在Rocky Linux上编译支持FFmpeg的nginx-vod-module
2025-07-05 23:52:57作者:牧宁李
nginx-vod-module是一个功能强大的视频点播处理模块,它支持多种视频格式的转码和流媒体协议输出。本文将详细介绍如何在Rocky Linux 9系统上编译nginx并集成nginx-vod-module模块,特别是解决FFmpeg库依赖问题。
环境准备
首先需要在Rocky Linux 9系统上安装必要的开发工具和依赖库:
dnf install epel-release -y
dnf config-manager --set-enabled crb
dnf install -y gcc-c++ gcc libgomp cmake3 make openssl-devel zlib-devel pcre-devel ffmpeg-free-devel
这些命令会启用必要的软件仓库并安装编译nginx和nginx-vod-module所需的基础工具链和开发库。
源码下载
获取nginx和nginx-vod-module的源代码:
mkdir /tmp/nginx /tmp/nginx-vod-module
curl -f -L -O https://nginx.org/download/nginx-1.27.5.tar.gz
tar xzvf nginx-1.27.5.tar.gz -C /tmp/nginx --strip 1
curl -f -L -O https://github.com/kaltura/nginx-vod-module/archive/1.33.tar.gz
tar xzvf 1.33.tar.gz -C /tmp/nginx-vod-module --strip 1
编译配置关键点
在Rocky Linux上编译时,最大的挑战是解决FFmpeg库的依赖问题。与Alpine Linux不同,Rocky Linux的FFmpeg-free版本需要特殊处理才能被正确识别。
正确的配置命令应该包含CFLAGS和LDFLAGS参数:
cd /tmp/nginx
CFLAGS="-I/usr/include/ffmpeg" \
LDFLAGS="-L/lib64 -libavcodec -libswscale -libavfilter" \
./configure --prefix=/usr/local \
--add-module=../nginx-vod-module \
--with-http_ssl_module \
--with-file-aio \
--with-threads \
--with-cc-opt="-O3"
这些参数的作用是:
- CFLAGS指定FFmpeg头文件的搜索路径
- LDFLAGS指定库文件路径和需要链接的FFmpeg相关库
编译安装
配置完成后,执行标准的编译安装过程:
make
make install
验证安装
安装完成后,可以通过以下命令验证nginx是否正确链接了FFmpeg库:
ldd /usr/local/sbin/nginx | grep av
如果输出中包含libavcodec、libswscale等FFmpeg相关库,说明编译成功。
常见问题解决
如果在配置阶段遇到FFmpeg库找不到的问题,可以尝试以下解决方案:
- 确认ffmpeg-free-devel包已正确安装
- 检查/usr/include/ffmpeg目录是否存在并包含必要的头文件
- 确认/lib64目录下存在FFmpeg的动态库文件
- 根据系统实际情况调整CFLAGS和LDFLAGS中的路径
性能优化建议
对于生产环境,可以考虑以下优化措施:
- 启用更多编译器优化选项,如-march=native
- 根据CPU核心数调整make的-j参数
- 考虑使用静态链接方式减少运行时依赖
- 针对特定CPU架构进行优化编译
通过以上步骤,您可以在Rocky Linux 9系统上成功构建支持FFmpeg视频处理的nginx服务器,为视频点播服务提供强大的支持。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
386
458
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++
894
680
暂无简介
Dart
805
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
354
211
昇腾LLM分布式训练框架
Python
120
146
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
12
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
68
20
🎉 (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
1.37 K
781