LiveAutoRecord计划任务:定时录制与自动化调度
2026-02-04 04:50:00作者:舒璇辛Bertina
概述
LiveAutoRecord作为一款专业的直播自动录制工具,其核心功能之一就是强大的计划任务系统。通过智能调度算法和多线程检测机制,它能够高效地监控多个直播平台,在主播开播时自动开始录制,实现真正的无人值守自动化录制。
本文将深入解析LiveAutoRecord的计划任务系统,从基础配置到高级调度策略,帮助用户充分利用这一强大功能。
核心调度机制
自动检测循环
LiveAutoRecord采用基于时间间隔的轮询检测机制,通过startCheckLoop()方法启动监控循环:
// 启动检测循环
manager.startCheckLoop()
// 停止检测循环
manager.stopCheckLoop()
系统默认每1000毫秒(1秒)进行一次检测,用户可以根据实际需求调整检测间隔:
// 设置检测间隔为5秒
manager.autoCheckInterval = 5000
多线程并发检测
为了提高检测效率,LiveAutoRecord实现了多线程并发检测机制:
const multiThreadCheck = async (manager) => {
const maxThreadCount = 3 // 默认3个并发线程
const needCheckRecorders = recorders.filter((r) => !r.disableAutoCheck)
// 多线程并行检测
const threads = R.range(0, maxThreadCount).map(async () => {
while (needCheckRecorders.length > 0) {
await checkOnce()
}
})
await Promise.all(threads)
}
这种设计确保了即使监控大量频道,系统仍能保持高效的响应速度。
配置参数详解
基础配置选项
LiveAutoRecord提供了丰富的配置选项来定制计划任务行为:
| 配置项 | 类型 | 默认值 | 描述 |
|---|---|---|---|
autoCheckLiveStatusAndRecord |
boolean | true |
是否启用自动检测和录制 |
autoCheckInterval |
number | 1000 |
检测间隔(毫秒) |
disableAutoCheck |
boolean | false |
针对单个录制器的禁用选项 |
文件保存规则
系统支持灵活的保存路径模板,支持以下变量:
const savePathRule = '{platform}/{owner}/{year}-{month}-{date} {hour}-{min}-{sec} {title}.mp4'
可用变量表格:
| 变量名 | 描述 | 示例值 |
|---|---|---|
platform |
平台名称 | douyu, bilibili |
channelId |
频道ID | 74751 |
title |
直播标题 | 今日游戏直播 |
owner |
主播名称 | WhiteMind |
remarks |
用户备注 | 重要录制 |
year |
年份 | 2025 |
month |
月份 | 08 |
date |
日期 | 29 |
hour |
小时 | 14 |
min |
分钟 | 30 |
sec |
秒钟 | 45 |
状态机与工作流程
录制器状态转换
LiveAutoRecord的录制器遵循明确的状态机模型:
stateDiagram-v2
[*] --> idle: 初始化
idle --> recording: 检测到直播开始
recording --> idle: 直播结束
recording --> stopping-record: 手动停止录制
stopping-record --> idle: 停止完成
idle --> idle: 持续检测中
检测流程时序图
sequenceDiagram
participant M as Manager
participant T as Timer
participant R as Recorder
participant P as Provider
T->>M: 定时触发检测
M->>R: 获取需要检测的录制器列表
loop 多线程检测
R->>P: 检查直播状态
P-->>R: 返回状态结果
alt 直播中且未录制
R->>R: 开始录制流程
R->>M: 发送录制开始事件
end
end
高级调度策略
智能优先级管理
LiveAutoRecord支持多种优先级配置,确保重要直播优先处理:
// 画质优先级配置
const streamPriorities = ['原画', '超清', '高清', '标清']
// 源(CDN)优先级配置
const sourcePriorities = ['主线路', '备用线路1', '备用线路2']
异常处理机制
系统内置完善的异常处理,确保单个频道故障不影响整体运行:
const checkOnce = async () => {
try {
await recorder.checkLiveStatusAndRecord({
getSavePath: genSavePathFromRule
})
} catch (err) {
manager.emit('error', { source: 'checkOnceInThread', err })
// 继续处理其他录制器,不中断循环
}
}
实战配置示例
基础监控配置
import { createRecorderManager } from '@autorecord/manager'
import { provider as douyuProvider } from '@autorecord/douyu-recorder'
const manager = createRecorderManager({
providers: [douyuProvider],
autoCheckInterval: 3000, // 3秒检测一次
autoCheckLiveStatusAndRecord: true,
savePathRule: '/recordings/{platform}/{owner}/{date}/{hour}-{min}-{sec}.mp4'
})
// 添加斗鱼频道74751
manager.addRecorder({
providerId: douyuProvider.id,
channelId: '74751',
quality: 'highest',
streamPriorities: ['原画', '超清'],
sourcePriorities: ['主线路']
})
manager.startCheckLoop()
高级调度配置
// 针对不同频道设置不同的检测策略
const importantRecorder = manager.addRecorder({
providerId: douyuProvider.id,
channelId: 'important_channel',
quality: 'highest',
disableAutoCheck: false // 重要频道不禁用检测
})
const backgroundRecorder = manager.addRecorder({
providerId: douyuProvider.id,
channelId: 'background_channel',
quality: 'high',
disableAutoCheck: false
})
// 动态调整检测频率
function adjustCheckIntervalBasedOnTime() {
const hour = new Date().getHours()
if (hour >= 22 || hour <= 6) {
// 夜间降低检测频率
manager.autoCheckInterval = 10000
} else {
// 白天正常频率
manager.autoCheckInterval = 3000
}
}
性能优化建议
检测频率调优
根据监控频道数量调整检测间隔:
| 频道数量 | 推荐间隔 | 说明 |
|---|---|---|
| 1-5个 | 1000-3000ms | 快速响应,及时录制 |
| 5-20个 | 3000-5000ms | 平衡响应和资源消耗 |
| 20+个 | 5000-10000ms | 优先保证系统稳定性 |
资源管理策略
// 根据系统负载动态调整线程数
function adjustConcurrency() {
const cpuUsage = getCpuUsage()
if (cpuUsage > 80) {
// 高负载时减少并发数
maxThreadCount = 2
} else {
maxThreadCount = 3
}
}
故障排查与监控
常见问题处理
-
检测不生效
- 检查
autoCheckLiveStatusAndRecord是否为true - 确认单个录制器的
disableAutoCheck为false
- 检查
-
录制延迟
- 适当降低
autoCheckInterval值 - 检查网络连接状况
- 适当降低
-
资源占用过高
- 增加检测间隔时间
- 减少并发线程数
监控指标
建议监控以下关键指标:
- 检测循环运行状态
- 平均检测延迟
- 并发录制数量
- 错误率统计
总结
LiveAutoRecord的计划任务系统通过智能调度算法、多线程并发检测和灵活的配置选项,为用户提供了强大而可靠的自动化录制解决方案。无论是监控少数重要频道还是大规模批量录制,系统都能通过合理的资源配置和异常处理机制,确保录制任务的稳定执行。
通过本文的详细解析和实战示例,用户可以更好地理解和配置LiveAutoRecord的计划任务功能,实现真正高效、稳定的自动化直播录制。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.75 K
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
336
178
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++
886
596
Ascend Extension for PyTorch
Python
340
405
暂无简介
Dart
772
191
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
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
247
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
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355