GStreamer 完全可以在 单容器内实现多路（并发）推流，
无论是多个输入视频源同时推送到不同 RTSP/RTMP/UDP 地址，还是同一输入多路输出，都是可行的。

但要注意：

• 每一路推流必须使用独立的 pipeline（管线）实例；

• 要正确管理 线程、端口、同步；

• 某些插件（例如 rtspsrc、rtspsink）在同进程多实例时需要小心配置。

🧱 一、典型应用场景

场景	描述
多路本地文件转推	一个容器读取多个本地视频文件并同时推送到多个 RTSP 地址
多摄像头采集	容器中有多个 USB/IP 摄像头，分别推流
单视频多协议输出	同一输入视频同时推到 RTSP + RTMP + HLS
云推流节点	一个容器服务多个客户端推流请求（每个请求动态创建管线）

---

⚙️ 二、实现方式（核心思路）

GStreamer 本身是 线程安全、可并行运行多管线 的框架。
只要每个推流任务使用独立的 GstPipeline 对象，就能并发运行。

你可以用以下 3 种方式实现：

---

✅ 方式 1：使用命令行（多个进程并发）

这是最简单也最稳定的方案：

# 推流 A
gst-launch-1.0 filesrc location=a.mp4 ! decodebin ! x264enc ! rtspclientsink location=rtsp://server/a &

# 推流 B
gst-launch-1.0 filesrc location=b.mp4 ! decodebin ! x264enc ! rtspclientsink location=rtsp://server/b &

每条管线在独立的 shell 子进程中运行；互不干扰。
缺点是管理复杂（不易动态扩缩）。

---

✅ 方式 2：在同一进程中创建多个 GstPipeline 对象（C/C++ 或 Python）

这是容器内部服务化最常见的方式。

Python 示例（简化示意）：

import gi
gi.require_version('Gst', '1.0')
from gi.repository import Gst, GLib
import threading

Gst.init(None)

def start_stream(video_path, rtsp_url):
    pipeline_str = f"filesrc location={video_path} ! decodebin ! x264enc ! rtspclientsink location={rtsp_url}"
    pipeline = Gst.parse_launch(pipeline_str)
    pipeline.set_state(Gst.State.PLAYING)
    print(f"Started streaming {video_path} -> {rtsp_url}")

# 启动多路推流
threads = []
streams = [
    ("video1.mp4", "rtsp://server/stream1"),
    ("video2.mp4", "rtsp://server/stream2"),
]

for v, u in streams:
    t = threading.Thread(target=start_stream, args=(v, u))
    t.start()
    threads.append(t)

# 主循环
loop = GLib.MainLoop()
loop.run()

✅ 每个推流任务是独立的 pipeline。
✅ GLib 主循环可以调度所有 GStreamer 事件。
✅ 适合在单容器内运行一个“推流服务”。

---

✅ 方式 3：在服务端动态创建/销毁管线（例如 RTSP Server）

如果你使用 GStreamer 的 RTSP 服务器功能（gst-rtsp-server），
它本身可以在一个进程中动态创建多路流。

C 代码或 Python gi.repository.GstRtspServer 都支持这样：

server = GstRtspServer.RTSPServer()
factory1 = GstRtspServer.RTSPMediaFactory()
factory1.set_launch('( filesrc location=video1.mp4 ! decodebin ! x264enc ! rtph264pay name=pay0 pt=96 )')
server.get_mount_points().add_factory("/stream1", factory1)

factory2 = GstRtspServer.RTSPMediaFactory()
factory2.set_launch('( filesrc location=video2.mp4 ! decodebin ! x264enc ! rtph264pay name=pay0 pt=96 )')
server.get_mount_points().add_factory("/stream2", factory2)

server.attach(None)
loop = GLib.MainLoop()
loop.run()

✅ 单进程、单容器；
✅ 每一路 /streamX 独立推流；
✅ RTSP Server 自动管理线程。

---

⚠️ 三、注意事项

问题	说明
🔹 线程	每条管线内部是异步的，但不要复用同一个 GstPipeline 对象。
🔹 同步	如果需要同帧同步推多路（例如多摄像头合并），应使用 input-selector / tee 元件。
🔹 资源占用	每一路推流消耗独立的解码、编码线程。GPU 编码时尤其要留意。
🔹 端口冲突	多个推流目标（RTSP、RTMP）时需保证端口不同。
🔹 生命周期管理	可通过信号（Bus message）监听 EOS、ERROR 事件自动回收。
🔹 容器限制	建议配置 --shm-size 足够大（GStreamer 常用共享内存）。

---

💡 四、最佳实践建议

场景	推荐方式
每路视频固定、数量少（如2~5路）	多线程 + 多 GstPipeline
动态创建销毁推流	RTSP Server + 动态 factory
高并发（>50路）	多容器 + 分布式调度（如每容器管理 5~10 路）
云原生部署	通过 k8s sidecar 或 job 动态创建推流容器

---

✅ 结论总结

结论	说明
✔️ GStreamer 支持单容器并发推流	没有技术限制
✔️ 每一路推流需独立 pipeline	不可共享管线对象
✔️ 推荐用 Python/C 多线程或 RTSP Server 实现	更易维护与扩展
⚠️ 注意线程同步、资源占用	特别是 GPU 编码和多核 CPU 环境