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：<img src="https://i-blog.csdnimg.cn/blog_migrate/f2b8fac8a1cc1e0d475c9723db72139e.png" data-rawwidth="553" data-rawheight="413" class="origin_image zh-lightbox-thumb" width="553" data-original="https://pic3.zhimg.com/b6ec084c3254d16bf4d9f46221b8d82a_r.png">
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）&lt;img src="https://i-blog.csdnimg.cn/blog_migrate/f866dc7febdfffb5ce6e5aad7a5475af.png" data-rawwidth="1280" data-rawheight="960" class="origin_image zh-lightbox-thumb" width="1280" data-original="https://pic1.zhimg.com/8175ef459fcf85fa330ecfcb5687610c_r.png"&gt;
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…
3693
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
