流媒体与实时通信 / 系统课时

WebRTC 与 LL-HLS 如何混合分发

WebRTC 与 LL-HLS 如何混合分发

面对“少量主播需要连麦、大量观众只需观看”的直播场景,最实用的做法通常不是让所有人都走 WebRTC,而是把互动用户留在 WebRTC,把大规模观看用户导向 LL-HLS。关键在于明确分流边界,并用可量化的延迟、带宽和转码成本判断方案是否值得。

学习目标

  • 能按互动与观看两类用户设计 WebRTC + LL-HLS 双路径
  • 能估算额外转码、带宽和端到端延迟成本
  • 能判断何时应在服务端做协议转换,以及如何验证同步效果

先划分两类观看路径

WebRTC 适合“实时互动”,因为媒体通常经过 SFU 转发,主播与连麦用户之间可以保持较低延迟。LL-HLS 更适合“大量普通观众”,依靠 CDN 分发媒体分片,能够把大量重复观看流量从业务媒体服务器转移到边缘节点。

一个常见直播房间可以直接按角色分流:主播和连麦嘉宾走 WebRTC;需要发言、上麦或强互动的观众进入 WebRTC;其余观众使用 LL-HLS。这样既避免给几十万观众维持 WebRTC 媒体会话,也不会把互动用户的延迟拉到数秒级。

WebRTC与LL-HLS混合分发架构:互动用户走WebRTC,普通观众走LL-HLS与CDN

设计协议转换边界

最简单的架构是“WebRTC 主路径 + LL-HLS 旁路”。主播媒体先进入 WebRTC 媒体服务器,再把需要大规模观看的媒体送入打包链路,生成低延迟 HLS 所需的 CMAF/fMP4 分片。此时普通观众并不直接参与 WebRTC 会话。

实际设计时,协议转换通常发生在媒体服务端或专用媒体网关,而不是浏览器之间互转。原因很直接:浏览器端同时维护两套播放链路会增加实现复杂度,而集中转换可以统一处理编码、时间戳和分片边界。

建议把“转码”和“转封装”分开判断。若输入编码已经是 H.264 + AAC,只需调整 RTP/媒体封装并生成 CMAF 分片,通常比重新编码便宜;若 WebRTC 使用的编码组合与 LL-HLS 输出要求不兼容,才需要真正的视频或音频转码。

用数字评估成本与延迟

假设一个热门房间有 2 名主播、8 名连麦用户和 20,000 名普通观众。互动用户共 10 个,普通观众占比超过 99.9%。可以采用下面的估算方式:

项目 WebRTC互动路径 LL-HLS观看路径
用户数 10 20,000
目标端到端延迟 0.2~0.8 秒 2~5 秒
媒体连接 按会话维持 主要由HTTP/CDN分发
CDN缓存收益 低 高
典型主要成本 SFU转发、连接与带宽 转封装/打包、Origin与CDN流量

再用一个可计算的带宽例子判断架构。假设单路观看码率为 4 Mbps,20,000 名观众持续观看,则未经 CDN 汇聚时理论下行量为 4×20000=800004\times20000=80000 Mbps,也就是约 80 Gbps。采用 LL-HLS 后,源站不需要对每个观众建立独立媒体会话,而是让 CDN 缓存和复用相同媒体对象,源站压力会显著下降。

协议转换的额外延迟可以拆成“媒体等待 + 打包 + 播放器缓冲”。例如播放器目标保持 3 个 500 ms 的可播放单元,加上 300 ms 的打包与网络处理余量,观看链路很容易落在约 1.8~3 秒级;因此不能要求它与 WebRTC 的亚秒级互动路径完全同步。

同步问题应比较“相对时间线”,而不是强行让两个协议的播放器显示时刻完全相同。主播端事件可以携带统一的媒体时间戳或业务事件 ID,普通观众收到 LL-HLS 后,再根据事件时间戳判断当前落后互动通道多少。

什么时候必须真正转码

如果 WebRTC 输入编码就是 H.264,且播放器目标也能消费同类视频编码,优先走转封装;如果输入是 AV1、VP9 等,而目标播放环境或现有 LL-HLS 管线要求 H.264,则需要视频转码。音频同理,例如输入为 Opus、而当前 LL-HLS 链路要求 AAC 时,需要增加音频转码。

转码成本可用“像素规模 × 编码路数”粗略评估。以 1080p30 为例,一路视频转码的实时计算量明显高于单纯转封装;若同时输出 1080p、720p、480p 三档,单主播就可能产生 3 个视频编码任务。对高并发直播,尽量让 WebRTC 输入直接复用到已有转码梯度,避免为了协议转换再复制一套编码链。

错误做法是“每个 WebRTC 订阅者都单独转一次码”。正确做法是主播媒体进入媒体处理层后,只生成有限的标准输出档位,再让 WebRTC 与 LL-HLS 两侧复用这些编码结果。这样观众数量增长主要增加 CDN 分发成本,而不是线性增加编码任务数。

用验收指标确定分流边界

上线前至少检查四项:互动端首包与端到端延迟、LL-HLS 首帧耗时、两条链路的媒体时间差、协议转换资源占用。可以先设一组明确阈值:WebRTC 互动延迟目标小于 800 ms;LL-HLS 稳态延迟控制在 2~5 秒;同一业务事件在两条链路上的时间差需要稳定可测,而不是偶发跳变;转码节点 CPU 长期利用率不建议持续贴近满载。

测试时让主播连续产生带时间戳的标记事件,例如每 10 秒发送一次 EVENT-001、EVENT-002。记录 WebRTC 客户端和 LL-HLS 播放器看到事件的时间,计算差值。如果 WebRTC 平均为 0.6 秒、LL-HLS 平均为 3.2 秒,则两者相对延迟约为 2.6 秒;对于普通观看通常可接受,但连麦用户不应被切到 LL-HLS。

最终的分界原则很简单:需要实时交流、低延迟控制或同步互动的用户走 WebRTC;只需要稳定观看的大规模用户走 LL-HLS;两条链路通过统一时间戳和有限的媒体输出档位保持业务层一致。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

WebRTC 与 LL-HLS 如何混合分发

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通