Ant Media Server中RTSP拉流传输协议的优化实践
2025-06-14 07:57:23作者:齐冠琰
问题背景
在Ant Media Server从2.7.0版本升级到2.8.2版本的过程中,用户遇到了一个RTSP流媒体服务不稳定的问题。具体表现为流状态在"离线"、"准备中"和"广播中"之间不断切换,播放时断时续。经过排查,发现这与RTSP拉流传输协议的选择有关。
技术分析
Ant Media Server在处理RTSP流时,支持多种传输协议,包括:
- UDP (值为1)
- TCP (值为2)
- UDP组播 (值为4)
- HTTP (值为256)
- HTTPS (值为512)
在2.8.2版本中,默认的rtspPullTransportType设置为3,这实际上是UDP(1)和TCP(2)的OR运算结果(1|2=3)。这意味着系统会优先尝试UDP协议,如果失败再尝试TCP协议。
问题根源
在复杂的网络环境中,特别是跨越专用网络点对点连接的长距离传输场景下,UDP协议的表现往往不稳定。这是因为:
- UDP是无连接的,不保证数据包的顺序和可靠性 2.专用网络隧道可能对UDP数据包有额外的处理开销
- 网络延迟和抖动会影响UDP流媒体的连续性
而TCP协议由于具有重传机制和流量控制,在这种环境下表现更为可靠。
解决方案
通过修改/usr/local/antmedia/webapps/LiveApp/WEB-INF/red5-web.properties文件中的配置:
settings.rtspPullTransportType=2
将传输协议显式指定为TCP后,流媒体服务立即变得稳定可靠。这是因为:
- 跳过了可能不稳定的UDP尝试阶段
- 直接使用更适合复杂网络的TCP协议
- 避免了协议切换带来的额外开销
版本差异
值得注意的是,在Ant Media Server的早期版本(如2.4.3和2.7.0)中,默认行为有所不同:
- 2.4.3版本默认使用TCP协议
- 2.7.0版本也默认使用TCP协议
- 2.8.2版本改为默认尝试UDP和TCP两种协议
这种变化可能是为了在某些场景下获得更好的性能(UDP通常延迟更低),但在复杂网络环境下反而导致了稳定性问题。
最佳实践建议
基于这一案例,我们建议在Ant Media Server部署时:
- 对于跨公网或专用网络连接的RTSP流,显式配置使用TCP协议
- 在局域网或高质量专线环境下,可以尝试UDP以获得更低延迟
- 升级版本时,注意检查默认配置的变化
- 对于关键业务流,建议进行充分的升级前测试
总结
Ant Media Server的RTSP拉流功能非常灵活,支持多种传输协议。理解不同协议的特性和适用场景,能够帮助我们在不同网络环境下做出最优配置选择,确保流媒体服务的稳定性和可靠性。特别是在从低版本升级到高版本时,需要特别关注默认配置的变化,必要时进行适当的调整。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
418
3.21 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
暂无简介
Dart
683
160
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
664
React Native鸿蒙化仓库
JavaScript
266
326
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1
Ascend Extension for PyTorch
Python
230
259