ZLMediaKit WebRTC播放问题排查指南:证书与网络配置详解
问题现象分析
在使用ZLMediaKit进行WebRTC视频播放时,用户遇到了无法在Chrome浏览器中播放的问题。从日志中可以观察到关键错误信息:"Can not find any certificate of host: 192.168.1.104",这表明系统在尝试为IP地址192.168.1.104查找SSL证书时失败,最终回退使用了默认证书default.zlmediakit.com。
证书配置问题解析
WebRTC协议要求使用HTTPS或WSS等安全连接,因此SSL/TLS证书配置至关重要。ZLMediaKit在启动时加载了默认证书(default.zlmediakit.com),但当客户端尝试通过IP地址(192.168.1.104)访问时,系统无法找到匹配的证书。
证书匹配机制
现代浏览器和WebRTC实现会严格验证服务器证书的域名/IP与访问地址是否匹配。当使用IP地址直接访问时,证书中必须包含该IP地址作为Subject Alternative Name(SAN)扩展字段。
解决方案
-
使用域名访问:配置本地DNS或hosts文件,将域名解析到服务器IP,确保证书中的CN(Common Name)或SAN与访问地址匹配。
-
生成包含IP的证书:使用OpenSSL等工具生成包含服务器IP地址的证书,命令示例如下:
openssl req -x509 -newkey rsa:2048 -keyout key.pem -out cert.pem -days 365 -nodes -subj "/CN=192.168.1.104" -addext "subjectAltName=IP:192.168.1.104" -
信任自签名证书:如果是自签名证书,需要在客户端浏览器中手动信任该证书。
网络配置关键点
除了证书问题外,WebRTC的正常工作还需要正确的网络配置:
-
RTC外部IP配置:在config.ini中,
rtc.externIP必须设置为客户端可访问的IP地址。即使在内网环境,也需要明确指定服务器的内网IP。 -
防火墙设置:确保以下端口开放:
- WebSocket端口(默认8000)
- UDP端口范围(30000-35000,用于RTP传输)
- TCP 80/443端口(HTTP/HTTPS)
-
ICE候选地址:WebRTC依赖ICE协议建立连接,服务器需要正确通告其网络地址。
完整配置建议
对于内网测试环境,建议采用以下配置组合:
- 生成包含内网IP的自签名证书
- 在config.ini中明确设置:
[rtc] externIP=192.168.1.104 port=8000 tcpPort=8000 - 在客户端使用https://192.168.1.104:8000访问WebRTC服务
验证步骤
- 检查证书加载:确认启动日志中显示正确的证书信息
- 测试基础连接:使用浏览器直接访问WebSocket端点,验证连接建立
- 检查ICE候选:在浏览器开发者工具中查看WebRTC的ICE候选信息
- 网络抓包:使用Wireshark等工具验证STUN/TURN交互
通过以上系统性的配置和验证,可以解决大多数WebRTC播放问题,确保媒体流在内网环境中的稳定传输。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00