技术点大家都回答的很详细了，我就我觉得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。

利息相关：金山云架构师。

最近直播很火，很多大公司和中小创业者都想抓住这个机会做一番事业。「如何搭建一个完整的视频直播系统？」这是一个很大的问题，不是一两个答案能够解释清楚的，但我还是尽量技术和创业的角度提供给题主尽可能多的信息。

正如 @姚冬 所说，一个完整的直播系统大致包含这几个环节：采集、前处理、编码、传输、解码和渲染。在两端传输的过程中再加上一个服务端处理。大致的模型如下：


在主播推流端涉及到的环节有采集、前处理和编码，在观众端涉及到的环节就是解码和渲染，在这两个端之间建立起传输通道的则是服务端，它负责接收主播端的推流，将其处理之后分发给观众播放端：

1. 采集

采集是播放环节中的第一环，iOS 系统因为软硬件种类不多，硬件适配性较好，所以比较简单。Android 则不同，市面上硬件机型非常多，难以做到一个库适配所有硬件。PC 端的采集也跟各种摄像头驱动有关，推荐使用目前市面上最好用的 PC 端开源免费软件 OBS: Open Broadcaster Software

参考教程：斗鱼游戏直播教程-OBS直播软件篇[推荐]

2. 前处理

正如 @姚冬 所说，「80% 的主播没有美颜根本没法看。」不光是美颜，很多其它的视频处理如模糊效果、水印等也都是在这个环节做。目前 iOS 端比较知名的是 GPUImage 这个库，提供了丰富端预处理效果，还可以基于这个库自己写算法实现更丰富端效果：GitHub - BradLarson/GPUImage: An open source iOS framework for GPU-based image and video processing

Android 也有 GPUImage 这个库的移植：GitHub - CyberAgent/android-gpuimage: Android filters based on OpenGL (idea from GPUImage for iOS)

同时，Google 官方开源了一个伟大的库，覆盖了 Android 上面很多多媒体和图形图像相关的处理：https://github.com/google/grafika

3. 编码

编码主要难点有两个：1. 处理硬件兼容性问题。2. 在高 fps、低 bitrate 和音质画质之间找到平衡。

iOS 端硬件兼容性较好，可以直接采用硬编。而 Android 的硬编的支持则难得多，需要支持各种硬件机型，推荐使用软编。

4. 传输

传输涉及到很多端：

• 从主播端到服务端
  
• 从收流服务端到边缘节点
  
• 再从边缘节点到观众端

推流端和分发端理论上需要支持的并发用户数应该都是亿级的，不过毕竟产生内容的推流端在少数，和消费内容端播放端不是一个量级，但是他们对推流稳定性和速度的要求比播放端高很多，这涉及到所有播放端能否看到直播，以及直播端质量如何。

很多人吐槽现在的 CDN 不靠谱，我也承认传统的 CDN 在新时代显得心有余力不足。你能够借助 CDN 快速实现大规模的流分发，但是稳定高速的推流上传可能还需要自己做很多工作。这也是为什么我们七牛在这方面做这么多工作的原因之一。

如果要自己动手做，服务端方面最好的参考资料可能是这个了：v3_CN_Home · ossrs/srs Wiki · GitHub

国民首席、熊猫 TV 首席架构师杨武明在「Gopher 北京聚会」上做过一个「Golang在视频直播平台的高性能实践」的分享，值得参考：https://mp.weixin.qq.com/s?__biz=MzAwMDU1MTE1OQ==&mid=404230356&idx=1&sn=6b73f971c4cf1170adaf4d249480ed9a&scene=1&srcid=0301qrbBZPrLxORTiD5D5IO1&key=b28b03434249256be5dfe068862f4c51d10c5e16b3659de35ce26bd4868f3a186366844bc7a8d3eaf48192b75536009b&ascene=0&uin=MTUwMTI2NjQ2MA%3D%3D&devicetype=iMac+MacBookPro11%2C2+OSX+OSX+10.11.4+build(15E65)&version=11020201&pass_ticket=TplbLKZJE2ZwCTACdAM6vZw%2FaJtVhaRrbn0An3uI6OAbctOQaAXHM9DZBdalM5Fi

PPT 地址：ppt/GolangPerformancePractice.pdf at master · yangwm/ppt · GitHub

5. 服务端处理

为了让主播推上来的流适配各个平台端各种不同协议，需要在服务端做一些流处理工作，比如转码成不同格式支持不同协议如 RTMP、HLS 和 FLV，一路转多路流适配各种不同的网络状况和不同分辨率的终端设备。

6. 解码和渲染

解码和渲染，也即音视频的播放，目前 iOS 端的播放兼容性较好，在延迟可接受的情况下使用 HLS 协议是最好的选择。Android 的硬件解码和编码一样也存在兼容性问题，目前比较好的开源播放器是基于 ffplay 的 ijkplayer：GitHub - Bilibili/ijkplayer: Android/iOS video player based on FFmpeg n3.0, with MediaCodec, VideoToolbox support.

目前，我们七牛在客户端采集、编码解码以及推流拉流加速方面做了很多工作，以上干货也是基于这个过程中踩过的坑整理出来的：Pili Streaming Cloud · GitHub

既然是创业，肯定要考虑到前期投入和未来的商业化，这方面我建议先看看熊猫 TV 庄明浩的长文分析：http://zhuanlan.zhihu.com/p/20717041

他在投入熊猫 TV 创业之前以投资人的视角从投资的角度深入观察、分析了视频和直播行业 2 年。

提问者如果打算自建视频直播平台，成本确实很高，技术门槛也比较高。我就从调用相关云服务的角度来说好了。相对来说，效率要高得多。

搭建一个完整的视频直播系统，首先要了解一般直播产品的架构。架构图如下：

其次要选择一个功能完善，性能良好，运行稳定的视频云平台。目前市场上主流的有百度云，腾讯云，乐视云，欢聚云，暴风云，网易视频云，目睹直播这些。还有其他的就不一一列举了，重点分析一下列举的这几个的特点。

腾讯云。定位：Paas层。推流SDK支持Windows、Web、Android、iOS。播放器SDK支持Web（Flash、H5）、Android、iOS。CDN全球400+。优势是互动直播方案比较成熟，但是稳定性不佳。收费方式是按核心机房和边缘节点的带宽进行计费。技术支持：开发文档和工单。

网易视频云。定位：Paas层。推流SDK支持Windows、Web、Android、iOS。播放器SDK支持Windows、Web、Android、iOS。CDN数600+。优势是推流码流可以自适应，自带美颜、混音等扩展功能。直播功能价格，同样按流量和带宽计费，但是使用推出的套餐会相对别家便宜很多。技术支持：文档和工具交流，提供1V1的专家技术支持。

百度云指的是百度开放云。定位是Paas层。现在发布到2.0版本，还比较成熟。推流SDK 支持PC、Android、iOS,移动端支持闪光灯、滤镜等功能，暂不支持动态码流自适应。播放器SDK支持Web（Flash、H5）、Android、iOS。CDN主要覆盖了一二线城市。优势是功能较完善，但是使用复杂度很高。价格有两种计费方式分别是按直播下行流量和带宽峰值。技术支持主要通过开发文档和QQ群。

欢聚云也就是我们知道的YY。定位：Paas层。目前云服务还没开放，需要邀请码才能试用。推流SDK支持PC、Android、iOS和Web。播放器SDK支持Web端（Flash、H5），移动端支持HLSFLV。优势是支持音视频连麦。价格不详，技术支持只有一些文档。

暴风云。定位：Paas层。推流SDK有Windows直播助手和移动端直播助手。播放器SDK支持Web(Flash、H5)、Android、iOS。CDN数不详，但是默认直播并发不能超过2000人。优势是在视频云是做的最早的公司。计费也有两种，按流量和按带宽。技术支持：开发文档和QQ交流。

目睹直播。定位：Saas。推流SDK支持Windows、Web、Android、iOS、导播台。播放器SDK支持PC、Android、iOS。CDN数不详。优势是扩展功能较丰富。计费：0.04~0.06元/分钟/人。技术支持不详。

总的来说，这些产品各有优劣。个人觉得，有两方面需要注意。一个是视频云服务的稳定性。如果本身云服务系统就有一大堆问题，那接入的时候肯定问题更多。所以可以先考虑行业大公司的云服务。网易视频云和百度云的稳定性都做的不错。第二个是技术支持的力度，换句话说出了问题之后的响应和解决速度能有多快。网易视频云在技术服务有1V1的专家支持，这在业界尚属领先。总的来说，网易视频云的性价比在云服务商里算是最高的。

选择完视频云服务公司，就可以根据相应的情况进行搭建，接入直播功能。具体操作的时候，肯定还是会有各种各样的问题，那就不是一个知乎问答能解决的了。

前面有大神了，就不再赘述了，讲几个有可能遇到的问题

搭建直播框架很容易，搭建一个性能优良的框架就非常难了
1.大规模并发涌入的时候能否保持稳定，去年春晚网络直播，某乐，某腾被挤挂了，600万流量涌入我们的接口，顶住这样的的压力不是一件容易的事情。
2.低延时能保证吗？多低，三秒内可以吗，一秒呢？低延时的情况下，还能保证高质量（码率）吗？高质量低延时才是直播的真谛，自行车也能跑，有轮子，能跟汽车比吗？
3.网络抖动怎么办？任由客户卡在那里流失？运维部门匡匡地接电话，然后保证解决，其实之后做的只能自己测一测，改改参数什么的，有能力的还能联系联系CDN，看看节点情况，隔几天人家回复：确实当时那里的节点质量不好。 SO？客户已经流失掉了，那都是真金白银引进来的流量啊。

太多太多了，做一个框架容易，现在各种云服务吹的飞起，等你真正信了，用上了，就GG了...

最近正好在做这方面的项目。

虽然是采购方，天天跟工程狮混在一起，对架构也略有了解。

写了大致的结构图，基本已经很清楚了。

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http://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 OBS直播软件

Open Broadcaster Software（OBS）是一款很好用的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。

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，这也让微吼直播这样的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。

（个人观点，人还是要有梦想的嘛。）

很多回答，已经给题主提了不少的建议。知乎上网络服务公司，响应也真是够快的，在问题的评论里，有几家也跟题主对接上了。

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。

为什么捏？

一个服务商告诉我的：

我们架的这套视频云协作系统，核心技术是思科的。

老牛逼了，海外版本预设的是，不同的人发言的时候，系统会自动判断麦克风声音方向，高清摄像头就会自动转向发言的人，并且自动优化构图。然后，系统会把发言的人放大，突出显示在现场的大屏幕上。

但引进到国内后，这套系统就被改成了：

领导的画面永远最大，并且永远在最中间…

视频直播，确实不是你想做，想做就能做。这是一个强！技术&强！运营的工作，非常消耗资源，需要巨额的带宽成本和顶尖的技术人才。所以第一你得有钱，其次有钱也不能解决问题，得有人才

作为一个想速成的公司来说，能买的服务就尽量买吧（不要问我怎么知道的），省时省力。视频云，买！（个人比较喜欢网宿的服务），还有你说的美颜功能，买！客服系统，买！

前期要准备好至少600万，不一定够花3个月，好，接下来我告诉你怎么花钱

一、带宽成本=30万/月
以2w人同时在线来看，手机码率如果在600Kb，电脑的码率在1M，基本可以算是高清了，那么每月的带宽费用就至少在30万

二、人力成本=50万/月
10个技术 = 2万*10人 = 20万（服务端4个，IOS3个，安卓3个）
10个运营 = 1万*10人 = 10万 （主播管理6个，活动策划2个，主播财务管理2个）
2个产品经理 = 5万「谢三藏提醒」
5个审核和推荐（假设有500个同时直播）= 3万
3个客服 = 2万
1个数据 = 2万
5个市场和渠道 = 2万*5 = 10万
其他人员，如财务、Hr等 = 3万

三、渠道支出 = 100万/月
你得投广告吧，你得买新用户吧，一个比较理想的用户单价，假设他为10元/个，那么你想保持2万的同时在线，一天至少得要20万的DAU，粗暴的假设，每天的量中10万是新增用户（对于一款新产品这个新增用户占比太友好了），其中5万是自然新增（我特么说的是不是太理想了），那么你每日，是日！哦，的花费就在50万，一个月得1500万。我知道说到这里你肯定不服，考虑到你要从0做起，一个月做到20万DAU（然而并不太可能），假设这是一个线性增长，且新增用户的一半是自然新增不算费用，那么一个月的费用依然在100万左右

四、其他成本 = 20万/月

好了，算到这里，每个月大概需要200万的支出，我还是比较节俭的，目前市面上的直播公司，尤其是最近比较火的手机直播软件公司，没有一个是草根出身的，都是抱大腿有干爹的，他们有钱、有技术、有推广资源，但他们一年后还能不能存在，谁也不能肯定。所以，如果有其他更好的更容易的创业方向，还是选择其他吧

补充：不知道为什么，你没有提到经济系统，做了用户付费之后，你可能每个月能有100万的流水，30万的收入。美好么？不美好。就算你每天都是20万的DAU，付费率5%，每月流水1000万，收入300万，考虑到其他成本，半年内也一直在烧钱。

一、直播的技术架构：
直播视频采集SDK（PC/IOS/Anddroid）——直播CDN

（直播流分发加速）——直播视频播放器SDK（PC/IOS/Android）

二、音视频处理的一般流程：

数据采集→数据编码→数据传输(流媒体服务器) →解码数据→播放显示

1、数据采集：

摄像机及拾音器收集视频及音频数据，此时得到的为原始数据

涉及技术或协议：

摄像机：CCD、CMOS

拾音器：声电转换装置（咪头）、音频放大电路

2、数据编码：

使用相关硬件或软件对音视频原始数据进行编码处理（数字化）及加工（如音视频混合、打包封装等），得到可用的音视频数据

涉及技术或协议：

编码方式：CBR、VBR
编码格式
视频：H.265、H.264、MPEG-4等，封装容器有TS、MKV、AVI、MP4等
音频：G.711μ、AAC、Opus等，封装有MP3、OGG、AAC等

3、数据传输：

将编码完成后的音视频数据进行传输，早期的音视频通过同轴电缆之类的线缆进行传输，IP网络发展后，使用IP网络优传输

涉及技术或协议：

传输协议：RTP与RTCP、RTSP、RTMP、HTTP、HLS（HTTP Live Streaming）等

控制信令：SIP和SDP、SNMP等

4、解码数据：

使用相关硬件或软件对接收到的编码后的音视频数据进行解码，得到可以直接显示的图像/声音

涉及技术或协议：

一般对应的编码器都会带有相应的解码器，也有一些第三方解码插件等

5、播放显示：

在显示器（电视、监视屏等）或扬声器（耳机、喇叭等）里，显示相应的图像画面或声音

涉及技术或协议：

显示器、扬声器、3D眼镜等

三、常见的视频直播相关协议：

1、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。它有三种变种：

1）、工作在TCP之上的明文协议，使用端口1935；

2）、RTMPT封装在HTTP请求之中，可穿越防火墙；

3）、RTMPS类似RTMPT，但使用的是HTTPS连接；

RTMP协议是被Flash用于对象、视频、音频的传输。这个协议建立在TCP协议或者轮询HTTP协议之上。RTMP协议就像一个用来装数据包的容器，这些数据既可以是AMF格式的数据，也可以是FLV中的视音频数据。一个单一的连接可以通过不同的通道传输多路网络流，这些通道中的包都是按照固定大小的包传输的。

2、RTSP(Real Time Streaming Protocol，实时流传输协议)

RTSP定义了一对多应用程序如何有效地通过IP网络传送多媒体数据。RTSP提供了一个可扩展框架，数据源可以包括实时数据与已有的存储的数据。该协议目的在于控制多个数据发送连接，为选择发送通道如UDP、组播UDP与TCP提供途径，并为选择基于RTP上发送机制提供方法。

RTSP语法和运作跟HTTP/1.1类似，但并不特别强调时间同步，所以比较能容忍网络延迟。依法上网的缓存功能也同样适用于RTSP，并且因为RTSP具有重新导向功能，可根据实际负载情况来切换提供服务的服务器，以避免过大的负载集中于同一服务器而造成延迟。

3、RTP(Real-time Transport Protocol，实时传输协议)

RTP是针对多媒体数据流的一种传输层协议，详细说明了在互联网上传递音频和视频的标准数据包格式。RTP协议常用于流媒体系统（配合RTCP协议），视频会议和一键通系统（配合H.323或SIP），使它成为IP电话产业的技术基础。

RTP是建立在UDP协议上的，常与RTCP一起使用，其本身并没有提供按时发送机制或其它服务质量（QoS）保证，它依赖于低层服务去实现这一过程。

RTP 并不保证传送或防止无序传送，也不确定底层网络的可靠性，只管发送，不管传输是否丢包，也不管接收方是否有收到包。RTP 实行有序传送，RTP中的序列号允许接收方重组发送方的包序列，同时序列号也能用于决定适当的包位置，如在视频解码中，就不需要顺序解码。

4、RTCP(Real-time Transport Control Protocol，实时传输控制协议）

RTCP是RTP的配套协议，为RTP媒体流提供信道外的控制。RTCP和RTP一起协作将多媒体数据打包和发送，定期在多媒体流会话参与者之间传输控制数据。

RTCP的主要功能是为RTP所提供的服务质量（QoS）提供反馈，收集相关媒体连接的统计信息，例如传输字节数，传输分组数，丢失分组数，单向和双向网络延迟等等。网络应用程序可以利用RTCP所提供的信息来提高服务质量，比如限制流量或改用压缩比小的编解码器。

四、直播下的聊天室功能

1、直播的场景下，除了视频直播还有一块就是聊天功能，观众打开一个直播房间时，也就自动进入了一个聊天室，观众可以发文字发表情进行互动，道具打赏也是基于聊天室的接口做上去的。
2、聊天室和群聊的功能类似，两者的区别是：聊天室的场景下，用户进入后才能看到聊天信息，群成员信息，退出后再进来就看不到之前的历史消息了。
3、聊天室其实是im即时通讯中的一个功能，im主要能实现一对一聊天、群聊、聊天室3种场景。

五、利益相关

我们团队是做直播、IM即时通讯技术的，底层架构都是做好的，开放给开发者sdk和api接口、demo源码。感兴趣的朋友可私聊。欢迎交流，相互学习。

直播产品首先要确认是PGC还是UGC，即要区分是固定网红或签约主播进行直播，还是随便一个路人都可以进行直播，两种场景的差异很大。 目测这里应该更偏向于PGC的直播。

成熟在运营的产品其实已经有不少，720P更多是针对的PC用户，移动端的没有这个必要。首先要确认是属于以下哪种场景：

#1 PC推流+PC观看

#2 PC推流+PC、移动观看

#3 移动推流+移动观看

涉及的技术有视频编解码、客户端开发、大规模直播流分发、产品前端开发等。

#1的最低成本的投入方案：OBS+任选flashplayer(之前笔误把ijkplayer归成了flashplayer，这里诚挚道歉，再给做个宣传：ijkplayer: ijkplayer非常不错)+云直播， OBS是开源免费的PC端推流工具，斗鱼直播的主播们对这个软件应该非常熟悉了，稳定、流格式标准、占用资源少还有丰富插件，如混音。 一般免费的flashplayer都可以直接播放RTMP的视频直播。 云直播 即CDN的方案。 可以到云服务或CDN公司申请，推荐UCloud直播云，花10来分钟即可自助完成配置。这个方案，客户还需要搞定除视频外的其他功能，比如聊天室，打赏灯。 缺点是OBS目前没有太好的美颜插件，好在专业主播 都有配美颜摄像头，300~500 不等。

#2 相对于#1 来说多了移动端播放的入口，研发成本肯定大大增加，可以先考虑是iOS还是Android，APP 和 视频直播都自研 投入人力不菲，我没见过有创业公司这么干的。 一般的做法是：APP框架自己搭建，找开源或第三方的视频直播SDK 集成 视频直播能力，相关的SDK 有很多；还有一种实时性没那么高的做法是内嵌浏览器直接用HTML5播放直播流，但是需要CDN提供商支持HLS协议，一般延迟在5~7秒。

#3 这么玩需要移动端有较强的研发实力，起码需要1位或以上音视频编解码的资深攻城狮。 具体的方案：开源SDK（如kickflip，坑多慎入）或第三方推流SDK+播放SDK（UCloud、亲加等）+直播加速CDN。 目前业内已有的APP把这块体验的门槛做得很高，如秒开，低延迟，美颜等特性已成标配，需要第三方的SDK能支持这些功能。提供SDK的公司很多，逃离不开稳定性，兼容性两个话题。 iOS的机型少一些好处理，Android太多了。 如某米的低端机型，市场占有率高，使用芯片较杂，硬编的兼容性是非常差的，软编性能又不够高，美颜、混音的处理是开不起来的，不然会非常卡， 层面要考虑这些是否是目标主播。从付费比例来看，iOS和Android高端机的机主可以作为首发目标，低端机型的覆盖再慢慢搞。另外就是IM的功能，提供SDK的公司也很多，比较出名的如环信、融云，功能上其实都差不多。

另外的一些建议：

如果是PC 端推流的PGC内容(通常说的美女秀场)，为了节约成本，可以把帧率调到15或16，可以节省35%左右带宽。 对于2W在线来说，720P 按每路至少1000kps码率，就得20G带宽，省个35%就是7G，每个月省10好几万。

实时直播流转码的功能（比如适配多终端或多屏幕大小）。看似高大上，实际投入产出比极低，一般4核的设备可以实时转码个位数的直播流，2w在线，按1:5主播观看算，就有4000路流，这个设备投入是天文数字，所以别花心思自己搞设备区转了。 当然对于足够针对热度的流做优化是有价值的。

搭车放个招人广告，有视频终端或后台系统开发的同学，可以发简历至ken.zeng@ucloud.cn