تماس P2P یا از طریق سرور؟ تفاوت، مزیت‌ها و جاهایی که هرکدام لازم می‌شود

تماس P2P یا از طریق سرور؟ در روش همتا‌به‌همتا (P2P) صدا و تصویر مستقیم از یک دستگاه به دستگاه دیگر می‌رود؛ در روش سروری هر بسته اول به یک سرور می‌رسد و بعد به مقصد می‌رود. اولی معمولاً سریع‌تر و ارزان‌تر است و دومی وقتی لازم می‌شود که شبکه مسیر مستقیم را ببندد یا چند نفر در یک جلسه باشند. در این صفحه می‌گوییم هر روش دقیقاً چه فرقی دارد، سه معماری رایج (مستقیم، رله و سرور میانی) چطور کار می‌کنند، سرنوشت حریم خصوصی و هزینه در هرکدام چیست و فینگت کدام را به کار می‌برد.

بروزرسانی: زمان مطالعه حدود ۱۳ دقیقه نوشته‌ی تیم فنی فینگت

تماس P2P یا از طریق سرور: فرق اصلی در یک پاراگراف

فرق اصلی این است که بسته‌های صدا و تصویر در طول تماس از کجا می‌گذرند. در تماس P2P، که بعضی‌ها آن را تماس peer to peer یا تماس همتا‌به‌همتا می‌نویسند، دو گوشی بعد از آشنا شدن مستقیم با هم حرف می‌زنند. در تماس از طریق سرور، حتی وقتی دو نفر کنار هم باشند، هر بسته اول به یک سرور وسط می‌رسد و از آنجا به طرف مقابل می‌رود.

تفاوت در عمل چهار چیز را عوض می‌کند: تأخیر، هزینه‌ی سرویس‌دهنده، چیزی که هر طرف از شبکه‌ی دیگری می‌بیند و حداکثر تعداد نفراتی که یک جلسه تحمل می‌کند. هیچ‌کدام کلاً بهتر نیست؛ هرکدام برای شرایطی ساخته شده و بیشتر برنامه‌ها ترکیبی از هر دو را به کار می‌برند.

P2P چیست و چرا بعضی تماس‌ها «بی‌سرور» حس می‌شوند؟

P2P یعنی دو سر تماس مستقیم گفت‌وگو کنند، نه اینکه هیچ سروری در کار نباشد. برای اینکه دو گوشی بفهمند چطور به هم وصل شوند، یک سرور سیگنالینگ باید پیام‌های اولیه را برساند؛ این بخش را در WebRTC چیست مرحله‌به‌مرحله دیده‌اید. بعد از وصل شدن، سرور از مسیر رسانه کنار می‌رود. پس «بی‌سرور بودن» فقط درباره‌ی مسیر صدا و تصویر درست است، نه درباره‌ی کل تماس.

خلاصه: سؤال درست این نیست که سرور هست یا نه؛ این است که صدا و تصویر از سرور عبور می‌کنند یا فقط پیام‌های شروع تماس.

سه معماری رایج: مستقیم، رله و سرور میانی

وقتی می‌گویند «از طریق سرور»، سه چیز متفاوت ممکن است منظور باشد. جداکردن‌شان جلوی بیشتر سوءتفاهم‌ها را می‌گیرد.

مستقیم (P2P)

دو دستگاه بسته‌ها را مستقیم رد و بدل می‌کنند. کوتاه‌ترین مسیر، کمترین بار روی سرور سرویس‌دهنده و مناسب تماس دونفره در شبکه‌ای که اجازه‌ی اتصال مستقیم می‌دهد.

رله (TURN)

هنوز تماس دونفره است، اما بسته‌ها از یک سرور واسطه می‌گذرند که فقط آن‌ها را جابه‌جا می‌کند. وقتی مودم یا فایروال مسیر مستقیم را ببندد همین راه می‌ماند. جزئیات سرور در STUN و TURN چیست آمده است.

سرور توزیع (SFU)

هر شرکت‌کننده یک جریان به سرور می‌فرستد و سرور آن را برای بقیه پخش می‌کند، بدون اینکه تصویرها را ترکیب کند. این الگو برای جلسه‌ی چندنفره رایج است، چون هر نفر باید فقط یک بار ارسال کند.

سرور ترکیب‌کننده (MCU)

سرور همه‌ی تصویرها را به یک تصویر واحد ترکیب می‌کند و برای هر نفر یک جریان می‌فرستد. بار دستگاه کاربر کم می‌شود، اما سرور پردازش سنگینی می‌کشد و هزینه بالاست؛ امروز کمتر از SFU دیده می‌شود.

مقایسه‌ی تأخیر، هزینه و حریم خصوصی در یک جدول

جدول زیر مقایسه‌ی کلی است. عددها به شبکه، فاصله‌ی سرور و کیفیت دستگاه بستگی دارند و در همه‌ی شرایط یکسان نیستند.

معیارP2P مستقیمرله‌ی TURNسرور توزیع (SFU)
مسیر رسانهدستگاه به دستگاهدستگاه به سرور به دستگاههر نفر به سرور و سرور به بقیه
تأخیرمعمولاً کمترینیک پرش بیشتر؛ بسته به فاصله‌ی سرورمشابه رله؛ با تعداد نفرات تغییر می‌کند
بار روی سرویس‌دهندهتقریباً فقط سیگنالینگترافیک کامل هر تماسترافیک و پردازش هر جلسه
هزینه‌ی سرویس‌دهندهپایینمتوسط، متناسب با پهنای باندبالاتر، با رشد تعداد جلسه و نفرات
چه کسی آدرس شبکه‌ی دیگری را می‌بیندهر دو طرف آدرس هم را می‌بینندهر طرف آدرس سرور را می‌بیندهر طرف آدرس سرور را می‌بیند
حد تعداد نفراتعملی برای دو نفرعملی برای دو نفرده‌ها نفر، بسته به طراحی
قابلیت ضبط روی سرورندارد، مگر یکی از طرف‌ها ضبط کنداز نظر فنی ممکن است، اگر سرویس‌دهنده بخواهدروش رایج ضبط جلسه
وقتی انتخاب می‌شودشبکه‌ی باز و دو نفرشبکه‌ی بسته و دو نفرجلسه‌ی چندنفره

ردیف آخر مهم است: انتخاب بین این سه معمولاً را کاربر نمی‌کند. برنامه با توجه به تعداد نفرات و آزمون شبکه، خودش انتخاب می‌کند.

چرا P2P معمولاً سریع‌تر و ارزان‌تر است؟

هر توقف در مسیر چند میلی‌ثانیه به تأخیر اضافه می‌کند. وقتی بسته از گوشی شما مستقیم به گوشی مقابل می‌رود، فقط مسیر شبکه‌ی خودش را طی می‌کند. وقتی از یک سرور دور عبور کند، باید تا آنجا برود و برگردد. اگر هر دو نفر در یک شهر باشند و سرور در کشور دیگر باشد، این پرش اضافه به‌راحتی حس می‌شود: مکالمه کمی «تأخیردار» به نظر می‌رسد و نوبت‌گرفتن در حرف زدن سخت‌تر می‌شود.

از دید هزینه هم تفاوت بزرگ است. در P2P پهنای باند تماس را خود کاربران می‌پردازند و سرویس‌دهنده فقط پیام‌های کوچک سیگنالینگ را حمل می‌کند. در تماس از طریق سرور، همه‌ی ترافیک رسانه روی زیرساخت سرویس‌دهنده می‌افتد و پهنای باند هر ساعت تماس خرج دارد. به همین دلیل معماری مناسب برای تماس رایگان دونفره، مستقیم است و رله فقط وقتی استفاده می‌شود که چاره‌ای نباشد.

آیا P2P همیشه کیفیت بهتری می‌دهد؟

نه. تأخیر کمتر یعنی کوتاه‌تر بودن مسیر، نه خوب بودن اینترنت. اگر وای‌فای شما ناپایدار یا مسیر مستقیم بین دو اپراتور مسیریابی بدی داشته باشد، یک سرور خوب در میانه حتی می‌تواند کیفیت بهتری بدهد. اگر تماس تان لرزان است، پیش از اینکه سراغ معماری بروید تماس تصویری با اینترنت ضعیف را مرور کنید.

پس چرا همه‌ی تماس‌ها P2P نیستند؟ سه دلیل واقعی

اگر مستقیم بودن این‌قدر مزیت دارد، چرا بیشتر ابزارهای جلسه از سرور استفاده می‌کنند؟ سه محدودیت مشخص دلیل آن است.

  1. شبکه همیشه اجازه نمی‌دهد

    مودم‌ها و اپراتورها با NAT آدرس داخلی را پنهان می‌کنند و بسته‌ی ناخوانده را دور می‌ریزند. در بعضی شبکه‌ها، مثل فایروال‌های اداری یا دانشگاهی، مسیر مستقیم عملاً بسته است. چون سرویس‌دهنده نمی‌داند کاربرش در چه شبکه‌ای است، رله را کنار دست نگه می‌دارد.

  2. مقیاس جلسه‌ی گروهی

    در یک جلسه‌ی ده‌نفره با اتصال مستقیم، هر نفر باید جریان خودش را برای نه نفر دیگر جداگانه بفرستد؛ این روش «مش» نام دارد. پهنای ارسال گوشی و پردازش آن به سرعت تمام می‌شود. با سرور توزیع، هر نفر یک جریان می‌فرستد و بقیه کار به سرور می‌رسد.

  3. قابلیت‌هایی که به سرور نیاز دارند

    ضبط جلسه، پخش زنده برای تعداد زیاد بیننده، ترجمه‌ی همزمان یا تبدیل کیفیت برای دستگاه‌های ضعیف همه به سروری نیاز دارند که رسانه را ببیند و پردازش کند. در P2P چنین نقطه‌ای وجود ندارد.

نتیجه‌ی بحث تماس P2P یا از طریق سرور این است که P2P برای تماس ساده‌ی دونفره بهینه است و سرور برای هر چیزی که از آن فراتر برود. اگر درباره‌ی جلسه‌ی چندنفره کنجکاو هستید، تماس تصویری گروهی جزئیات بیشتری دارد.

حریم خصوصی: چه کسی چه چیزی می‌بیند؟

در بحث حریم خصوصی تماس P2P یا از طریق سرور فرق ساده‌ای ندارند: در هر دو روش رسانه‌ی WebRTC با DTLS-SRTP رمز می‌شود، پس صرف مستقیم یا سروری بودن به معنای خوانا بودن محتوا نیست. تفاوت در بخش‌های دیگری است. این بخش‌ها را باید جداگانه بررسی کرد، چون هرکدام جواب متفاوتی دارند.

اول، آدرس شبکه. در تماس مستقیم، دو دستگاه برای وصل شدن باید آدرس‌های ممکن یکدیگر را داشته باشند، پس طرف مقابل از نظر فنی آدرس IP شما را می‌تواند ببیند. در تماس رله‌ای، طرف مقابل آدرس سرور را می‌بیند و آدرس خودتان از دیدش پنهان می‌ماند. این یکی از دلایلی است که بعضی سرویس‌ها عمداً همه‌ی تماس‌ها را از سرور می‌گذرانند.

دوم، توان دسترسی سرور. در رله‌ی TURN سرور بسته‌های رمزشده را فقط جابه‌جا می‌کند. در سرور توزیع، چون جلسه گروهی و پیچیده است، سرور معمولاً بیشتر درباره‌ی جریان‌ها می‌داند و ضبط جلسه هم معمولاً در همین لایه انجام می‌شود. پس اینکه رسانه «از سرور رد شود» به‌تنهایی نشانه‌ی شنود نیست، ولی محدوده‌ی اختیار سرویس‌دهنده را بزرگ‌تر می‌کند و سیاست ثبت اطلاعات اهمیت بیشتری پیدا می‌کند.

سوم، ثبت اطلاعات فنی. چه مسیر مستقیم باشد چه رله، سرور سیگنالینگ می‌داند چه کسی چه موقع با چه کسی تماس گرفت. هیچ معماری این را حذف نمی‌کند. برای دید کلی‌تر به امنیت جلسه‌ی آنلاین مراجعه کنید.

آیا باید از افشای آدرس در تماس مستقیم نگران بود؟

اگر با آشنایان تماس می‌گیرید معمولاً نه. اگر با غریبه‌ها حرف می‌زنید، یا در شرایطی هستید که نمی‌خواهید طرف مقابل حتی نشانی تقریبی شبکه‌تان را داشته باشد، بهتر است از سرویسی استفاده کنید که رله را اجباری می‌کند یا VPN مطمئنی داشته باشید. توجه کنید که VPN هم مسیر را عوض می‌کند و ممکن است کیفیت تماس را تغییر دهد؛ تماس تصویری بدون VPN این موضوع را باز کرده است.

فینگت کدام را به کار می‌برد؟

فینگت تماس صوتی و تصویر را فقط یک‌به‌یک ارائه می‌دهد و روی WebRTC ساخته شده است. مسیر ترجیحی تماس مستقیم بین دو دستگاه است. اگر شبکه‌ی یکی از طرفین اجازه ندهد، تماس از سرور رله‌ی TURN خود فینگت عبور می‌کند. در هر دو حالت یک سرور سیگنالینگ برای برقرار کردن تماس لازم است.

محتوای صدا و تصویر روی سرورهای فینگت ضبط یا ذخیره نمی‌شود و رسانه با DTLS-SRTP استاندارد رمز می‌شود. اما فینگت اطلاعات فنی تماس را ثبت می‌کند، مثل زمان، مدت، وضعیت و آمار کیفیت از جمله تأخیر و افت بسته، تا بتواند مشکل‌ها را بررسی کند. این اطلاعات درباره‌ی محتوای مکالمه نیست.

چون فینگت اتاق چندنفره ندارد، سرور توزیع (SFU) یا MCU هم در آن نیست. این انتخاب عمدی است: برای تماس دونفره بهترین هزینه و تأخیر را مسیر مستقیم می‌دهد. اگر در جلسه‌ای باید چند نفر هم‌زمان حرف بزنند، ابزار دیگری لازم دارید.

کاربر هیچ تنظیمی برای انتخاب مسیر ندارد و لازم هم نیست. اگر تماس کند شد یا قطع شد، اپ هشدار «اینترنت شما یا مخاطب ضعیف است» نشان می‌دهد و در اینترنت خیلی ضعیف تصویر را موقتاً می‌ایستاند تا صدا بماند. اپ اندروید از صفحه‌ی دانلود فینگت نصب می‌شود و برای آیفون و کامپیوتر نسخه‌ی وب هست.

نمونه: یک شب، سه تماس، سه مسیر

سناریوی نمونه

مسیرهای متفاوت برای یک نفر

نمونه‌ای فرضی: نرگس شب با وای‌فای خانه به برادرش تماس تصویری می‌گیرد. هر دو شبکه‌ی خانگی عادی دارند، پس تماس مستقیم برقرار می‌شود و تأخیرش کم است. بعد از آن از اینترنت همراه یک مهمانی به دوستش زنگ می‌زند؛ NAT اپراتور سخت‌گیر است و تماس از رله می‌گذرد. صدا کمی دیرتر می‌رسد ولی تماس وصل می‌شود. آخر شب برای یک جلسه‌ی خانوادگی چهارنفره دنبال یک ابزار گروهی می‌گردد، چون تماس دونفره‌ی مستقیم یا رله‌ای برای چهار نفر کافی نیست.

سناریوی نمونه

درس نمونه

نرگس هیچ‌جا تنظیمی عوض نکرد؛ فقط شبکه و تعداد نفرات فرق داشت. اگر تماس همیشه روی یک شبکه کند است و روی شبکه‌ی دیگر خوب، علت معمولاً مسیر است نه برنامه. در وای‌فای یا اینترنت همراه برای تماس می‌توانید این مقایسه را عملی ببینید.

چه زمانی کدام روش مناسب‌تر است؟

برای انتخاب بین تماس P2P یا از طریق سرور، اگر تصمیم با شماست، چه سرویس‌دهنده باشید و چه کاربری که ابزار انتخاب می‌کند، این معیارها کمک می‌کنند.

P2P و رله‌ی ساده مناسب است وقتی

  • تماس دونفره است و شنونده یا بیننده‌ی سوم ندارید.
  • تأخیر کم برای گفت‌وگوی طبیعی مهم است.
  • نمی‌خواهید سرویس‌دهنده ترافیک رسانه‌ی سنگین را حمل کند و هزینه‌اش را بپردازد.
  • نیازی به ضبط روی سرور ندارید.

سرور توزیع مناسب است وقتی

  • بیش از سه یا چهار نفر باید در یک جلسه باشند.
  • ضبط جلسه، پخش یا تبدیل کیفیت لازم است.
  • شرکت‌کنندگان دستگاه ضعیف یا اینترنت متفاوت دارند.
  • ثبات و گزارش‌گیری مرکزی از جلسه برای سازمان اهمیت دارد.

اشتباه‌های رایج درباره‌ی تماس مستقیم و سروری

P2P یعنی هیچ سروری در کار نیست

سرور سیگنالینگ همیشه هست. فقط مسیر رسانه می‌تواند از سرور رد نشود. همین سرور از اصل تماس، یعنی زمان و طرفین، خبر دارد.

تماس از طریق سرور یعنی شنود

رسانه رمز می‌شود و رله فقط بسته‌ها را جابه‌جا می‌کند. ولی سرور توزیع یا ضبط‌کننده نقش بزرگ‌تری دارد، پس باید سیاست حریم خصوصی هر سرویس را جدا خواند.

مستقیم همیشه خوب‌تر است

مستقیم بودن مسیر را کوتاه می‌کند، نه شبکه را بهتر. در شبکه‌ی ناپایدار ممکن است سرور میانی بهتر عمل کند.

می‌شود جلسه‌ی چندنفره را با P2P ساخت

از نظر فنی با روش مش ممکن است، اما برای بیش از چند نفر گوشی‌ها به‌سرعت تحت فشار می‌افتند و کیفیت می‌افتد.

اگر تماس مستقیم نبود، سرویس خراب است

رله بخشی از طراحی است. تماسی که از رله بگذرد کاملاً عادی است و فقط ممکن است کمی تأخیر بیشتر داشته باشد.

چطور بفهمم تماسم مستقیم بوده یا رله‌ای؟

اغلب برنامه‌ها این را نشان نمی‌دهند، اما چند نشانه‌ی غیرمستقیم هست که حدس را آسان می‌کند.

  • اگر روی وای‌فای خانه تماس سریع است و روی یک شبکه‌ی اداری یا اینترنت همراه چند ثانیه دیرتر وصل می‌شود، احتمال رله بیشتر است.
  • اگر با جابه‌جا شدن بین وای‌فای و اینترنت همراه فرق محسوس در تأخیر دیدید، مسیر عوض شده است.
  • در مرورگر و ابزارهای فنی، صفحه‌ی آمار WebRTC نوع کاندید انتخاب‌شده (host، srflx یا relay) را نشان می‌دهد؛ relay یعنی رله.
  • اگر VPN روشن است، پیش از قضاوت آن را خاموش کنید؛ VPN خودش مسیر را تغییر می‌دهد.
  • برای عیب‌یابی عملی، قطع‌شدن تماس و وضعیت شبکه را هم بررسی کنید.

واژه‌نامه‌ی کوتاه

این اصطلاح‌ها در بحث معماری تماس زیاد می‌آیند.

P2P
همتا‌به‌همتا؛ دو دستگاه مستقیم با هم رسانه رد و بدل می‌کنند.
رله
سرور واسطه‌ای که بسته‌های رسانه را بین دو دستگاه جابه‌جا می‌کند، بدون اینکه محتوا را ترکیب یا ضبط کند.
SFU
سروری که جریان هر شرکت‌کننده را دریافت می‌کند و بدون ترکیب آن برای بقیه می‌فرستد.
MCU
سروری که جریان‌ها را به یک تصویر ترکیب می‌کند و برای هر نفر یک جریان می‌فرستد.
مش
ساختاری که در آن هر نفر به هر نفر دیگر جریان جداگانه می‌فرستد.
سیگنالینگ
پیام‌های هماهنگی شروع تماس؛ جدا از صدا و تصویر.
کاندید
یک مسیر ممکن برای اتصال دو دستگاه؛ مستقیم یا رله.

پرسش‌های متداول درباره تماس P2P یا از طریق سرور

تماس P2P چیست؟

تماسی است که صدا و تصویر آن مستقیم بین دو دستگاه رد و بدل می‌شود، بدون اینکه از سرور سرویس‌دهنده بگذرد. برای شروع تماس هنوز یک سرور سیگنالینگ لازم است، اما بعد از وصل شدن، رسانه مستقیم می‌رود.

تماس P2P یا از طریق سرور: کدام بهتر است؟

برای تماس دونفره، مستقیم معمولاً سریع‌تر و کم‌هزینه‌تر است. اما اگر شبکه اجازه ندهد یا چند نفر در جلسه باشند، سرور لازم می‌شود. پس «بهتر» به شرایط بستگی دارد و بیشتر سرویس‌ها هر دو را کنار هم نگه می‌دارند.

فرق رله‌ی TURN با سرور SFU چیست؟

رله برای تماس دونفره است و فقط بسته‌ها را از یک طرف به طرف دیگر می‌رساند. SFU برای جلسه‌ی چندنفره است و جریان هر شرکت‌کننده را به بقیه می‌فرستد. هر دو رسانه را از سرور رد می‌کنند، اما نقش و هزینه‌شان فرق دارد.

آیا در تماس P2P آدرس IP من دیده می‌شود؟

از نظر فنی بله، چون دو دستگاه برای اتصال مستقیم باید آدرس شبکه‌ی هم را بدانند. در تماس رله‌ای طرف مقابل آدرس سرور را می‌بیند. اگر این برایتان مهم است، از سرویسی استفاده کنید که سیاستش را صریح گفته باشد.

آیا تماس از طریق سرور امن‌تر است؟

الزاماً نه. رسانه‌ی WebRTC در هر دو روش رمز می‌شود. سرور آدرس شما را از طرف مقابل پنهان می‌کند، ولی در عوض یک واسطه‌ی بیشتر در مسیر است و باید به سیاست ثبت اطلاعات آن اعتماد کنید.

فینگت تماس مستقیم دارد یا از سرور می‌گذرد؟

فینگت اول مسیر مستقیم را امتحان می‌کند و اگر شبکه اجازه ندهد، از سرور رله‌ی TURN خودش عبور می‌کند. محتوای صدا و تصویر ضبط یا ذخیره نمی‌شود، اما اطلاعات فنی تماس مثل زمان، مدت و آمار کیفیت برای عیب‌یابی ثبت می‌شود.

چرا بعضی تماس‌ها روی یک شبکه کندتر از شبکه‌ی دیگرند؟

چون مسیر عوض می‌شود. روی یک شبکه ممکن است اتصال مستقیم برقرار شود و روی دیگری فقط رله بماند. رله یک پرش اضافه دارد و گاهی تأخیر را کمی بالا می‌برد.

فینگت جلسه‌ی چندنفره دارد؟

خیر. فینگت فقط تماس صوتی و تصویری یک‌به‌یک را ارائه می‌دهد و هر دو طرف باید فینگت داشته باشند. برای جلسه‌ی چندنفره باید از ابزار دیگری استفاده کنید.