一、同一个问题，两种站位

两套协议都在解决「怎么控制一台摄像机」，但它们假设的场景完全不同： ONVIF 假设「客户端直接连设备」，国标假设「平台连平台、设备挂在下面」。

第二行决定了整个技术栈的走向：ONVIF 用 HTTP，所以能穿绝大多数防火墙； 国标用 SIP，天生就是「会话」模型，适合电话那样的一来一回。 第三行是国标最特别的一处：它的 RTP 负载不是裸 H.264，而是 PS 封装。 原因很实在——国标要在一个流里同时带视频、音频、报警和私有数据， 而 PS 本来就是干这件事的。

二、为什么国内必须用国标

最直接的原因是「强制」： 公安、交通、教育这些行业的联网平台，招标文件里直接写「符合 GB／T 28181」。 不满足这一条，连投标资格都没有。 但抛开合规，它确实解决了一个 ONVIF 解决不了的问题：大规模级联。 一个市局要接几十个分局、几百个派出所、几万台设备， ONVIF 那种「客户端直连设备」的模型根本撑不住—— 它没有「目录」这个概念，谁也不知道下面有多少台。 国标把「目录」做成了协议的一部分：设备要注册、平台要心跳、通道要能被查询， 于是「全网有多少路视频」这个问题第一次有了标准答案。 这也是它比 ONVIF 更适合「联网」两个字的根本原因。 代价是它更重：一个能跑国标的平台，代码量是一个 ONVIF 客户端的几十倍， 因为它要维护注册状态、心跳超时、目录同步、级联关系。 所以现实中的做法是「用开源平台」——这也是第十一章要讲的那两个东西存在的理由。

三、动手 Demo：同一件「取设备信息」，两套协议各写了什么

把同一件事各写一遍，量一量字符数、元素数和命名空间占多少。

import re

onvif = ('<s:Envelope xmlns:s="http://www.w3.org/2003/05/soap-envelope" '
         'xmlns:tds="http://www.onvif.org/ver10/device/wsdl">'
         '<s:Body><tds:GetDeviceInformation/></s:Body></s:Envelope>')

gb = ("MESSAGE sip:34020000001320000001@3402000000 SIP/2.0\r\n"
      "Content-Type: Application/MANSCDP+xml\r\n\r\n"
      "<Query><CmdType>DeviceInfo</CmdType>"
      "<SN>1</SN><DeviceID>34020000001320000001</DeviceID></Query>")

for name, txt in (("ONVIF", onvif), ("国标", gb)):
    ns = sum(len(m) for m in re.findall('xmlns:[a-z]+="[^"]*"', txt))
    print(name, len(txt), len(re.findall("<[A-Za-z]", txt)), ns)

实跑输出：

--------------------------------------------------------------------
同一件「取设备信息」，两套协议各写了什么
--------------------------------------------------------------------
**ONVIF 和国标解决的是同一个问题，但站位完全不同**：**一个面向「设备」，一个面向「平台」。**
**下面把同一件事各写一遍，量一量差别。**

  写法                     字符数      元素数     命名空间字节     占比
  -------------------------------------------------------------------------
  **ONVIF（SOAP）**        **208**     **3**      **99**           **48%**
  **国标（SIP＋XML）**     **210**     **4**      **0**            **0%**

**最后两列是这件事的关键**：**ONVIF 将近一半的字节花在命名空间声明上**，
**而国标一个命名空间都没写。**
**国标那一句里，真正有用的只有 `DeviceInfo` 和那串 20 位编号**，
**剩下全是 SIP 头和 XML 壳——但它至少不重复声明。**
**两段都是纯 ASCII，所以字符数等于字节数**，**这一点让「谁更胖」可以直接按长度比。**

**两套协议的分工可以这样记**：

  维度               ONVIF                    GB／T 28181
  -------------------------------------------------------------
  **管到哪一层**     **设备到客户端**         **平台到平台**
  **信令**           **SOAP over HTTP**       **SIP**
  **媒体**           **RTSP／RTP**            **RTP，PS 封装**
  **身份**           **WS-UsernameToken**     **SIP Digest**
  **谁定的**         **ONVIF 论坛**           **国家标准**

**第三行是国标最特别的一处**：**它的媒体流走的是 RTP，但负载是 PS 封装的**，**而不是裸的 H.264。**
**原因是国标要兼容「一段录像里既有视频又有音频还有私有数据」**，
**而 PS 这种东西本来就是为了「把多种流塞进一个文件」发明的。**

**最后一行决定了它们的适用场景**：**ONVIF 是行业联盟的事实标准，国标是强制性的国家标准**，
**在国内做联网平台，两个都得会。**

最后两列是重点：ONVIF 将近一半的字节花在命名空间声明上，而国标一个都没写。 这不是谁写得好，是 XML 的两种用法—— ONVIF 要保证「同样的元素名在不同厂商那里不冲突」，所以必须声明； 国标只有一个命名空间，干脆省了。 国标那一句里，真正有用的只有 DeviceInfo 和那串 20 位编号，剩下全是 SIP 头和 XML 壳。 但它至少不重复声明，所以同样的意图，国标比 ONVIF 省下将近一半的字节。 两段都是纯 ASCII，所以字符数等于字节数——这一点让「谁更胖」可以直接按长度比， 不用去纠结中文的编码问题。

30 秒实验

1. 算一下：一次目录同步要发 500 条这样的报文，按 ONVIF 那 208 字节算，一共多少 KB？（约 104 KB）
2. 想一下：为什么国标不需要命名空间声明？
3. 想一下：ONVIF 的「客户端直连设备」在几百台设备时会卡在哪？

常见误区

1. 以为「国标就是 ONVIF 的中文版」。 两者站位不同，一个面向设备，一个面向平台。
2. 以为「有了 ONVIF 就不用国标」。 招标文件里写的是国标，不合规就没有投标资格。
3. 以为「国标更先进所以更快」。 它更重，要维护注册、心跳、目录， 代码量是 ONVIF 客户端的几十倍。

下一节从术语开始：国标文档里那几个词，混一个就会读错整段。

• ☐ （本节完，下一节 10.02.01 术语和定义）

相关笔记

• SIP的功能
• 获取设备基本信息
• 术语和定义
• 📹 视频监控与国标 · 索引