RTSP¶
使用rtsp拉流时，需要进行协议交互，流程如下(以tcp为例)
- 客户端向服务端发送OPTIONS报文，带上rtsp的地址和版本信息，以及user-agent信息
- 服务端回复 200 OK，以及公开的方法
- 客户端发送DESCRIBE报文，请求接收sdp报文（Accept: application/sdp）
- 服务端回复 200 OK，以及Session Description Protocol信息（h264的话里面payload type一般为96，且含有被base64编码过的sps和pps信息）
- 客户端发送SETUP请求建立连接，附带上提供的客户端的rtp/rtcp的端口，并在rtsp地址上写明是那个track。（音视频的话是音频和视频两个track，一般视频是track1， 音频是track2，要发送两次SETUP请求
- 服务端回复 200 OK，返回session id信息，超时时间，服务端对应的端口信息以及ssrc
- 客户端发送PLAY请求，带上上一步返回的session信息，请求开始播放
- 服务端回复 200 OK，播放成功
H264¶
其中h264的sdp中含有的sps、pps信息是经过base64编码的
即sprop-parameter-sets=后面的可打印字符串，通过将nal unit 1 string经过base64解码后，再以16进制显示(hexdump -C)就可以得到67开头的数据了
AAC¶
其中aac也有信息会在sdp中发送过去里面含有一个config字段
图中在a=rtpmap中显示音频的格式为MPEG4-GENERIC，采样率为48khz，通道数为2
在a=fmtp中显示了一堆详细信息，其中比较重要的是config=1190这个字段，这是两个16进制的字节
| audioObjectType | samplingFrequencyIndex | channelConfiguration | unused |
|---|---|---|---|
| 5 | 4 | 4 | 3 |
仅前13个bit有效，且audioObjectType通常是1或者2。
比如这0x1190=0001 0001 1001 0000，中的samplingFrequencyIndex为0011即对应的采样率是48khz，channelConfiguration为0010即2。
这两个字段是构成AAC的ADTS重要的信息，还有一个重要信息是length（表示adts+aac数据的长度），大部分的adts长度为7个字节（所以有些地方的时间直接就把这个length = 7 + aacData.size）