदर्भ में, आप अपने बाहरी आईपी पते का पता लगा सकते हैं। इस प्रकार, P2P कनेक्शन स्थापित करने की प्रक्रिया में, प्रत्येक क्लाइंट को अपने IP पते का पता लगाने के लिए इस STUN सर्वर से एक अनुरोध करना चाहिए, और अतिरिक्त सूचना, IceCandidate उत्पन्न करना चाहिए, और सिग्नलिंग तंत्र के साथ IceCandidate का आदान-प्रदान करना चाहिए। तब ग्राहक सही IP पते के साथ एक-दूसरे के बारे में जानेंगे, और एक P2P कनेक्शन स्थापित कर पाएंगे।

हालांकि, अधिक जटिल मामले हैं। उदाहरण के लिए, जब कंप्यूटर डबल NAT के पीछे छिपा होता है। इस स्थिति में, ICE ढांचे को TURN सर्वर के उपयोग की आवश्यकता होती है।



यह एक ऐसा विशेष सर्वर है जो क्लाइंट-क्लाइंट कनेक्शन, पी 2 पी को क्लाइंट-सर्वर-क्लाइंट कनेक्शन में बदल देता है, अर्थात यह रिले के रूप में कार्य करता है। डेवलपर्स के लिए अच्छी खबर यह है कि तीन परिदृश्यों में से कौन सा कनेक्शन के लिए बनाया गया था, चाहे हम स्थानीय नेटवर्क पर हों, चाहे हमें STUN या TURN सर्वर को चालू करने की आवश्यकता हो, एपीआई तकनीक हमारे लिए समान होगी। हम केवल शुरुआत में ICE और TURN सर्वर के कॉन्फ़िगरेशन को इंगित करते हैं, संकेत करते हैं कि उन्हें कैसे एक्सेस किया जाए, और उसके बाद तकनीक हुड के तहत हमारे लिए सब कुछ करती है।



एक छोटा सारांश। एक कनेक्शन स्थापित करने के लिए, आपको किसी प्रकार के सिग्नलिंग तंत्र को चुनने और लागू करने की आवश्यकता है, एक निश्चित मध्यस्थ जो हमें मेटा-जानकारी भेजने में मदद करेगा। WebRTC हमें इसके लिए सभी आवश्यक मेटा प्रदान करेगा।

हमें NAT से लड़ना है, इस स्तर पर यह हमारा मुख्य दुश्मन है। लेकिन इसके चारों ओर पाने के लिए, हम अपने बाहरी आईपी पते का पता लगाने के लिए STUN सर्वर का उपयोग करते हैं, और हम एक रिले के रूप में TURN सर्वर का उपयोग करते हैं।

हम वास्तव में क्या संचारित कर रहे हैं? मीडिया धाराओं के बारे में।



मीडिया स्ट्रीम ऐसे चैनल हैं जिनमें ट्रैक अपने भीतर होते हैं। मीडिया स्ट्रीम के भीतर ट्रैक सिंक्रनाइज़ हैं। ऑडियो और वीडियो डायवर्ज नहीं होंगे, वे एक ही समय के साथ आएंगे। आप मीडिया स्ट्रीम के अंदर किसी भी नंबर को ट्रैक कर सकते हैं, पटरियों को अलग से नियंत्रित किया जा सकता है, उदाहरण के लिए, आप ऑडियो को म्यूट कर सकते हैं, केवल एक तस्वीर छोड़कर। आप किसी भी मीडिया स्ट्रीम को स्थानांतरित कर सकते हैं, जो आपको एक सम्मेलन को लागू करने के लिए, उदाहरण के लिए अनुमति देता है।

ब्राउज़र से मीडिया का उपयोग कैसे करें? आइए एपीआई की बात करते हैं।



एक getUserMedia विधि है जो इनपुट के रूप में स्थिरांक के एक सेट को स्वीकार करती है। यह एक विशेष वस्तु है जहां आप इंगित करते हैं कि आप कौन से उपकरणों का उपयोग करना चाहते हैं, कौन सा कैमरा, कौन सा माइक्रोफोन। आप उन विशेषताओं को निर्दिष्ट करते हैं जो आप चाहते हैं, जो संकल्प, और दो तर्क भी हैं - सक्सेसकॉलबैक और एररकलबैक, जिसे सफलता या विफलता के मामले में कहा जाता है। अधिक आधुनिक प्रौद्योगिकी कार्यान्वयन वादों का उपयोग करते हैं।

एक सुविधाजनक एन्युमरेटडेविसेस विधि भी है जो आपके कंप्यूटर से जुड़े सभी मीडिया उपकरणों की एक सूची लौटाती है, जो आपको उपयोगकर्ता को उन्हें दिखाने का अवसर प्रदान करती है, किसी प्रकार के चयनकर्ता को आकर्षित करती है ताकि उपयोगकर्ता चुन ले कि वह किस विशेष कैमरे का उपयोग करना चाहता है।



एपीआई में केंद्रीय वस्तु RTCPeerConnection है। जब हम कनेक्शन बनाते हैं, तो हम RTCPeerConnection क्लास लेते हैं, जो PeerConnection ऑब्जेक्ट को लौटाता है। कॉन्फ़िगरेशन के रूप में, हम ICE सर्वर, अर्थात् STUN और TURN सर्वर का एक सेट निर्दिष्ट करते हैं, जिसे हम इंस्टॉलेशन प्रक्रिया के दौरान एक्सेस करेंगे। और एक महत्वपूर्ण onicecandidate घटना है जो हर बार हमें हमारे सिग्नलिंग तंत्र की मदद की आवश्यकता होती है। यही है, WebRTC तकनीक ने एक अनुरोध किया, उदाहरण के लिए, एक STUN सर्वर के लिए, हमने अपने बाहरी IP पते को पहचान लिया, एक नया ICECandidate दिखाई दिया, और हमें तृतीय-पक्ष तंत्र का उपयोग करके इसे आगे बढ़ाने की आवश्यकता है, यह घटना कड़ी थी।



जब हम कनेक्शन स्थापित करते हैं और कॉल को इनिशियलाइज़ करना चाहते हैं, तो हम प्रारंभिक SDP बनाने के लिए createOffer () विधि का उपयोग करते हैं, SDP की पेशकश करते हैं, वही मेटा जानकारी जिसे पार्टनर को भेजने की आवश्यकता होती है।

इसे PeerConnection पर सेट करने के लिए, हम setLocalDescription () विधि का उपयोग करते हैं। संकेतन तंत्र संकेतन तंत्र द्वारा यह जानकारी प्राप्त करता है, इसे सेटरमोटेस्क्रिप्शन () विधि का उपयोग करके खुद को सेट करता है, और createAnswer () विधि का उपयोग करके एक प्रतिक्रिया उत्पन्न करता है, जो सिग्नलिंग तंत्र का उपयोग करके पहले क्लाइंट को भी भेजा जाता है।



जब हमें मीडिया तक पहुंच मिली, मीडिया स्ट्रीम मिली, तो हमने इसे ऐडस्ट्रीम विधि का उपयोग करके अपने पी 2 पी कनेक्शन में स्थानांतरित कर दिया, और हमारे वार्ताकार को इसके बारे में पता चलता है, उसने ऑनडस्ट्रीम इवेंट ट्रिम कर दिया है। वह हमारी धारा को प्राप्त करेगा और उसे प्रदर्शित कर सकेगा।



आप डेटा स्ट्रीम के साथ भी काम कर सकते हैं। यह एक नियमित सहकर्मी के गठन के समान है, बस RtpDataChannels निर्दिष्ट करें: true और createDataChannel () विधि को कॉल करें। मैं इस पर विस्तार से ध्यान नहीं दूंगा, क्योंकि इस तरह का काम वेब सॉकेट्स के साथ काम करने के समान है।

सुरक्षा के बारे में कुछ शब्द। WebRTC केवल HTTPS पर काम करता है, आपकी साइट को एक प्रमाण पत्र के साथ हस्ताक्षरित होना चाहिए। DTLS का उपयोग करके मीडिया स्ट्रीम भी एन्क्रिप्ट की जाती हैं। प्रौद्योगिकी को अतिरिक्त कुछ भी स्थापित करने की आवश्यकता नहीं है, कोई प्लग-इन नहीं है, और यह अच्छा है। और यह एक स्पाइवेयर एप्लिकेशन बनाने के लिए काम नहीं करेगा, साइट उपयोगकर्ता पर छिपकली या जासूसी नहीं करेगी, वह उपयोगकर्ता को एक विशेष संकेत दिखाएगा, उससे एक्सेस का अनुरोध करेगा और इसे तभी प्राप्त करेगा जब उपयोगकर्ता ऑडियो और मीडिया उपकरणों तक पहुंच की अनुमति देगा।



ब्राउज़र समर्थन के लिए - IE ठहरता है और लाल रहता है। पिछले साल के अंत में, सफारी समर्थन जोड़ा गया था, अर्थात, सभी आधुनिक ब्राउज़र पहले से ही इस तकनीक के साथ काम करने में सक्षम हैं और हम सुरक्षित रूप से इसका उपयोग कर सकते हैं।

मैं सभी प्रकार की उपयोगिताओं का एक सेट साझा करना चाहता हूं जो आपको वेबआरटीसी के साथ काम करना चाहते हैं। यह मुख्य रूप से एक एडेप्टर है । प्रौद्योगिकियां लगातार विकसित हो रही हैं, और ब्राउज़र एपीआई में अंतर है। एडॉप्टर लाइब्रेरी इस अंतर को खत्म करती है और काम को आसान बनाती है। डेटा स्ट्रीम के साथ काम करने के लिए एक सुविधाजनक लाइब्रेरी Peerjs है । आप STUN और TURN सर्वर के ओपन सोर्स कार्यान्वयन पर भी ध्यान दे सकते हैं । ट्यूटोरियल, उदाहरणों, लेखों का एक बड़ा समूह भयानक-वेब पेज पेज पर है , मैं इसकी अत्यधिक अनुशंसा करता हूं।

डिबगिंग के लिए अंतिम उपयोगी उपकरण वेब्रटेक-इंटर्नल है। विकास के दौरान, आप एड्रेस बार में एक विशेष कमांड टाइप कर सकते हैं - उदाहरण के लिए, क्रोम ब्राउज़र में, यह Chrome: // webrtc-internals है। आपको अपने वर्तमान WebRTC कनेक्शन के बारे में पूरी जानकारी वाला एक पेज दिखाई देगा। विधियों में कॉल के अनुक्रम होंगे, और ब्राउज़र, और ग्राफ़ के बीच सभी डेटाग्राम का आदान-प्रदान होगा जो किसी तरह आपके कनेक्शन की विशेषता रखते हैं। सामान्य तौर पर, डिबगिंग और विकास के दौरान आवश्यक सभी जानकारी होगी। आपका ध्यान के लिए धन्यवाद।