在Rocky Linux上编译支持FFmpeg的nginx-vod-module
2025-07-05 11:04:41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
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
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
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
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++
660
308
🔥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
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
654
仓颉编程语言运行时与标准库。
Cangjie
141
878