Serwery STUN i TURN: czego potrzebuje rozmowa wideo, żeby się połączyć

Rozmowa wideo w przeglądarce wygląda na coś, co powinno być proste. WebRTC wysyła dźwięk i obraz bezpośrednio z jednego urządzenia na drugie, bez serwera pośrodku. Potem testujesz ją poza własną siecią i niektóre rozmowy dzwonią, zostają odebrane, po czym trwają w ciszy, z czarnym ekranem. Zwykle z kodem wszystko jest w porządku. Brakuje serwera STUN, serwera TURN albo obu.
Ten wpis wyjaśnia, co robi każdy z nich, dlaczego rozmowa ich potrzebuje, czego wymaga uruchomienie własnego serwera TURN i co zrobić z rozmowami, których nie połączy nawet przekaźnik.
Dlaczego dwa urządzenia nie mogą po prostu się połączyć
Prawie żadne urządzenie w internecie nie ma własnego adresu publicznego. Laptop w domu stoi za routerem, telefon za siecią swojego operatora, a komputer w biurze za zaporą. Każde z nich zna tylko swój adres prywatny, na przykład 192.168.1.23, który dla drugiej strony rozmowy nic nie znaczy.
Zanim rozmowa się zacznie, każde urządzenie musi się dowiedzieć, jak można dotrzeć do drugiego, a oba muszą próbować tych dróg, aż któraś zadziała. WebRTC robi to przez ICE, który zbiera adresy kandydujące każdego urządzenia i sprawdza je parami. Część tych kandydatów dostarczają właśnie STUN i TURN.
Co robi serwer STUN
Serwer STUN odpowiada na jedno pytanie: „jaki jest mój adres, tak jak go widzisz?”. Urządzenie wysyła mu małe żądanie, a serwer odpowiada publicznym adresem i portem, z których to żądanie przyszło. Urządzenie dodaje ten adres do swoich kandydatów, druga strona próbuje się z nim połączyć i w większości sieci domowych rozmowa łączy się bezpośrednio.
STUN jest tani. Widzi kilka małych pakietów na początku rozmowy, a potem już nic, więc jeden serwer STUN może obsłużyć bardzo wiele rozmów, a są też publiczne, z których może korzystać każdy. Gdy istnieje droga bezpośrednia, STUN to wszystko, czego rozmowa potrzebuje.
Co robi serwer TURN
Czasem drogi bezpośredniej nie ma. Restrykcyjna zapora nie wpuszcza niczego, operator komórkowy daje telefonowi inny port publiczny dla każdego nowego celu albo sieć firmowa przepuszcza tylko ruch WWW. Adres podany przez STUN nie działa dla drugiej strony i rozmowa się nie łączy. Jeśli któraś z Twoich rozmów nie łączy się w ten sposób, nasz poradnik o nieudanym połączeniu WebRTC pokazuje, jak znaleźć przyczynę, od sieci po każdej stronie po kandydatów, których próbowała każda przeglądarka.
Serwer TURN to przekaźnik dla takich rozmów. Oba urządzenia same łączą się z nim, a on przekazuje między nimi dźwięk i obraz. Ponieważ urządzenia nawiązują wyłącznie połączenia wychodzące, na które pozwala prawie każda sieć, rozmowa przechodzi tam, gdzie bezpośrednia nie przejdzie.
Przekazywanie ma koszt, którego STUN nie ma: każda sekunda dźwięku i obrazu przechodzi przez przekaźnik, w obie strony, przez cały czas trwania rozmowy. Rozmowa wideo jeden na jeden może przesyłać przez niego kilka megabitów na sekundę. Dlatego istnieją publiczne serwery STUN, ale nie ma niezawodnych darmowych serwerów TURN: przekaźnik otwarty dla każdego szybko zaczyna przenosić ruch, którego jego właściciel nigdy nie zamierzał przenosić, i zostaje wyłączony albo schowany za danymi uwierzytelniającymi.
Uruchamianie własnego serwera TURN
Istnieją serwery TURN open source, które działają dobrze, i wiele zespołów od nich zaczyna. Czego to wymaga:
- Serwera z publicznym adresem i dużą przepustowością, blisko Twoich użytkowników. Przekaźnik na innym kontynencie dodaje opóźnienie, które ludzie słyszą.
- Właściwych portów. Zwykle jest to port 3478 przez UDP i TCP. Dla sieci, które przepuszczają tylko ruch WWW, przekaźnik musi też odpowiadać na porcie 443 z TLS, a to oznacza certyfikat dla jego nazwy, odnawiany na czas. Nasz wpis o portach, których potrzebuje rozmowa wideo, wymienia, co przepuszcza każdy rodzaj sieci i co trzeba otworzyć dla własnego serwera TURN.
- Danych uwierzytelniających, które wygasają. Serwer TURN nigdy nie powinien przyjmować stałej nazwy użytkownika i hasła, które leżą na Twojej stronie i każdy może je skopiować. Zwykle robi się to przez sekret wspólny dla Twojej aplikacji i przekaźnika: Twój serwer tworzy dla każdej rozmowy nazwę użytkownika i hasło, które po pewnym czasie przestają działać.
- Więcej niż jednego, w miarę wzrostu. Jeden przekaźnik to jedno miejsce, w którym może zawieść każda rozmowa. Użytkownicy w innych regionach chcą mieć przekaźnik blisko siebie, a każdy z nich wymaga monitorowania, aktualizacji i zapasu na wzrost.
- Testów z prawdziwych sieci. Przekaźnik, który działa z Twojego biura, może zawieść na telefonie w sieci operatora albo na laptopie w hotelowym Wi-Fi. Testuj z sieci, w których są Twoi użytkownicy. Nasz Test serwera TURN sprawdza serwer z dowolnej przeglądarki, a Test WebRTC pokazuje, na co pozwala dana sieć. Jak przetestować serwer TURN omawia każdą próbę i wyjaśnia, co znaczą błędy.
Nic z tego nie jest trudne, ale to usługa, którą trzeba utrzymywać tak długo, jak Twoja aplikacja ma rozmowy.
Gdy nawet TURN nie może połączyć rozmowy
Przekaźnik rozwiązuje większość nieudanych rozmów, ale nie każdą. Niektóre sieci blokują UDP, który przekaźnik preferuje, a niektóre zakłócają długie połączenia nawet na porcie 443. W takich sieciach rozmowa może pójść o krok dalej, do pokoju na serwerze mediów, takim, na jakich działają rozmowy grupowe. Obie osoby wysyłają wtedy swoje media do serwera mediów i z niego odbierają media drugiej osoby, a ta droga wytrzymuje w sieciach, w których media peer-to-peer w każdej postaci mają trudności.
Rozmowa, która może się tam przenieść dopiero po awarii, najpierw by się rozłączyła. Lepiej utrzymać rozmowę w trakcie zmiany drogi, tak aby jej uczestnicy zauważyli chwilę zawieszenia, a nie przerwaną rozmowę.
Jak WordPlus Cloud łączy rozmowy
WordPlus Cloud obsługuje wszystkie trzy drogi, więc rozmowa między dwiema osobami zawsze się łączy, w każdej sieci:
- Bezpośrednio, między dwoma urządzeniami, w większości sieci. Najszybsza droga.
- Przez nasze przekaźniki, gdy zapora blokuje drogę bezpośrednią. Każde urządzenie łączy się z najbliższym przekaźnikiem, w jednym z naszych regionów na całym świecie. Nasz wpis o łączeniu użytkowników z różnych regionów pokazuje, co to daje rozmowie między osobami, które dzieli duża odległość. Przekaźniki odpowiadają na portach sieci WWW, 443 i 80, a także na 3478, więc rozmowa przechodzi wszędzie tam, gdzie przechodzą strony internetowe. Każda osoba w każdej rozmowie dostaje własne dane uwierzytelniające do przekaźników, które wygasają po kilku godzinach, więc nikt nie może korzystać z przekaźników poza Twoimi rozmowami.
- Przez nasze serwery mediów, gdy nawet przekaźniki nie mogą przenieść rozmowy. Rozmowa przenosi się tam i trwa dalej, bez rozłączania.
Rozmowy są szyfrowane end-to-end na każdej drodze, kluczem, który wydaje tylko Twój serwer, więc przekaźniki i serwery mediów przenoszą coś, czego nie mogą odczytać. Rozmowy między dwiema osobami są wliczone w każdy plan, czy idą przez przekaźnik, czy nie. Twój serwer nadal decyduje, kto może dzwonić do kogo, a chmura to egzekwuje.
Działa to tak samo w Better Messages na WordPress i w Twoich własnych aplikacjach, w Next.js, Laravel, Django i innych stackach, z naszymi SDK. Strona Rozmowy wideo i rozmowy grupowe dla Twojej aplikacji pokazuje, co dają SDK, a jak działają rozmowy w naszej dokumentacji pokazuje kod.