【音视频】 WebRTC GCC 拥塞控制算法

参考文章：https://blog.csdn.net/weixin_38102771/article/details/127780907

WebRTC GCC 拥塞控制算法详解

一、GCC 概述

GCC（Google Congestion Control）是 Google 为实时音视频通信（RTC）设计的拥塞控制算法，是 WebRTC 框架默认的拥塞控制方案。其核心目标是在避免网络拥塞的前提下，最大化利用网络带宽，同时保证音视频传输的低延迟和低丢包率 ------ 这对实时场景（如视频会议、直播）至关重要。

1.1 GCC 的核心设计思路

传统 TCP 拥塞控制（如 Reno、CUBIC）依赖 "丢包即拥塞" 的判断逻辑，且重传机制会引入额外延迟，不适合实时音视频。GCC 则采用双指标融合的策略：

• 延时梯度（Delay Gradient）：提前感知拥塞（网络队列堆积会导致延时增加，早于丢包发生）；
• 丢包率（Packet Loss Rate）：验证拥塞是否已发生（丢包是拥塞的直接结果）。

通过两种指标的结合，GCC 既能快速响应网络变化，又能避免单一指标的误判（如瞬时延时波动、偶发丢包）

1.2 GCC 的两个版本

GCC 经历了两次架构演进，核心差异在于带宽预估逻辑的部署位置：

版本	核心特点	反馈报文	适用场景
REMB-GCC	接收端计算延时梯度并预估带宽，发送端基于丢包率预估带宽，取两者最小值	RTCP REMB	早期 WebRTC 版本，简单场景
TCC-GCC	接收端仅反馈收包时序信息，发送端统一处理延时梯度 + 丢包率，集中式预估带宽	RTCP TCC	主流版本（替代 REMB-GCC），复杂网络

二、REMB-GCC 算法原理

REMB-GCC 是 GCC 的初代版本，采用 "接收端 + 发送端" 分工的架构，核心流程分为接收端延时梯度预估 和发送端丢包率预估两部分，最终发送端取两者最小值作为实际发送码率。

2.1 接收端：基于延时梯度的带宽预估

接收端通过分析数据包的 "发送 - 接收时序差"，计算延时梯度，判断网络是否拥塞，并预估最大可用带宽，再通过 RTCP REMB 报文反馈给发送端。核心模块分为 5 个：

(1）Arrival-time Filter（到达时间滤波）

作用 ：避免单包时序波动的干扰，基于 "分组" 计算稳定的时间差（而非单包）。

WebRTC 中，发送端会将 RTP 包按5ms 间隔分组发送（由 Pacer 模块控制），接收端同样按 "组" 统计时序信息，核心逻辑如下：

• 分组依据 ：通过 RTP 扩展字段 abs-send-time（24bit，精度 3.8us）获取包的发送时间，若某包的发送时间与当前组首包的发送时间差 >5ms，则归为新组。

• 核心数据结构 ：TimestampGroup（存储每组的关键信息）：

字段	含义
first_timestamp	组内首包的 RTP 发送时间戳
first_arrival_ms	组内首包的接收时间（毫秒）
complete_time_ms	组内最后一包的接收时间（毫秒，代表 "组接收完成时间"）
size	组内所有包的总大小（字节）
last_system_time_ms	组内最后一包的系统接收时间（用于校准时钟偏移）

• 时间差计算：当新组完成接收后，计算当前组与上一组的：

  • 接收时间差：arrival_delta = current.complete_time_ms - prev.complete_time_ms
  • 发送时间差：send_delta = current.first_timestamp - prev.first_timestamp
  • 包大小差：size_delta = current.size - prev.size

这些差值将传入下一个模块，用于计算延时梯度。

下面是 WebRTC 计算延时梯度的代码：

bool InterArrival::ComputeDeltas(uint32_t timestamp,
                                 int64_t arrival_time_ms,
                                 int64_t system_time_ms,
                                 size_t packet_size,
                                 uint32_t* timestamp_delta,
                                 int64_t* arrival_time_delta_ms,
                                 int* packet_size_delta) {
  assert(timestamp_delta != NULL);
  assert(arrival_time_delta_ms != NULL);
  assert(packet_size_delta != NULL);
  bool calculated_deltas = false;
  if (current_timestamp_group_.IsFirstPacket()) {
    // We don't have enough data to update the filter, so we store it until we
    // have two frames of data to process.
    current_timestamp_group_.timestamp = timestamp;
    current_timestamp_group_.first_timestamp = timestamp;
    current_timestamp_group_.first_arrival_ms = arrival_time_ms;
  } else if (!PacketInOrder(timestamp)) {
    return false;
  } else if (NewTimestampGroup(arrival_time_ms, timestamp)) {
    // First packet of a later frame, the previous frame sample is ready.
    if (prev_timestamp_group_.complete_time_ms >= 0) {
      *timestamp_delta =
          current_timestamp_group_.timestamp - prev_timestamp_group_.timestamp;
      *arrival_time_delta_ms = current_timestamp_group_.complete_time_ms -
                               prev_timestamp_group_.complete_time_ms;
      // Check system time differences to see if we have an unproportional jump
      // in arrival time. In that case reset the inter-arrival computations.
      int64_t system_time_delta_ms =
          current_timestamp_group_.last_system_time_ms -
          prev_timestamp_group_.last_system_time_ms;
      if (*arrival_time_delta_ms - system_time_delta_ms >=
          kArrivalTimeOffsetThresholdMs) {
        RTC_LOG(LS_WARNING)
            << "The arrival time clock offset has changed (diff = "
            << *arrival_time_delta_ms - system_time_delta_ms
            << " ms), resetting.";
        Reset();
        return false;
      }
      if (*arrival_time_delta_ms < 0) {
        // The group of packets has been reordered since receiving its local
        // arrival timestamp.
        ++num_consecutive_reordered_packets_;
        if (num_consecutive_reordered_packets_ >= kReorderedResetThreshold) {
          RTC_LOG(LS_WARNING)
              << "Packets are being reordered on the path from the "
                 "socket to the bandwidth estimator. Ignoring this "
                 "packet for bandwidth estimation, resetting.";
          Reset();
        }
        return false;
      } else {
        num_consecutive_reordered_packets_ = 0;
      }
      assert(*arrival_time_delta_ms >= 0);
      *packet_size_delta = static_cast<int>(current_timestamp_group_.size) -
                           static_cast<int>(prev_timestamp_group_.size);
      calculated_deltas = true;
    }
    prev_timestamp_group_ = current_timestamp_group_;
    // The new timestamp is now the current frame.
    current_timestamp_group_.first_timestamp = timestamp;
    current_timestamp_group_.timestamp = timestamp;
    current_timestamp_group_.first_arrival_ms = arrival_time_ms;
    current_timestamp_group_.size = 0;
  } else {
    current_timestamp_group_.timestamp =
        LatestTimestamp(current_timestamp_group_.timestamp, timestamp);
  }
  // Accumulate the frame size.
  current_timestamp_group_.size += packet_size;
  current_timestamp_group_.complete_time_ms = arrival_time_ms;
  current_timestamp_group_.last_system_time_ms = system_time_ms;
 
  return calculated_deltas;
}

（2）Overuse Estimator（过载估计器）

作用 ：通过卡尔曼滤波 平滑延时梯度，减少网络噪声（如瞬时抖动）的影响。 核心公式（延时梯度定义）：
( d ( t i ) = t i − t i − 1 − T i − T i − 1 ) (d(t_i) = t_i - t_{i-1} - T_i - T_{i-1}) (d(ti)=ti−ti−1−Ti−Ti−1)

• (t_i)：第 i 组的接收完成时间；(T_i)：第 i 组的首包发送时间；
• 理想网络中 (d(t_i) = 0)；网络拥塞时，队列堆积导致 (t_i) 增大，(d(t_i) > 0)；网络空闲时 (d(t_i) < 0)。

卡尔曼滤波的作用是对连续多组的 (d(t_i)) 进行平滑处理，输出更稳定的 "拥塞趋势值"，避免单组波动导致误判。

OveruseEstimator::Update 函数用于估计延时梯度，它并不是直接使用上一次计算得到的延时梯度值，而是将延时梯度传入该函数，通过卡尔曼滤波算法后得到延时梯度值：

void OveruseEstimator::Update(int64_t t_delta,
                              double ts_delta,
                              int size_delta,
                              BandwidthUsage current_hypothesis,
                              int64_t now_ms) {
    // 代码省略，详见 src/modules/remote_bitrate_estimator/overuse_estimator.cc
}

（3）Overuse Detector（过载检测器）

作用：根据平滑后的延时梯度，判断当前网络状态（3 种状态），判断依据是 "延时梯度与动态阈值的关系"。

网络状态	判断条件	含义
Overuse（拥塞）	1. 平滑后的延时梯度 > 动态阈值； 2. 该状态持续时间 > 阈值（如 100ms）； 3. 延时梯度呈增长趋势	网络队列持续堆积，需立即降低码率
Underuse（空闲）	平滑后的延时梯度 < - 动态阈值	网络带宽未被充分利用，可维持或小幅提升码率
Normal（正常）	延时梯度在 - 动态阈值，动态阈值 之间	网络处于平衡状态，可缓慢提升码率以探测更大带宽

关键 ：阈值并非固定值，而是通过 Adaptive Threshold（自适应阈值） 动态调整。

（4）Adaptive Threshold（自适应阈值）

作用：解决 "固定阈值太敏感 / 不敏感" 的问题，根据历史延时梯度动态调整阈值。 核心更新公式：

t h r e s h o l d ( t i ) = t h r e s h o l d ( t i − 1 ) + k ⋅ Δ t ⋅ ( ∣ d ( t i ) ∣ − t h r e s h o l d ( t i − 1 ) threshold(t_i) = threshold(t_{i-1}) + k \cdot \Delta t \cdot (|d(t_i)| - threshold(t_{i-1}) threshold(ti)=threshold(ti−1)+k⋅Δt⋅(∣d(ti)∣−threshold(ti−1)

• Δ t \Delta t Δt：当前组与上一组的时间间隔（毫秒）；
• k k k：调整系数（动态变化）：
  • 若 ∣ d ( t i ) ∣ < t h r e s h o l d ( t i − 1 ) （ N o r m a l 状态）： k = 0.00018 |d(t_i)| < threshold(t_{i-1})（Normal 状态）：k=0.00018 ∣d(ti)∣<threshold(ti−1)（Normal状态）：k=0.00018（阈值缓慢减小，提高灵敏度）；
  • 若 ∣ d ( t i ) ∣ ≥ t h r e s h o l d ( t i − 1 ) （ O v e r u s e / U n d e r u s e 状态）： k = 0.01 |d(t_i)| \geq threshold(t_{i-1})（Overuse/Underuse 状态）：k=0.01 ∣d(ti)∣≥threshold(ti−1)（Overuse/Underuse状态）：k=0.01（阈值快速增大，避免频繁切换状态）。

通过该逻辑，阈值能自适应网络波动，平衡 "检测灵敏度" 和 "稳定性"。

（5）Remote Rate Controller（远端速率控制器）

作用 ：根据 Overuse Detector 输出的网络状态，计算接收端可承受的最大带宽（REMB 值），调整策略如下：

网络状态	码率调整策略
Overuse	降低码率：新码率 = 过去 500ms 内 "已确认接收带宽（acked_bitrate）" × 0.85
Normal	提升码率：新码率 = 当前码率 × 1.08（缓慢提升，避免突然拥塞）
Underuse	维持码率：不调整（避免盲目提升导致后续拥塞）

acked_bitrate：接收端通过 RTCP 反馈的 "已成功接收的数据包总大小 / 时间" 计算，反映实际可用带宽

WebRTC 对应的 Rate Controller 调整最大码率的代码如下

void AimdRateControl::ChangeBitrate(const RateControlInput& input,
                                    Timestamp at_time) {
  absl::optional<DataRate> new_bitrate;
  DataRate estimated_throughput =
      input.estimated_throughput.value_or(latest_estimated_throughput_);
  if (input.estimated_throughput)
    latest_estimated_throughput_ = *input.estimated_throughput;
 
  // An over-use should always trigger us to reduce the bitrate, even though
  // we have not yet established our first estimate. By acting on the over-use,
  // we will end up with a valid estimate.
  if (!bitrate_is_initialized_ &&
      input.bw_state != BandwidthUsage::kBwOverusing)
    return;
 
  ChangeState(input, at_time);
 
  // We limit the new bitrate based on the troughput to avoid unlimited bitrate
  // increases. We allow a bit more lag at very low rates to not too easily get
  // stuck if the encoder produces uneven outputs.
  const DataRate troughput_based_limit =
      1.5 * estimated_throughput + DataRate::KilobitsPerSec(10);
 
  switch (rate_control_state_) {
    case kRcHold:
      break;
 
    case kRcIncrease:
      if (estimated_throughput > link_capacity_.UpperBound())
        link_capacity_.Reset();
 
      // Do not increase the delay based estimate in alr since the estimator
      // will not be able to get transport feedback necessary to detect if
      // the new estimate is correct.
      // If we have previously increased above the limit (for instance due to
      // probing), we don't allow further changes.
      if (current_bitrate_ < troughput_based_limit &&
          !(send_side_ && in_alr_ && no_bitrate_increase_in_alr_)) {
        DataRate increased_bitrate = DataRate::MinusInfinity();
        if (link_capacity_.has_estimate()) {
          // The link_capacity estimate is reset if the measured throughput
          // is too far from the estimate. We can therefore assume that our
          // target rate is reasonably close to link capacity and use additive
          // increase.
          DataRate additive_increase =
              AdditiveRateIncrease(at_time, time_last_bitrate_change_);
          increased_bitrate = current_bitrate_ + additive_increase;
        } else {
          // If we don't have an estimate of the link capacity, use faster ramp
          // up to discover the capacity.
          DataRate multiplicative_increase = MultiplicativeRateIncrease(
              at_time, time_last_bitrate_change_, current_bitrate_);
          increased_bitrate = current_bitrate_ + multiplicative_increase;
        }
        new_bitrate = std::min(increased_bitrate, troughput_based_limit);
      }
 
      time_last_bitrate_change_ = at_time;
      break;
 
    case kRcDecrease: {
      DataRate decreased_bitrate = DataRate::PlusInfinity();
 
      // Set bit rate to something slightly lower than the measured throughput
      // to get rid of any self-induced delay.
      decreased_bitrate = estimated_throughput * beta_;
      if (decreased_bitrate > current_bitrate_ && !link_capacity_fix_) {
        // TODO(terelius): The link_capacity estimate may be based on old
        // throughput measurements. Relying on them may lead to unnecessary
        // BWE drops.
        if (link_capacity_.has_estimate()) {
          decreased_bitrate = beta_ * link_capacity_.estimate();
        }
      }
      if (estimate_bounded_backoff_ && network_estimate_) {
        decreased_bitrate = std::max(
            decreased_bitrate, network_estimate_->link_capacity_lower * beta_);
      }
 
      // Avoid increasing the rate when over-using.
      if (decreased_bitrate < current_bitrate_) {
        new_bitrate = decreased_bitrate;
      }
 
      if (bitrate_is_initialized_ && estimated_throughput < current_bitrate_) {
        if (!new_bitrate.has_value()) {
          last_decrease_ = DataRate::Zero();
        } else {
          last_decrease_ = current_bitrate_ - *new_bitrate;
        }
      }
      if (estimated_throughput < link_capacity_.LowerBound()) {
        // The current throughput is far from the estimated link capacity. Clear
        // the estimate to allow an immediate update in OnOveruseDetected.
        link_capacity_.Reset();
      }
 
      bitrate_is_initialized_ = true;
      link_capacity_.OnOveruseDetected(estimated_throughput);
      // Stay on hold until the pipes are cleared.
      rate_control_state_ = kRcHold;
      time_last_bitrate_change_ = at_time;
      time_last_bitrate_decrease_ = at_time;
      break;
    }
    default:
      assert(false);
  }
 
  current_bitrate_ = ClampBitrate(new_bitrate.value_or(current_bitrate_));
}

（6）Remb Processing（REMB 报文处理）

接收端计算出最大带宽后，通过 RTCP REMB 报文 反馈给发送端，核心细节：

• 报文类型：RTCP 扩展报文，PT（Payload Type）=206，FMT（Format）=15；
• 关键字段 ：
  • Unique Identifier：固定为 0x52454D42（即 "REMB" 的 ASCII 码）；
  • BR Exp + BR Mantissa：共同表示最大带宽（单位：bps），计算公式：带宽 = Mantissa × 2^Exp；
  • SSRC feedback：需要限制码率的发送端 SSRC 列表（支持多流场景）；
• 发送频率：默认每 200ms 发送一次；若检测到新带宽 < 上一次的 97%（拥塞加剧），则立即发送。

具体报文格式如下：

WebRTC 中 RTCP REMB 报文一般是每 200ms 反馈一次，但是当检测到可用带宽小于上次预估的 97% 时则会立刻反馈

2.2 发送端：基于丢包率的带宽预估

发送端除了接收 REMB 反馈的带宽，还会独立基于丢包率 预估带宽，最终取两者的最小值作为实际发送码率（双重保险）。

（1）丢包率获取

发送端通过 RTCP RR 报文 （Receiver Report）的 fraction lost 字段获取丢包率：

• fraction lost：8bit 无符号数，表示 "从上一次 RR 到本次 RR 期间，丢失的数据包占总发送包的比例"；
• 计算方式：丢包率 = fraction lost / 256 × 100%（精度约 0.39%）。

RR报文格式如下：

（2）码率调整策略

根据丢包率判断网络状态，调整发送码率：

丢包率范围	网络状态	码率调整策略
>10%	严重拥塞	大幅降码率：新码率 = 当前码率 × 0.5（快速减少发送量，缓解拥塞）
2% ~ 10%	轻度拥塞	小幅降码率：新码率 = 当前码率 × 0.85（缓慢调整，平衡带宽与稳定性）
<2%	网络空闲	提升码率：新码率 = 当前码率 × 1.1（探测更大带宽，避免浪费）
对于目标码率的调整方式，WebRTC 处理代码如下所示

（3）最终码率确定

发送端将 "接收端 REMB 带宽" 与 "本地丢包率预估带宽" 比较，取较小值作为最终发送码率，并同步给：

• Encoder（编码器）：调整视频分辨率、帧率或码率因子（如 H.264 的 CRF）；
• Pacer（发送 pacing 模块）：控制数据包的发送节奏，避免突发发送导致队列堆积；
• FEC（前向纠错）：根据码率调整 FEC 冗余度，提升抗丢包能力。

三、TCC-GCC 算法原理（主流版本）

REMB-GCC 存在明显缺陷：接收端需承担带宽预估计算，且 REMB 报文仅反馈 "最大带宽"，缺乏精细化时序信息。因此 Google 推出 TCC-GCC（Transport-wide Congestion Control），作为当前 WebRTC 的默认方案。

3.1 TCC-GCC 与 REMB-GCC 的核心差异

对比维度	REMB-GCC	TCC-GCC
带宽预估位置	接收端（延时梯度）+ 发送端（丢包率）	仅发送端（统一处理延时梯度 + 丢包率）
接收端反馈内容	仅 "最大带宽（REMB 值）"	详细收包时序（TCC 报文：包的发送 / 接收时间）
反馈报文	RTCP REMB	RTCP TCC（Transport-wide CC）
计算复杂度	接收端 / 发送端均有复杂度	接收端无复杂度，发送端集中计算
精度	较低（依赖接收端预估，信息有限）	较高（发送端掌握全量时序，可做更精细判断）

3.2 TCC-GCC 的核心流程

1. 发送端打标 ：为每个 RTP 包分配一个全局唯一的 Transport Sequence Number（TSN） ，并记录包的发送时间（send_time）；
2. 接收端反馈 ：接收端按 TSN 顺序统计收包情况，生成 RTCP TCC 报文 ，包含：
   • 每个 TSN 的接收时间（recv_time）；
   • 丢包标记（哪些 TSN 未收到）；
3. 发送端计算 ：发送端根据 TCC 报文的 send_time 和 recv_time，计算延时梯度（逻辑与 REMB-GCC 一致），同时结合丢包率，统一预估带宽；
4. 码率调整：发送端直接根据预估带宽调整 Encoder、Pacer 等模块，无需与接收端带宽取最小值。

3.3 TCC-GCC 的优势

• 减少接收端负担：尤其适合弱终端（如手机、IoT 设备），接收端仅需统计时序，无需复杂计算；
• 更高精度：发送端掌握全量包的发送 / 接收时序，可更精准判断拥塞趋势（如区分 "网络抖动" 和 "持续拥塞"）；
• 支持多流统一控制：同一 Transport 下的多 RTP 流（如视频 + 音频）可共享 TCC 反馈，实现全局拥塞控制。

四、GCC 的应用与优势

4.1 适用场景

GCC 专为实时音视频设计，核心适用场景包括：

• 视频会议（如 Zoom、Teams、WebRTC 会议系统）；
• 实时直播（如游戏直播、互动直播）；
• 低延迟互动场景（如在线教育、远程控制）。

4.2 核心优势

1. 低延迟优先：通过延时梯度提前感知拥塞，避免丢包（丢包会导致重传，增加延迟）；
2. 带宽利用率高：Normal 状态下缓慢提升码率，最大化利用空闲带宽；
3. 自适应网络：动态阈值和双指标融合，适应复杂网络（如 4G/5G、WiFi、公网）；
4. 与实时场景适配：不依赖 TCP 重传，通过 FEC/RTX（重传）配合，平衡延迟与可靠性。