背景痛点

在视频处理场景中，YUV数据的高效处理和RTMP推流是常见的需求，但开发者往往会遇到以下问题：

• 内存占用高：YUV原始数据体积大，尤其是高分辨率场景下（如1080P），单帧可达数MB
• 延迟波动大：传统FFmpeg命令行模式需频繁启停进程，管道传输带来额外开销
• 并发能力弱：多路流处理时资源竞争严重，难以利用多核优势

技术选型

方案对比

1. 纯FFmpeg命令行
2. 优点：配置简单，适合快速验证

3. 缺点：进程间通信开销大，无法精细控制内存

4. Go绑定FFmpeg C库

5. 优点：直接内存操作，支持协程级并发
6. 缺点：需要处理CGO兼容性问题

核心实现

1. YUV内存管理

采用内存池技术避免重复分配：

type YUVPool struct {
    buffers chan *[]byte
    width   int
    height  int
}

func NewYUVPool(width, height, capacity int) *YUVPool {
    pool := &YUVPool{
        buffers: make(chan *[]byte, capacity),
        width:   width,
        height:  height,
    }
    // 预分配内存
    for i := 0; i < capacity; i++ {
        size := width * height * 3 / 2 // YUV420格式
        buf := make([]byte, size)
        pool.buffers <- &buf
    }
    return pool
}

2. FFmpeg CGO调用

关键配置参数示例：

/*
#cgo pkg-config: libavformat libavcodec
#include <libavcodec/avcodec.h>
*/
import "C"

func setupEncoder() {
    codec := C.avcodec_find_encoder(C.AV_CODEC_ID_H264)
    ctx := C.avcodec_alloc_context3(codec)
    ctx.bit_rate = 4000000
    ctx.width = 1920
    ctx.height = 1080
    ctx.time_base = (C.AVRational){1, 25}
    ctx.pix_fmt = C.AV_PIX_FMT_YUV420P
}

3. 并发架构设计

1. 生产者协程：从摄像头/文件读取YUV数据
2. 处理器协程：执行缩放/滤镜等操作
3. 推送协程：通过独立连接发送RTMP流

性能测试

| 分辨率 | 纯FFmpeg(ms) | Go方案(ms) | 内存节省 | |---------|-------------|-----------|---------| | 720P | 42 | 28 | 35% | | 1080P | 78 | 51 | 48% | | 4K | 215 | 139 | 52% |

避坑指南

1. CGO内存泄漏：确保所有AVFrame通过av_free释放
2. 时间戳同步：手动计算pts时注意time_base转换
3. 并发安全：每个推流协程使用独立的AVFormatContext

思考题

当需要合并多路视频流时，如何设计缓冲区策略才能平衡延迟和内存消耗？欢迎在评论区分享你的方案。