视频传输协议技术特点对比

在过去10到15年间，娱乐内容向终端用户的分发与消费方式经历了一场巨大的变革。这场变革的根本驱动力，在于消费者渴望能够随时随地、使用手边任何可用的播放设备来观看内容。而想要大规模地满足这种需求，唯有依托互联网的覆盖范围与强大能力。由于几乎所有的播放和显示设备（如智能电视、平板电脑、个人电脑、智能手机、游戏主机等）都支持互联网核心协议（IP、TCP和UDP），因此它们得以在任何地点、任何时间接入互联网。
近期，这种向IP网络进行内容分发的转型也延伸到了娱乐行业的B2B（企业级）领域。无论是在制作环节（摄像机已具备IP功能，IP切换台和路由器正在取代传统的SDI设备[1]），还是在后期制作，乃至向多频道视频节目发行商（MVPDs）提供内容回传信号的过程中，这一趋势都清晰可见。
然而，互联网传统的传输协议（UDP和TCP）在这些趋势出现之前便已设计完成，这使得它们在面对各种音视频传输场景时表现并非最优。这种“非最优性”早在1990年“应用层成帧（ALF）”概念首次被提出时就已被业界所认知[ALF]。ALF允许应用程序在应用层自定义传输层功能（如差错控制和速率控制），以满足其特定需求。随着需要通过IP网络传输多媒体内容（视频、音频、隐藏字幕及相关元数据）的应用大量涌现，业界开发出了众多ALF传输协议，以实现各个应用场景下的最佳性能。其中，最早被广泛部署的是20世纪90年代中期推出的实时传输协议（RTP）及其配套的实时传输控制协议（RTCP）。此后，许多其他协议也相继问世——有些是专有协议，有些是开源协议，有些已完全标准化，有些仍处于草案规范阶段——导致如今各种协议的首字母缩写层出不穷，令人眼花缭乱。
本文旨在梳理这些令人困惑的协议缩写，概述其中较为主流的协议，并明确它们最能发挥价值的适用场景。