目录

• 多人实时音视频架构1：Mesh结构
• 多人实时音视频架构2：Mixer结构(MCU(Multipoint Control Unit))
• 多人实时音视频架构3：Router结构(SFU(Selective Forwarding Unit))

多人实时音视频架构1：Mesh结构

这是最简单的多人视频通话架构模式，所有媒体流都不需要经过服务端，客户端直接P2P，可通过webrtc建立多个PeerConnection，结构图如下:打个比方，如果要实现四个人之间的音视频通话，那么每个人与其它三个人都需要建立P2P连接，每一个P2P连接都有自己的媒体传输通道，负责音视频数据流的传输。网状模型是基于WebRTC技术的原生实现，每一个点对点连接有独立的传输策略控制，通讯质量有一定的保障。但是，这种架构对于客户端系统是一种浪费，一方面需要分配更多的端口，消耗更多的系统资源；另一方面，由于要向其它三个客户端发送本地音视频数据，增加了上行网络带宽的消耗，在同等带宽条件下，支持的多人通话路数就相对有限，视频质量(码率)也比较低，尤其是对于1对多的直播场景，这种情况更加明显。而且这种实现方式也不利于其它非WebRTC客户端的接入。

该方案优点: 服务端压力最小，大多数情况下不需要用到流媒体服务。

该方案缺点: 客户端负载太大，不事宜扩展，特别是移动端，编解码压力会非常大。

多人实时音视频架构2：Mixer结构(MCU(Multipoint Control Unit))

视频会议基本上就是种结构，他的最大特点就是服务端做了很多事情，包括转码，混音，合屏，所以服务端负载非常大，结构图如下:

该方案优点: 客户端负载最小，与一对一负载一样，所以理论上可以支持很多人同时视频。 因为服务端有做编解码，所以可与现有产品无缝集成。 可以最大程度利用硬件能力，如硬件MCU，芯片。

该方案缺点: 服务端负载很大，建设成本很高。 延迟问题，因为服务端做了很多动作(解码，合屏，混音，编码)，所以会带来延迟。

多人实时音视频架构3：Router结构(SFU(Selective Forwarding Unit))

该方案最大特点就是服务端只负责包转发，不负责转码，yy流媒体服务基本上就是这个功能，结构图如下：

该方案优点:

1. 与Mixer相比服务端压力比较小，而且容易扩展。
2. 低延迟，特别是与SVC结合能大大提升客户端体验度(貌似h265和vp9才开始集成svc)。

该方案缺点: 考虑到不同客户端需要不同的接收能力，所以真正实现下来服务端的架构也并不简单。