目录
背景
一、为什么需要SRT？—— TCP与UDP的两难困境
二、SRT协议的核心原理
2.1 架构模型
2.2 核心机制一：基于序列号的ARQ与选择性重传
2.3 核心机制二：延迟窗口与发送/接收缓冲区
2.4 核心机制三：自适应拥塞控制
三、SRT的主要特点和功能
四、重点剖析：UDP模式下如何防止丢包
五、总结
背景
在流媒体直播和远距离视频传输领域，SRT（Secure Reliable Transport，安全可靠传输）协议正迅速成为行业标准。它由Haivision公司开发并开源，旨在解决公网环境下低延迟、高质量视频传输的难题。如果你对视频直播技术感兴趣，或者正在为远距离传输的不稳定而头疼，那么本文将带你深入理解SRT的核心原理、主要特点，并重点剖析它如何在UDP模式下有效防止丢包。
一、为什么需要SRT？—— TCP与UDP的两难困境
在SRT出现之前，互联网上的视频传输主要依赖两种传输层协议：TCP和UDP。
TCP 是可靠的。它通过确认机制（ACK）、超时重传和流量控制，保证数据完整有序地到达。但它的“可靠”代价高昂：丢包引发的重传会导致队头阻塞，使后续数据无法及时交付；其拥塞控制算法（如经典的AIMD加性增乘性减）在丢包时会剧烈降低发送速率，导致视频码率大幅波动。对于直播这类对延迟敏感的场景，TCP的这些问题几乎是致命的。
UDP 是快速的。它无连接、无确认、无重传，数据包像离弦之箭一样发出，延迟极低。但UDP完全不可靠，网络稍有波动就会导致数据丢失，而接收端没有任何挽救措施，视频画面会出现花屏或卡顿。
我们似乎陷入了一个两难：要可靠就得忍受延迟，要低延迟就得接受丢包。SRT的出现，正是为了打破这个僵局。它在UDP之上构建了一套精巧的机制，实现了兼具低延迟与高可靠性的传输。
二、SRT协议的核心原理
SRT的核心原理可以概括为：基于UDP的ARQ（自动重传请求） + 选择性重传 + 可配置延迟窗口 + 自适应拥塞控制。它保留UDP的低延迟特性，同时通过精细的逻辑控制来修补其不可靠的短板。
2.1 架构模型
SRT在应用层实现了类似传输层的连接管理。一个SRT连接（称为Socket）的建立会经历从握手到数据传输再到关闭的完整生命周期，这与TCP非常相似。但所有数据，包括控制包和数据包，都封装在UDP数据报中。
这种架构带来了巨大灵活性。SRT不修改操作系统内核的网络栈，完全在用户空间运行，因此部署和迭代都非常迅速。
2.2 核心机制一：基于序列号的ARQ与选择性重传
这是SRT可靠性的基石。发送端为每个发出的数据包分配一个唯一的、单调递增的序列号。接收端不断检查到达的数据包序列号。
正常情况：接收端收到连续的包，将它们按序交付给上层应用（如视频解码器）。
检测丢包：当接收端发现序列号出现“缺口”，例如收到了序列号1，2，4，5，那么序列号3的包就被认为丢失了。
选择性否定确认（NAK）：接收端立即向发送端发送一个控制包，称为NAK（Negative Acknowledgment，否定确认）。这个NAK包精确地告诉发送端：“我丢失了序列号3的数据包，请立即重发”。
选择性重传：发送端收到NAK后，优先从重传缓冲区中取出序列号3的包，立即重新发送，而不会阻塞或延迟后续新数据包（如序列号6）的发送。
这与TCP的累计确认（Cumulative ACK） 形成鲜明对比。TCP的接收端只告知发送端它连续收到的最高序列号，发送端无法精确知道哪个包丢了，只能猜测并重传从丢失点之后的所有包，效率低下且容易造成不必要的重传。SRT的NAK机制实现了精确、低开销的丢包反馈和重传，这是它在有损网络中保持高效的关键。
2.3 核心机制二：延迟窗口与发送/接收缓冲区
SRT并不会无限地重传一个丢失的包，因为它必须遵守一个预设的延迟约束。这是通过两个关键缓冲区及其配置参数实现的：
延迟窗口（Latency Window）：这是SRT最核心的概念之一。发送端和接收端在握手阶段会协商一个端到端的延迟量，通常以毫秒为单位（latency参数，默认120ms）。这个值代表了发送端将数据包交给SRT，到接收端将数据包从SRT交付给上层应用之间，所允许的最大时间。
发送缓冲区：发送端发出的所有数据包都会在此缓存一份，以备重传。
接收缓冲区：接收端收到的包会先放入缓冲区，根据序列号进行排序，等待缺失的包被重传到达。
工作机制如下：
当一个数据包进入接收缓冲区时，它的“时钟”就开始滴答倒计时。系统会计算 TSBPD（Time-Stamp Based Packet Delivery，基于时间戳的包交付） 时刻，即该包应当被交付的时间点。如果一个包在接收缓冲区中等待的时间超过了设定的延迟窗口，即使它最终到达了，也会被无情地丢弃。同样，如果发送端收到一个NAK，但它发现该包的年龄（自第一次发送起算）加上预估的网络延迟已经超过了延迟窗口，发送端就会放弃重传，因为重传也来不及了。
这种机制实现了 “尽力而为的可靠性” 。SRT承诺的不是100%的绝对可靠，而是 “在指定延迟窗口内的可靠” 。它巧妙地利用了延迟来换取可靠性，但将延迟上限牢牢控制在用户设定的范围内。这完美契合了直播视频的需求：一个迟到了1秒的I帧，对于直播来说已经是废物，不如直接丢弃，依赖下一个画面或错误隐藏技术来恢复。
2.4 核心机制三：自适应拥塞控制
仅仅有ARQ是不够的。如果发送端不顾网络状况疯狂发送数据，会导致严重拥塞和大量丢包，进而触发海量重传，形成恶性循环。SRT内置了一个高度可配置的、基于带宽估计的自适应拥塞控制算法。
SRT默认使用 LiveCC（Live Congestion Control，直播拥塞控制） 算法。其工作原理大致如下：
(1). 带宽探测：发送端通过分析接收端定期发回的ACK控制包，来计算路径的可用带宽。ACK包中包含了丰富的信息：接收速率、延迟、丢包率等。
(2). 状态机控制：算法根据探测结果，动态调整发送速率。它不像TCP那样“乘性减”，而是试图保持一个相对平滑、稳定的发送码率，避免剧烈波动对视频编码器造成冲击。
(3). 可配置策略：SRT允许用户配置拥塞控制的强度甚至关闭。模式包括：
- Live模式：默认模式，探测实时带宽并动态调整。
- File模式：为文件传输优化，倾向于最大化利用带宽。
- Custom模式：用户可以完全自定义控制逻辑。
这种智能的拥塞控制，确保了SRT流在发送端就是“网络友好”的，从源头减少了丢包的发生。
三、SRT的主要特点和功能
除了上述核心原理构建的可靠传输基石，SRT还集成了许多强大功能，使其成为一个全方位的传输解决方案。
1. 安全加密：SRT的“S”代表Secure。它使用AES-128/192/256对称加密，在握手阶段通过对称密钥或证书交换，确保传输内容的安全性和完整性，防止窃听和篡改。这是对内容商和广播机构至关重要的功能。
2. 网络穿透与多路径：
Caller/Listener/Rendezvous模式：SRT定义了三种连接模式。Caller和Listener是经典的客户端-服务器模式；而Rendezvous（会合） 模式允许两端同时向对方发起连接，这使得SRT可以轻松穿透大多数NAT和防火墙，无需复杂的端口映射。
连接绑定与失败转移：SRT支持Socket Group功能。一个连接可以绑定到多个网络路径（如有线+4G/5G）上，实现带宽聚合或主备链路的无缝失败转移，极大地提升了广域网传输的鲁棒性。
3. 流复用：单个SRT连接可以传输多个独立的、多路复用的流。这通过Stream ID功能实现，允许在一个SRT会话中承载多路视音频或数据流，简化了复杂应用下的连接管理。
4. 内容不可知：SRT是一个纯粹的数据管道。它不关心传输的是H.264、HEVC、MPEG-TS还是其他任意数据。这种透明性使其应用场景非常广泛。
四、重点剖析：UDP模式下如何防止丢包
这是用户最关心的问题，也是SRT最精妙的设计所在。我们需要明确：SRT本身就是基于UDP的，不存在“使用UDP模式”和“非UDP模式”的区别。 它所有的防丢包机制都是在UDP之上工作的。下面我们从六个维度，从简到深，详细拆解SRT的防丢包体系。
第一层防线：智能拥塞控制 （Smart Congestion Control）
防丢包的最高境界是让包根本不丢。SRT的自适应码率控制，就如同拉车的马，根据道路（网络）的坎坷程度自动调整步伐。
主动减速：当ACK包报告延迟增大或出现轻微丢包时，SRT的LiveCC算法会判断网络可能即将或已经发生拥堵。它会主动、平滑地降低发送码率，而不是等到大量丢包后才做出剧烈反应。
带宽探测：算法不断探测路径的可用带宽上限，确保发送速率不超过这个值，从源头避免因过度注入流量而导致的拥塞丢包。
可调参数maxbw：用户可以设置最大发送带宽，强制SRT流不会“越界”，这在共享网络出口的场景非常实用。
第二层防线：快速精确的丢包检测与反馈 （NAK）
一旦网络抖动导致物理丢包，SRT需要尽快知道并精准定位。
接收端的职责：
(1). 序列号监控：持续检查到达包的序列号。
(2). 间隔阈值触发：一旦发现序列号不连续，并不会立刻发送NAK，而是等待一个极短的、可配置的时间（peerlatency相关或内部计时器），看这个“迟到”的包是否会到达。这个微小的延迟避免了网络包乱序导致的虚假NAK。
(3). 发送NAK：如果超过阈值仍未收到，接收端会构造一个NAK控制包，其中包含一个或多个丢失包的序列号列表，立即发送给发送端。
信息精确性：与TCP的SACK（选择性确认）相比，SRT的NAK反馈的是丢失项，而非收到项的边界。在网络丢包严重时，丢失项列表通常比复杂的收到块描述更短、更高效。发送端一看便知：“好，3号，8号，15号丢了，马上重发”。
第三层防线：即时选择性重传 （On-the-fly Selective Retransmission）
发送端的重传逻辑是SRT防丢包性能的绝对核心。
优先级队列：发送端有一个重传队列，其优先级高于新数据的发送队列。当收到NAK时，它提取丢失包序列号，立即从发送缓冲区中找到对应数据包，组装成新UDP包发送出去。这个过程是非阻塞的。
一次重传：SRT对同一个丢失包只重传一次。如果这个重传包又丢了，它不会基于这个重传包再重传。只有当接收端再次发送NAK请求这个包时，发送端才会考虑是否再次重传。这避免了重传风暴。
截止时间判断：如前所述，重传前会进行严格的延迟窗口计算。如果包原始发送时间 + 延迟窗口 < 当前时间 + 预估单程延迟，发送端会直接放弃重传。它不会为一个注定过期的包浪费宝贵的带宽，这在“止损”上意义重大。
第四层防线：接收端的时间同步与重组 （TSBPD & Reordering）
接收端的操作同样精细。
乱序重组：SRT接收缓冲区本质上是一个巨大的排序缓冲区。包可能因重传等原因乱序到达，缓冲区根据序列号将它们排列整齐。
基于TSBPD的交付：
每个数据包在发送时被打上了时间戳。
接收端根据握手协商的延迟窗口和包的时间戳，计算出这个包的“交付时刻” = 包的时间戳 + 延迟窗口。
只有在系统时钟到达这个“交付时刻”后，该包及其之前所有已连续排列的包，才会被按序交付给上层应用。
这一机制的意义：它将网络引入的抖动（Jitter）完全吸收了。即使数据包抵达间隔忽快忽慢，只要它们都在各自的“交付时刻”前抵达接收缓冲区，对上层应用来说，数据流就是平滑、恒定的。这保护了视频解码器。
第五层防线：前向纠错的可选增强 （FEC - Optional）
对于极低延迟、不允许重传的场景，SRT也提供包级别的XOR前向纠错（FEC）作为可选项。
工作原理：发送端对固定数量的一组数据包（如每N个）进行一次XOR异或运算，生成一个冗余校验包并发送。
丢包恢复：如果在这组包中丢失了任意一个，接收端可以用剩余N个包和校验包通过XOR运算完美重建出丢失的包。这实现了零重传延迟下的丢包恢复。
代价与权衡：FEC会消耗固定的额外带宽（1/N），并且会增加编码和解码延迟（需要等待一组包到齐）。它适用于极低延迟但允许一定额外带宽开销的场景，可以作为一种“保险”。
第六层防线：连接级的多路径冗余 （Socket Group with Redundancy）
这是将防丢包从“包级别”提升到“链路级别”的大招。
冗余模式：SRT的Socket Group功能允许将一个流同时通过两个（或多个）不同的网络路径（如主专线和4G备份）发送完全一样的数据。
智能接收：接收端同时从两条链路接收数据，并自动识别和丢弃重复的包。任意一条链路中断或发生严重丢包，只要另一条链路是通的，业务就不会中断，且上层应用完全无感知。
终极保障：这种方式以双倍带宽为代价，换取了近乎100%的可用性，是广播级远程制作等关键任务场景的首选方案。
五、总结
我们可以将SRT的防丢包体系想象成一个精密运作的多层防御系统：
- (1). 预防层：自适应拥塞控制，从源头减少拥塞丢包。
- (2). 侦察层：序列号监控与高效NAK机制，快速精确地发现丢包。
- (3). 抢修层：优先级驱动的选择性重传，在延迟预算内“抢救”丢失数据。
- (4). 调度层：接收端缓冲区与TSBPD，吸收抖动，按序交付。
- (5). 保险层（可选）：FEC，以带宽换零重传延迟的恢复。
- (6). 容灾层（可选）：Socket Group冗余链路，以带宽换链路级生存能力。
正是这一系列环环相扣、可配置、可扩展的机制，让SRT在UDP这片“不毛之地”上，成功地建造起一座可靠、低延迟的视频传输“高速公路”。它没有创造新的物理法则，而是通过对时间、带宽和冗余的极致权衡与利用，优雅地解决了互联网视频传输的世纪难题。
SRT的成功，不仅在于其技术的精巧，更在于其开源、开放的理念。它已经成为了一个蓬勃发展的生态，被广泛应用于远程制作、云播出、体育赛事回传等各个领域。理解其原理，将帮助你更好地驾驭这个强大的工具，在不可预测的公网上，搭建起属于你自己的高质量视频传输专线。
