查看 webrtc 耗时需结合 javascript 运行时性能分析与浏览器内置的 webrtc 统计接口。具体做法是:使用 performance.now() 或 console.time() 包裹关键 api 调用(如 createoffer、setlocaldescription、addicecandidate),同时通过 getstats() 获取实时数据,计算发送/接收字节数与时间戳差值以得出网络传输耗时。

如何测量信令交互阶段的 CPU 耗时
在信令阶段,主要关注本地生成 SDP 和 ICE 候选的处理时间。可以通过在 RTCPeerConnection 的关键方法前后记录时间戳来计算差异。例如,createOffer 是异步操作,需在其返回的 Promise 中记录结束时间;而 setLocalDescription 也是异步的,同样需要等待其完成。这些步骤通常涉及大量的 JSON 序列化和 ICE 候选收集,CPU 占用较高。

const pc = new RTCPeerConnection();
async function measureSignaling() {
const start = performance.now();
// 1. 创建 Offer
const offer = await pc.createOffer();
await pc.setLocalDescription(offer);
// 2. 等待 ICE 收集完成
await new Promise(resolve => {
pc.onicecandidate = (e) => {
if (!e.candidate) resolve();
};
});
const end = performance.now();
console.log(`信令总耗时: ${end - start}ms`);
return { duration: end - start, sdpSize: offer.sdp.length };
}
上述代码模拟了一个完整的本地信令流程。运行后,控制台会输出从创建 Offer 到 ICE 候选收集完毕的总耗时。这个数值反映了浏览器引擎处理媒体描述和候选生成的效率。如果耗时过长,可能意味着媒体约束配置复杂或网络环境导致 ICE 候选收集缓慢。
立即学习“Java免费学习笔记(深入)”;
使用 Husky 将 pre-commit、pre-push 和 commit-msg 检查集成到仓库中,以便代理和开发人员在更改离开工作站之前运行相同的本地防护措施。
如何分析媒体流传输的网络延迟与抖动
媒体流建立后,重点转向网络层面的性能分析。WebRTC 提供了 getStats() API,可以获取详细的统计信息。通过分析 outbound-rtp 和 inbound-rtp 对象中的 packetsSent、bytesSent 以及时间戳,可以计算吞吐量。同时,roundTripTime 指标直接反映了网络往返延迟。为了准确测量,需要在一定时间间隔内采样并计算差值。

async function analyzeMediaStats(pc) {
const stats = await pc.getStats();
let totalDelay = 0;
let count = 0;
stats.forEach(report => {
if (report.type === 'remote-inbound-rtp') {
// 计算往返时间 RTT
if (report.roundTripTimeMeasurements) {
report.roundTripTimeMeasurements.forEach(m => {
totalDelay += m.roundTripTime;
count++;
});
}
}
});
if (count > 0) {
console.log(`平均 RTT: ${(totalDelay / count).toFixed(3)}s`);
}
}
// 定期调用以监控性能
setInterval(() => analyzeMediaStats(pc), 1000);
这段代码展示了如何从 getStats() 的结果中提取往返时间(RTT)。它遍历统计报告,找到远程入站 RTP 流的相关测量值,并计算平均值。这种方法比简单的 performance.now() 更能反映真实的网络状况,因为它包含了数据包在网络中的实际飞行时间和处理延迟。开发者可以利用这些数据来调整拥塞控制策略或切换分辨率。
当 getStats 返回大量数据时如何处理内存压力
在高频率调用 getStats() 或连接长时间运行时,统计对象可能会积累大量数据,导致内存压力增大。每个统计报告都包含多个属性,频繁创建新对象会增加垃圾回收(GC)的压力。为了解决这个问题,应避免在全局作用域保留旧的统计对象引用,并在处理完数据后立即释放。此外,可以选择性地只请求需要的统计项,而不是获取全部数据。


















