如何搭建一个完整的视频直播运营平台，需要的投入多大？

原文出处：直播社区

原文地址：http://www.zhiboshequ.com/news/573.html

视频直播，可以分为“采集、前处理、编码、传输、解码、渲染”这几个环节，下面分别说下：

采集，iOS是比较简单的，Android则要做些机型适配工作，PC最麻烦各种奇葩摄像头驱动，出了问题特别不好处理，建议放弃PC只支持手机主播，目前几个新进的直播平台都是这样的。

前处理，现在直播美颜已经是标配了，80%的主播没有美颜根本没法看。美颜算法需要用到GPU编程，需要懂图像处理算法的人，没有好的开源实现，要自己参考论文去研究。难点不在于美颜效果，而在于GPU占用和美颜效果之间找平衡。GPU虽然性能好，但是也是有功耗的，GPU占用太高会导致手机发烫，而手机发烫会导致摄像头采集掉帧，iPhone6尤其明显，因为iPhone6的CPU和前置摄像头很近。

编码，肯定要采用硬编码，软编码720p完全没希望，勉强能编码也会导致CPU过热烫到摄像头。硬编码兼容性又是一个大坑，android上要有人去填。编码要在分辨率，帧率，码率，GOP等参数设计上找到最佳平衡点。

传输，自己做不现实，交给CDN服务商吧，也就是贵了点，相信有志于做直播平台改变世界的你不差钱。假设2W PCU大约每月带宽费用100万左右，因为清晰流畅的720p要1.5mbps左右。CDN只提供了带宽和服务器间传输，发送和接收端的网络连接抖动缓冲还是要自己写的。不想要卡顿，必然要加大缓冲，会导致延迟高，延迟高影响互动性，要做权衡。

解码，也肯定要硬解码，目前手机普遍支持硬解了，只是android上还是有兼容性大坑要填。

渲染，这个难点不在于绘制，而在于音画同步，目前几个直播做得都不好。

此外音频还有几个坑要填，比如降噪，音频编码器的选择，各种蓝牙耳机，各种播放模式的适配等，如果你想做主播和观众连线聊天，还有个回声消除问题。

以上是媒体模块，还有信令控制，登录、鉴权、权限管理、状态管理等等，各种应用服务，消息推送，聊天，礼物系统，支付系统，运营支持系统，统计系统等。

后台还有数据库，缓存，分布式文件存储，消息队列，运维系统等。

这些显然不是一个程序员能解决的，如果真的有这样的高手，请联系我，无论你现在薪水多少，我都出两倍。

第一期至少要融资2000万RMB，组建至少10人的技术团队，10人的产品运营团队，争取3个月产品上线，半年达到5W在线（2w 根本不够）然后融资1个亿，或许还有希望一搏。

也许有人对带宽问题存疑，请参考欢聚时代15年四季度财报，带宽成本为人民币1.611亿元，折合每月5000+万，当然不能用这个数去推算在线人数，因为YY采购量很大所以带宽平均成本低，而且YY不只是高清直播，还有很大比例的500kbps左右码率的直播，还有相当一部分带宽是靠P2P解决的。总之带宽非常贵。

此外，我把视频直播系统中的一些难点再和大家分享下。

两年前我在做媒体云的时候，当时都是点播的业务。做到后面，我觉得点播业务其实并不像想象的那么难，你想你有一个稳定的存储，找一家靠谱的 CDN，然后找一个大概能用的播放器就做出来了，这有什么难的呢？你可以找云服务公司，也可以找外包，或者你自己招一个人都能做。但是现在发现到了移动，尤其是 3月份移动直播火起来之后，这个门槛突然变高了。因为内容产生方变成了移动端。从几个点来分析下为什么：

1、首先内容产生方就是推流端，现在主流的 IOS、安卓，IOS比较简单，就是那个几个机型，基本大家适配都很好。但是安卓的碎片化是非常严重的，大量的精力都需要做对安卓的适配，而且软编耗电量普遍非常高，手机用了一会就会发烫，都担心会不会爆炸。用户体验就是在不同的网络情况下，上传的视频有可能会卡，有可能不连贯，报各种各样的错误，这个是作为一个开发者他自己不可能去适配的。说白了从用户那边提的需求就是推流端不能卡，画质要好，不能太烫，这是我们接触到的客户真正提的问题，是我们从有点偏技术的角度抽取出来的，它背后对应的是哪些事情。

2、然后是分发网络。分发网络其实躲在一个很后面的地方，用户其实看不见的。真正对分发网络提需求用户也提不出来，所以基本这部分需求都会提给播放端，提的需求也是不能卡，不能花屏，首屏一定要快，一点就要看到，还不能把延时弄的太大。其实这些很多都是和源站分发网络有关系的，只是用户看不到这个需求会跟后面的播放器接在一起。

像首屏时间，就是用户点开就要看，以前那些开源架构就是 rtmp server，它是做不到一点开就能看的，现在一些开源的国内资源写得也比较好了，可以看到。我们是自己开发的，所以也花了一些工作，能保存之前的关键帧的信息，用户一点开就能看，这个就是很细节的东西了。如果这个做不好的话，会黑屏、绿屏，或者是半天看不着图像。

3、在播放器这边也是我们在接业务的时候，遇到用户投诉最多的，因为所有的问题都是在观看的时候体现的，所有的雷都得是播放器的同学去扛。这个需求也是不能卡，不能延迟太高。如果延迟高了，要追回来，追的时候声音不能变，最好是追的策略也能自己控制，这是用户真正提出来的需求。

要满足这些需求，我们需要做好多分辨率的适配，保证好流畅性，保证好我们追赶的策略不会出现任何异常。所以这三个端很多是相互耦合的，像推流和分发在一起，要保障好用户的流畅性和画质，分发和播放器在一起要保证好低延时和播放的流畅。所有的这些需求里共同的一点就是不能卡顿。

这个是我们的系统架构图。最下层是依托金山的云服务，因为我们已经有了很好的平台，提供了我们计算资源，提供了存储，提供了很多自建的节点，当然还不够多，我们还是个融合 CDN，然后提供了数据分析的能力。我们依托它做了橙色的这一层，就是我们自己的核心，流媒体直播，然后围绕这个核心我们在做的回看点播、在线转码、鉴权、内容审核。

1.回看点播：因为这不是一个短视频录播的项目，而是一个直播，直播就决定它的并发不会很高，内容不会很多，热点比较少。如果你不回看的话，用户很难维持它的日活，很难维护用户黏度，所以用户一定会要求做回看的。

2.在线转码：推流端其实做了很多把更好的画质想尽办法传上来的工作，投了很多人力来做。传上来之后，观看也在移动端，它不一定看得了。如果他看不了怎么办？我们就需要在线转，在线转码其实承担的更多更重要的事情。

3.鉴权：用户都不想被盗链，尤其是推流的时候，如果我不鉴权，谁都可以来推。所以这是必须要有的

4.内容审核：现在我们没有办法帮他做到自动审核，技术还不够。现在做到的是截图，按用户指定的时间定期截图，这样的话，用户就可以请一些外包来看是不是有敏感内容，是不是要下线，这个对于现在这种三四秒延迟的直播来说非常重要。你做不到的话，没准政策因素你就做不下去了。

5.数据分析：一部分是依托金山已有的，一部分是我们自己做的，因为我们延迟性，时效性要求更高。客户会经常大半夜突然提出一个主播看起来特别卡，问你为什么，要是像以前那种方式，一个小时生成报表，然后出体验图，告诉他为什么卡了，客户可没有这个耐心。我们现在基本能做到5秒间隔就出之前的各种问题定位，这个定位包括从源站收集的数据画的曲线。还有从端上，如果端上用户允许的话，推流和拉流端我们都会有上报数据，几个曲线一拟合，我们就知道问题出在哪里。

懒的看文章的，直接点击放大，看原图就可以了。

新兴的直播行业现在正处于一个爆发式增长的状态，先从以秀场为主的直播方式，再到游戏直播，再到以UGC（user-generated Content）为主的内容生产方式的移动直播，将各行各业的内容以直播的方式分享。

不同模式的直播产品正在涌入市场，目前国内直播App就有200多个，其中100左右个项目获得了融资，形成激烈的竞争。

而背后的视频直播系统也需要一个庞大的技术链支持，下面简单介绍一下视频直播系统的技术链。

1.直播类型

视频直播根据不同的服务对象，大致可以分为2B和2C两种类型。

两种类型在技术本质上没有太多区别，但在产品形式上有很大区别。

2B指的是为企业提供直播服务。

例如微吼、易直播、趣直播、视秀等平台，帮助企业做直播解决方案。

企业召开发布会，就可以使用这些公司的服务。企业搭建专属直播室，企业级直播服务公司可以提供标准化的产品，也可提供个性化的定制服务，将其API嵌入自家App中。

2C指的是为普通用户提供直播服务。

市场上大部分直播平台都是这类型。又可分为一对一和一对多。

一对一是指视频源从一个客户端传输到另一客户端。如Facetime，Skype，微信，QQ的视频通话功能。

一对多是指视频源从一个客户端传输到多个客户端。这种形式即“网络视频直播”。

根据直播内容及形式又可分为以下几个种类：

秀场直播。

主要是主播展示才艺的形式，大部分为女性主播，是中国最早的直播形式。

目前秀场直播主要有爱奇艺奇秀、腾讯QT星主播，优酷的来疯等等。

电竞直播。

以游戏赛事，游戏教程等为主要内容。最先是在美国兴起的Justin.TV，之后改为Twitch，被亚马逊收购。国内主要有斗鱼，战旗，熊猫，虎牙等游戏直播平台。

移动直播。

是以移动设备为视频源的直播方式。这种形式最早在2015上半年，起源于美国的创业公司Meerkat，Periscope。之后Periscope被Twitter收购，Facebook也涉及这一领域，在Twitter，Facebook的竞争压力下，Meerkat放弃了直播视频社交网络业务。

在2015年下半年，中国拷贝了这种形式。以视频化社交为方向，代表产品有映客和花椒，陌陌美拍等的直播功能。

活动直播。

主要为各种现场活动提供直播服务。这种服务通常由toB直播服务公司提供。需要相对好的人脉资源，直播要求高，行业壁垒高，大部分创业者无法涉及。对各种讲座，峰会以及商业活动进行直播，主要有微吼直播等。对各种演唱会的直播，主要有优酷，乐视等大型视频网站。

而在内容划分上，各中直播模式依赖不同的内容生产方式。如下图所示：

注：

UGC，User-generated Content也称为UCC，User-created Content

PGC，Professionally-generated Content也称为PPC，Professionally-produced Content

OGC，Occupationally-generated Content

2.视频直播系统

一个直播系统大概可以分为一下几个模块，媒体模块，服务模块，管理模块。

媒体模块是直播系统的技术核心，服务模块是关乎用户体验，管理模块对数据，系统进行管理控制。

2．1媒体模块

2.1.1采集

采集是直播系统中的第一环节，获取视频源。

因为iOS是软硬件种类不多，官方也提供了稳定可靠的接口，比较简单。

Android因为机型种类繁多，需要适配机型，会是很大一部分工作。

而PC也面临各种摄像头驱动，难点在于机型适配。

2.1.2前处理

前处理，主要用于图像美化，风格化，图像处理方面。

当前直播的美颜功能已不可或缺，除了秀场需求以外，在UGC内容生产方式下，大量的内容对美颜都有较高的要求。

美颜简单的可以通过美颜镜头，但局限性大，限于PC端的主播，更好的办法是通过软件实现，需要图像处理方面的人员，美颜算法需要需要用到GPU编程，要自己参考论文去研究。

难点在于美颜效果是否自然，GPU占用与效果的平衡。GPU用于高性能计算，但功耗也相对高，需要考虑到手机温度对数据采集的影响。温度过高，摄像头容易掉帧。图像处理不仅仅是美颜，在交互中可能会涉及到滤镜，人脸识别，人物风格化等，使得客户拥有更好的互动体验。

目前iOS上比较好的图像处理库是GPUImage，提供了丰富的预处理效果，也可利用该库自定义设计。

Android上也提供了功能强大的图像处理库grafika。

2.1.3编码

在编码方面，有两种编码方式，硬编码（硬件）与软编码（软件）。

目前大部分硬件都支持硬编码，但在Android上存在兼容性问题，源于不同厂商的芯片差异巨大，难以构建统一的库来兼容全平台。

编码的工作主要是对视频，音频的原始数据进行编码处理，得到可用的视频，音频数据。

编码涉及一系列的技术，常用的编码方式有CBR、VBR；对于视频，常用的编码标准是H.265、H.264、MPEG-4等，可封装为MKV、AVI、MP4等；对于音频的常用编码标准有G.711μ、AAC、Opus等，封装有MP3、OGG、AAC等。

编码通过压缩音视频数据来减少数据体积，方便音视频数据的推流，拉流和存储。大大提高存储传输效率。

H.265是当前性能最高的编码技术，在相同视频质量下，相比于H.264，H.265仅需一半的带宽，使得低于1.5Mbps的网络能够传输1080p的高清视频。

在编码方面的核心是平衡分辨率、码率、帧率、GOP（Group of Pictures）使得体积与画质达到最优，参数组合为技术核心，也是个家的商业机密。

2.1.4传输

传输涉及系统的多个部分，连接主播端，服务端，客服端等多个部分。

传输效率高与否决定直播系统的性能好不好，传输是直播系统非常重要的技术核心。

下面是传输的简单示意图：

从推流端到服务端。数据经过推流端采集和预处理，编码之后推流到服务端，流传输就涉及到相应的传输协议，最常用的协议是RTMP(Real Time Messaging Protocol，实时消息传送协议)，RTMP是Adobe Systems公司为Flash播放器和服务器之间音频、视频和数据传输开发的开放协议。还有RTSP,HLS等。

RTMP的传输延迟通常在1-3秒，符合手机直播对性能的要求，因此RTMP是手机直播中最常见的传输协议。之后通过QoS（Quality of Service指一个网络能够利用各种基础技术，为指定的网络通信提供更好的服务能力, 是网络的一种安全机制，是用来解决网络延迟和阻塞等问题的一种技术。）将流数据推送到网络端，通过CDN分发。

在直播场景中，网络不稳定很常见，需要通过QoS来保证直播体验。服务端还需要对数据流一定的处理，转码，使得数据流支持HLS，HTTP-FLV，RTMP等格式的拉流，支持一转多，适配不同网络、分辨率的终端。

推流作为视频源的传输，在稳定性速度上都比拉流高得多。实现推拉流的技术线没有雄厚的人才与资金是不现实的，通常需要依赖第三方的CDN提供商。

在实际中，大多数直播平台会接入多个视频云服务提供商，做拉流线路互备，视频集群也是可优化部分来提高直播流畅性与稳定性。

2.1.5解码，渲染

拉流获取音视频数据后，需要通过解码器解码，渲染才能在播放器上播放。

H.264和H.265是有所压缩的，在解码恢复之后是缺损的原数据。

之前提到的体积最小画质最优的编码参数，就是在这里恢复画质的，该参数组合是非常重要的技术。现在的播放器普遍都需要高清支持，解码也应选择硬解码。iOS能够较好的支持，但Android还需要很多工作去弥补Android在平台差异的缺陷。

而在播放端，保证音画同步的同时，保证稳定流畅的直播流量，需要服务端与播放端做调度优化。

2．2服务模块

服务模块涉及用户体验，从用户方的收益一部分也来自于服务模块。

系统需要完整的礼物，支付，运营，任务等系统，复杂度不亚于页游系统。

国内直播平台的营利模式决定：平台从打赏中抽成。礼物系统就成为平台的盈利方式。礼物系统是多数视频直播平台的标配。

在中国部分人有礼品消费的习惯。平台为用户主播设计多个等级、爵位等头衔。利用财富榜，家族榜，等级榜类拉动消费。

IM技术。IM即时通讯服务。包括聊天室、弹幕等。弹幕交互方式是很好的体验，偏年轻化，大量用户愿意通过弹幕互动。高峰时，弹幕消息量特别大，一是需要考虑到高峰时弹幕的实时性和高并发量，二是要在产品策略上作一些体验上的优化。

支付系统需要仔细处理各种异常，消费流水记录。

系统还需要在政策上作相应的考虑，例如国家规定所有直播必须打水印并存留15天以上。在内容审核方面，淫秽、暴力、犯罪、敏感问题的审核。在数据分析方面也需要相应的统计系统。

2．3管理模块

管理模块包括客户端的设计与维护、后台数据库、后台控制系统。

该部分根据直播平台的特性、定位设计相应的管理策略。具体技术上还包括缓存、分布式文件存储、消息队列，运维系统等等。

2．4 直播软件

Open Broadcaster Software（OBS）是一款比较好的PC端直播开源软件。该软件提供了对H264 (x264) 、AAC编码的支持。支持多场景多数据源，到Twitch, YouTube等平台的LRS支持。支持输出视频，基于GPU的游戏捕捉提供高性能的视频流等等众多支持。能够很好地完成采集、编码工作。

这款软件虽然免费，但是其稳定性和易用性都比较差，行业内还有一款更好的商业版直播软件叫“直播大师”，北京顺景科技有限公司开发的，在功能、稳定性和易用性上做得都非常到位。

以上简单地介绍了视频直播系统的技术构架，构架本身容易，但构建性能优良的构架就很有难度，需要在传输速度与效率、推流端兼容性、客户端体验上作深入的工作。

但说实话，如果仅从问题描述来看，我觉得这样的格局，对未来的生存表示担忧。

现在铺天盖地的直播，从游戏直播、到秀场、到移动端。

看似是块很大的蛋糕，但能留到最后的，一定是巨头中的其中一家。

很多初创团队，都觉得直播的市场很大，机会很多，但这个时间点入场，给初创者的时间并不多。

王思聪的熊猫TV，腾讯投资斗鱼和龙珠，最近疯狂烧钱的腾讯直播和企鹅直播，360投的花椒直播，陌陌的哈你直播、微博的一直播，金沙江投资映客，这些豪华阵容在直播的战场上厮杀的火热。

这类2C直播平台最重要的就是利用直播内容和主播人气吸引巨大的流量。

有流量就有钱进来。

这样的游戏规则下，各大2C平台就疯狂的买内容，签主播。广告狂轰乱炸，争夺江湖地位。

疯狂烧钱的同时，也只有一轮又一轮不断的融资才能生存下来。

有资本进入的地方就有对赌。

不管是2C的映客、斗鱼、熊猫，还是2B的微吼直播。

相比2C端频繁的资本大战，在2B端发展还是相对稳健。

还是以微吼直播为例，被爆已完成B轮对赌，对赌金额达7000万元人民币，有望在年内成为业内首家盈利的直播平台。

现在企业直播服务、城市直播服务的市场还是被严重低估。

尽管现在很多工作上的事情在微信里沟通、讨论。但是我们知道，选择微信，只是因为大家都在用它！只是大家都在用它！

封闭的社交环境使其在商业协作中难登大雅之堂的主因。

单从沟通介质所能承载的信息量来看：文字 < 语言 < 视频 < 面对面交流。

网络直播这种面对面的交流能够承载最丰富最真实的信息，这也让企业直播这样的2B直播行业迎来了千载难逢的机会。

回到题主的问题，我觉得自己搭建直播平台，还不如在别人已经创造好的平台上发现新的机会。

粗略看了下，2C和2B的都有，直播服务的大趋势就是这样。

（图片我下午拍的，2B直播调试现场）

最后，补充一句：搭建视频直播系统一定要符合中国特色。