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
kernelopenEuler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。C0111
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
485
3.59 K
Ascend Extension for PyTorch
Python
297
329
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
260
111
暂无简介
Dart
735
177
🔥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
20
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
11
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++
861
456
React Native鸿蒙化仓库
JavaScript
294
343
仓颉编译器源码及 cjdb 调试工具。
C++
148
880