为何WebRTC中P帧的num_references参数值为1？

对应实现代码：

frame->num_references = frame->frame_type() == kVideoFrameKey ? 0 : 1;

这个设计完全是围绕WebRTC的核心定位——实时双向音视频通话做的取舍，和H.264用在点播、单向直播等非实时场景的设计思路完全不同，具体原因如下：

• 缩小丢包影响范围：WebRTC绝大多数场景运行在不稳定的公网环境，丢包是常态。如果参考帧数量大于1，任意一个参考帧丢失，后续所有依赖该帧的非关键帧都会解码失败，出现花屏、卡顿，只能等下一个关键帧到来才能恢复。参考帧设为1时，单帧丢包的影响最多只到下一帧，只要重传丢失的1个帧就能快速恢复，大幅降低丢包带来的故障时长。
• 降低编解码资源开销：参考帧数量越多，编码时需要缓存的历史参考帧越多，解码时也需要在内存中保存对应数量的历史帧，运算复杂度也会同步提升。WebRTC需要兼容手机、嵌入式设备、低性能PC等各类终端，单参考帧设计可以大幅降低弱性能设备的编解码压力，减少内存占用，避免因设备性能不足导致的通话卡顿。
• 适配低延迟要求：实时通话要求端到端延迟控制在几百毫秒以内，多参考帧编码会引入额外的帧缓存延迟，解码端也需要等待更多参考帧就绪才能开始解码。单参考帧设计可以把编解码两端的帧缓存开销降到最低，进一步压缩端到端延迟，符合实时通话的核心需求。
• 配合WebRTC自带的错误恢复机制：WebRTC内置了NACK、PLI、FIR等丢包修复和关键帧请求机制，单参考帧结构下这些机制的触发逻辑更简单，修复效率更高。如果是多参考帧结构，即使收到重传的丢失帧，后续依赖帧可能已经因为超时被丢弃，修复价值极低。

内容的提问来源于stack exchange，提问作者user5777149