OvenMediaEngine中多路复用流在Redis存储异常问题分析
2025-06-29 14:38:31作者:曹令琨Iris
问题背景
在使用OvenMediaEngine进行直播流多路复用(Multiplex)时,发现了一个关键问题:当配置将多个输入流(如stream720和stream480)复用为一个输出流(如stream)时,Redis的OriginMapStore数据库中只存储了输入流信息,而缺失了复用后的输出流记录。这种情况会导致边缘服务器无法正确识别和拉取复用后的流。
问题现象
在实际部署中,开发者配置了如下多路复用场景:
- 输入流:stream720和stream480
- 输出流:stream
通过API调用成功创建了复用配置并生成了对应的.mux文件,但Redis数据库中仅能看到输入流的记录,输出流未被正确注册。更严重的是,当停止流传输后,这些记录也没有被自动清理。
技术分析
根本原因
经过深入代码分析,发现问题出在OvtStream::Start()函数的逻辑中。该函数在判断是否将流注册到Redis时存在缺陷:
if (GetLinkedInputStream() != nullptr && GetLinkedInputStream()->IsFromOriginMapStore() == false)
{
auto result = ocst::Orchestrator::GetInstance()->RegisterStreamToOriginMapStore(...);
// ...
}
对于多路复用场景,GetLinkedInputStream()始终返回nullptr,导致复用流被错误地跳过注册流程。此外,当多个应用共享同一个.mux文件目录时,还会出现跨应用意外创建相同复用流的问题。
影响范围
该问题会影响所有使用以下配置的用户:
- 启用了OriginMapStore和Redis存储
- 使用了Multiplex功能进行流复用
- 需要边缘服务器拉取复用后的流
解决方案
临时解决方案
开发者可以通过修改OvtStream::Start()函数,临时绕过检查逻辑:
if (true || GetLinkedInputStream() != nullptr && GetLinkedInputStream()->IsFromOriginMapStore() == false)
{
// 强制注册到Redis
}
官方修复方案
项目维护者已在master分支中修复了此问题。主要改进包括:
- 修正了流注册逻辑,确保复用流能被正确识别和处理
- 优化了Redis记录的清理机制
配置建议
为避免跨应用干扰,应为每个应用配置独立的.mux文件目录:
<Multiplex>
<MuxFilesDir>/path/to/app_specific_dir</MuxFilesDir>
</Multiplex>
最佳实践
- 版本升级:建议用户升级到包含修复的版本
- 目录隔离:为每个应用配置独立的.mux文件存储路径
- 监控机制:实现Redis记录的健康检查,确保流状态同步
- 清理策略:对于长期运行的系统,建议实现定期清理无效记录的机制
总结
OvenMediaEngine的多路复用功能在复杂场景下的Redis同步机制存在缺陷,这会影响边缘服务器的拉流能力。通过理解问题本质、应用官方修复或临时解决方案,并遵循配置最佳实践,可以确保直播系统的稳定运行。对于关键业务系统,建议密切关注项目的更新动态,并及时应用相关修复。
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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137