伴隨遠程會議、在線教育、直播帶貨等深入人們的日常工作、教育和生活之中，越來越多的場景對大規模實時音視頻技術提出更高要求：50人同時互動、100萬人同時觀看需要面臨哪些技術難題？可能遇到哪些挑戰？

[[344092]]

日前，即構科技聯合開源中國共同舉辦了線上技術分享，即構科技解決方案資深專家許明龍以「超多人實時音視頻互動方案探索與實現」為主題，重點分享了：

超多人房間流媒體的分發

超多人房間信令的分發

超多人房間在弱網下的處理

如何實現100萬觀眾的視頻分發

超多人房間音視頻相關配置經驗

多人互動下的回音處理，即構的優勢有哪些

超多人房間界面設計

許明龍首先回顧了流媒體三大服務架構，包括Mesh、MCU、SFU，并分別闡述了它們的特點和優劣勢：

通過對比，即構科技選擇的是SFU這個流媒體架構，因為它只做流媒體轉發、不涉及編解碼操作，推一路流，拉多路流，對服務器消耗不高且延遲低，需要解決的就是客戶端下行帶寬的問題。

以單房間下的并發問題為例，從業務角度看，主要瓶頸包括：

實現視頻互通的兩個步驟：流發布、流訂閱

每個人發布的流信息，廣播到所有人

如果是100個人實時視頻互動，那么100人同時推流，就需要廣播100*99次

如果一個房間里有100萬個觀眾，那么就需要廣播100*100萬

從技術角度看，其瓶頸在于：

長連接用戶狀態維護、內核瓶頸、鎖開銷、CPU開銷等

通過對單房間百萬人并發壓測，包括100萬用戶登錄同一個房間、房間內1秒發送一條消息（流信息）、統計100萬用戶接收消息的延遲等。最終得到的結論是，最小延遲54毫秒，平均延遲361毫秒。

在解決了服務端問題后，許明龍又介紹了客戶端方面的挑戰，即超多人房間在弱網下的處理。即構科技追求的不僅僅是快，而是更快，甚至要超級快，而影響快的因素包含兩個方面，其一，TCP需要三次握手，而一次握手就需要幾百毫秒；其二，業務復雜，還要串行執行，嚴重影響視頻體驗。

對此，即構科技提出了兩種解決方案：

首先，對底層協議和服務接入層進行大改造，使用QUIC替換TCP協議，重點是減少了TCP的三次握手，改進了擁塞控制并完成了連接遷移，進而實現了優化弱網接入質量；

其次，優化信令和媒體之間的協同關系，包括登錄和流發布的很多內部流程并行化操作，以及流發布和流訂閱的內部流程也并行化操作。

即構科技要實現的不僅如此，還要實現全世界范圍的快，當然也面臨更大的挑戰，如從底層協議到業務信令，從國內到國外，實現全球化的快。

面對超多人全球化的挑戰，最大的問題是全球數據如何互通？如何快速互通？

即構科技帶來的解決方案是在全球部署多個數據中心，這其中也存在諸多難題，包括數據同步速度快、數據變化頻率高以及高可用環節多等。

據許明龍介紹，多數據中心有四方面優勢：全球就近接入中心服務、提升全球每個角落的登陸速度、提升同區域用戶的通信速度和提升容災能力。

此外，在抵抗弱網方面，還需要應對下行帶寬不足的問題，要實現：

網絡好的人，看到畫面流暢清晰

網絡不好的人，也不要卡頓，不太清晰也能接受

對此，即構科技探索了可能存在的幾種解決方案，即：

推流端同時推兩路流，一路高清的流和一路低清的流

服務端轉碼，轉出低清的流

分層編碼

兩路流和分層編碼的區別

基于不斷的探索和實踐，即構科技在抵抗弱網方面具備明顯優勢，在丟包率達到90%的情況下，保障連接不掉線；在上行丟包率70%、下行丟包率75%的情況下，保障視頻通話正常；在上行丟包率80%、下行丟包率80%的情況下，保障音頻通話正常。

即構科技還融合多家主流CDN廠商，利用CDN進行大規模分發視頻，實現100萬觀眾分發。

在雙講場景下，回音問題也特別值得注意。即構的做法是盡量抑制遠端用戶的回聲，同時保留近端用戶的語音，詳見下圖：

針對眾多場景下的大規模超多人音視頻互動的訴求，即構科技推出了TalkLine視頻會議系統，一體化方案，覆蓋更多場景，涵蓋企業辦公、遠程招聘、企業培訓、在線教育、遠程會診、視頻客服等等。

與此同時，TalkLine采用了即構自研的音視頻平臺，天然的解決了以上提及的各種問題，僅需4行代碼，就可以快速擁有大規模超多人音視頻互動的能力。

展望未來，在線教育將迎來更好的發展機遇，其中即構科技就為某教育客戶小班課實現了40多路音視頻通話場景；在5G時代，將迎來更大的帶寬，其音視頻能力將進一步提升，滿足更多場景下的大規模、超多人音視頻實時互動的挑戰。