راهنمای میزبانی ویدیو کنفرانس روی VPS و محاسبه پهنای باند
برای میزبانی Jitsi یا BigBlueButton روی VPS باید پهنای باند را با توان دوم شرکتکنندگان محاسبه کنید. این مطلب تفاوت مصرف RAM و چالشهای NAT در SFU را بررسی میکند.
میزبانی سرویس کنفرانس ویدیویی روی VPS با چالش پهنای باند مواجه است
میزبانی شخصی سرویسهای کنفرانس ویدیویی روی سرورهای کوچک به یک دلیل شکست میخورد و این دلیل تقریباً هرگز به نحوه نصب مربوط نیست. بخش اصلی سرور که تمام ابزارهای مدرن از آن استفاده میکنند، SFU (واحد انتخابگر ارسال) است. این واحد یک استریم ویدیویی از هر شرکتکننده دریافت کرده و یک کپی از آن را برای تمام شرکتکنندگان دیگر ارسال میکند؛ بنابراین ترافیک خروجی از سرور با توان دوم تعداد افراد افزایش مییابد. راهنمای Jitsi برای سرورهای تست یا جلسات بسیار کوچک، 2 GB رم پیشنهاد میدهد. این مقدار برای جلسات عمومی بزرگی که در ذهن دارید، کافی نخواهد بود.
بنابراین کار را به این ترتیب انجام دهید. تعداد افراد را بشمارید، میزان مگابیت مورد نیاز را محاسبه کنید و سپس سرور را انتخاب کنید. نصب نرمافزار تنها 20 دقیقه کپی و پیست کردن است. این پهنای باند آپلینک شماست که تعیین میکند آیا دیگران صدای شما را میشنوند یا خیر.
چرا پهنای باند با توان دوم تعداد شرکتکنندگان رشد میکند؟
با mesh شروع میکنیم. هر مرورگر دوربین خود را encode کرده و یک کپی را مستقیماً برای هر مرورگر دیگر میفرستد و هیچ media server به ویدئو دسترسی ندارد. یک تماس mesh دو نفره به یک signalling server و یک TURN relay برای تماسهایی که در آن دو مرورگر نمیتوانند مستقیماً به هم متصل شوند نیاز دارد؛ به همین دلیل است که میزبانی تماسهای یکبهیک تقریباً رایگان است. mesh در حدود چهار یا پنج نفر دیگر کارایی ندارد، چون یک لپتاپ روی اتصال خانگی باید همزمان چهار یا پنج کپی جداگانه از ویدئوی خود را upload کند.
یک SFU متفاوت عمل میکند. هر مرورگر یک کپی را به سرور upload میکند. سرور هدرهای RTP (پروتکل انتقال بلادرنگ) را میخواند و آن بستهها را بدون decode کردن ویدئو، برای سایر شرکتکنندگان forward میکند. کل ترفند همین است و به همین دلیل است که SFU از نظر CPU سبک و از نظر شبکه سنگین است.
ساختار قدیمیتر MCU (واحد کنترل چندنقطهای) است. این واحد هر stream ورودی را decode کرده، آنها را در یک تصویر ترکیب میکند و دوباره آن تصویر را encode میکند. پهنای باند خروجی بسیار ناچیز است. هزینه CPU بسیار زیاد است. امروزه تقریباً هیچچیز از MCU برای ویدئو استفاده نمیکند و هیچکدام از موارد این راهنما نیز از آن استفاده نمیکنند.
حالا محاسبات برای یک SFU. فرض کنید هر نفر ویدئو را با سرعت 1.2 Mbps ارسال میکند و دوربین هیچکس خاموش نیست. سرور N ضربدر 1.2 Mbps دریافت میکند که خطی و بیخطر است. سرور N ضربدر (N منهای 1) ضربدر 1.2 Mbps ارسال میکند، زیرا هر یک از N نفر باید N منهای 1 stream دیگر را دریافت کنند. آن رقم دوم همان چیزی است که پروژهها را به پایان میرساند.
دادههای پشت این نمودار
[
{
"label": "4 people",
"sfu_egress_mbps": 14.4,
"egress_gb_per_hour": 6.5,
"monthly_volume_tb": 0.13
},
{
"label": "8 people",
"sfu_egress_mbps": 67.2,
"egress_gb_per_hour": 30.2,
"monthly_volume_tb": 0.6
},
{
"label": "15 people",
"sfu_egress_mbps": 252,
"egress_gb_per_hour": 113.4,
"monthly_volume_tb": 2.3
},
{
"label": "30 people",
"sfu_egress_mbps": "1,044",
"egress_gb_per_hour": 469.8,
"monthly_volume_tb": 9.4
},
{
"label": "50 people",
"sfu_egress_mbps": "2,940",
"egress_gb_per_hour": "1,323",
"monthly_volume_tb": 26.5
}
]آن سطرها محاسباتی هستند، نه اندازهگیری یک سرور خاص. ستون ماهانه فرض را بر بیست ساعت تماس در ماه میگذارد. ابتدا سطر آخر را بخوانید. پنجاه نفر با دوربین روشن به 2,940 Mbps ترافیک خروجی پایدار از یک ماشین واحد نیاز دارند. سی نفر به 1,044 Mbps نیاز دارند. چهار نفر به 14.4 Mbps نیاز دارند که هر VPS بدون مشکل از پس آن برمیآید. بین سطر چهار نفره و سطر سی نفره، تعداد افراد هفت و نیم برابر میشود در حالی که ترافیک خروجی بیش از هفتاد برابر رشد میکند.
پیادهسازیهای واقعی زیر این اعداد قرار میگیرند و دانستن دقیق دلیل آن ارزشمند است. Jitsi و LiveKit هر دو از simulcast استفاده میکنند: فرستنده چندین لایه کیفیت را همزمان منتشر میکند و SFU یک لایه پایین را برای هر کسی که در صفحه نیست، forward میکند. Jitsi همچنین تنظیماتی به نام last-N دارد که ویدئو را فقط برای آخرین سخنرانان forward میکند. هر دو ترافیک زیادی را صرفهجویی میکنند. هیچکدام شکل منحنی را تغییر نمیدهند و هر دو به محض اینکه همه دوربین خود را روشن کنند و تصویر یکدیگر را پین کنند، از کمک باز میمانند.
ارتباط uplink در یک VPS واقعاً چه چیزی به شما ارائه میدهد؟
صفحهٔ مشخصات یک طرح، عبارت "1 Gbps port" را ذکر میکند. این سرعت کارت شبکه مجازی است، نه تعهدی برای گام بعدی شبکه (next hop). این لینک با سایر مستأجران روی همان میزبان فیزیکی مشترک است؛ بنابراین، نرخ انتقال داده پایدار در ساعات شلوغی کمتر از سرعت پورت خواهد بود و یک تماس کنفرانسی دقیقاً یک بارِ کاری پایدار محسوب میشود. اکثر طرحها همچنین دارای یک سقف انتقال داده ماهانه هستند که پس از عبور از آن، سرعت شما محدود (throttle) شده یا مشمول هزینه اضافی میشوید.
آن سقف انتقال داده، همان جایی است که هزینههای غیرمنتظره در صورتحساب ظاهر میشوند. بیست ساعت تماس 30 نفره در یک ماه، مقدار 9.4 ترابایت داده را با نرخ 469.8 گیگابایت در ساعت از سرور خارج میکند. بیست ساعت تماس 50 نفره، 26.5 ترابایت داده جابهجا میکند. پیش از بررسی میزان RAM، سقف انتقال داده را چک کنید؛ اگر صفحهٔ طرح در این مورد مبهم است، همان ابهام پاسخ شماست. خواندن صحیح پیشنهادهای VPS ارزان برای این نوع بار کاری، بیش از هر کار دیگری اهمیت دارد.
Jitsi Meet: گزینه پیشفرض و نیازمندیهای آن
Jitsi Meet گزینهای است که اکثر افراد باید کار خود را با آن شروع کنند. این برنامه از مخزن Debian خود پروژه نصب میشود، در حین نصب nginx و گواهی را پیکربندی میکند و videobridge (JVB) از یک پورت UDP واحد استفاده میکند که باعث میشود قوانین فایروال ساده و کوتاه باقی بمانند. از اکتبر 2026، راهنمای رسمی، Debian 12 (Bookworm) یا جدیدتر و Ubuntu 24.04 (Noble Numbat) یا جدیدتر را به همراه OpenJDK 17 به عنوان سیستمعاملهای پشتیبانیشده معرفی میکند.
sudo apt update
sudo apt install -y apt-transport-https curl gnupg
sudo add-apt-repository universe
sudo apt update
sudo curl -sL https://prosody.im/files/prosody-debian-packages.key -o /usr/share/keyrings/prosody-debian-packages.key
echo "deb [signed-by=/usr/share/keyrings/prosody-debian-packages.key] http://packages.prosody.im/debian $(lsb_release -sc) main" | sudo tee /etc/apt/sources.list.d/prosody-debian-packages.list
sudo apt install -y lua5.2
curl -sL https://download.jitsi.org/jitsi-key.gpg.key | sudo sh -c 'gpg --dearmor > /usr/share/keyrings/jitsi-keyring.gpg'
echo "deb [signed-by=/usr/share/keyrings/jitsi-keyring.gpg] https://download.jitsi.org stable/" | sudo tee /etc/apt/sources.list.d/jitsi-stable.list
sudo apt update
sudo apt install -y jitsi-meetنصبکننده از شما یک hostname میخواهد و سپس گزینهای برای انتخاب گواهی ارائه میدهد. گزینه Let's Encrypt را انتخاب کنید و یک نام دامنه به آن بدهید که از قبل به آدرس عمومی این سرور اشاره میکند. گواهی از طریق چالش HTTP صادر میشود، بنابراین اگر نام دامنه به جای دیگری اشاره کند، این مرحله با شکست مواجه خواهد شد.
سپس پورتها را باز کنید. اینها پورتهایی هستند که در راهنما مستند شدهاند؛ ابتدا SSH را باز کنید تا ufw enable باعث قفل شدن دسترسی شما نشود:
sudo ufw allow 22/tcp
sudo ufw allow 80/tcp
sudo ufw allow 443/tcp
sudo ufw allow 10000/udp
sudo ufw allow 3478/udp
sudo ufw allow 5349/tcp
sudo ufw enableپورتهای TCP 80 و 443 برای سرویسدهی به برنامه وب و تمدید گواهی استفاده میشوند. پورت UDP 10000 ترافیک صوتی و تصویری هر تماسی را که از طریق bridge عبور میکند منتقل میکند و همان پورتی است که افراد فراموش میکنند. پورت TCP 5349 متعلق به سرور coturn است که بسته Jitsi در کنار bridge نصب میکند و مسیر جایگزین برای کسانی است که شبکه آنها پورتهای UDP را مسدود کرده است. پورت UDP 3478 پورت STUN برای coturn است که راهنما آن را اختیاری علامتگذاری کرده است، زیرا Jitsi تنها پس از اعمال تغییرات در config.js از آن استفاده میکند.
sudo systemctl status jitsi-videobridge2
sudo ss -ulnp | grep 10000دستور اول باید وضعیت سرویس را active گزارش کند. دستور دوم باید نشان دهد که bridge روی پورت UDP 10000 در حال گوش دادن است. اگر خروجی خالی بود، یعنی bridge شروع به کار نکرده است و /var/log/jitsi/jvb.log علت آن را بیان خواهد کرد.
در مورد تعیین ابعاد سرور، راهنمای Jitsi نقطه شروع پیشنهادی خود را دارد و BigBlueButton مقادیر بسیار بزرگتری را پیشنهاد میدهد:
دادههای پشت این نمودار
[
{
"label": "Jitsi Meet",
"ram_gb": 8,
"cpu_cores": 4,
"uplink_mbps": "1,000"
},
{
"label": "BigBlueButton 4.0",
"ram_gb": 16,
"cpu_cores": 8,
"uplink_mbps": 250
}
]راهنمای Jitsi معمولاً 8 گیگابایت رم پیشنهاد میدهد و میگوید 4 هسته اختصاصی میتواند برای یک سرور پایه کافی باشد. این راهنما 1,000 مگابیت بر ثانیه پهنای باند شبکه را اغلب برای سرورهای دوستانه یا سازمانهای کوچک کافی میداند، برای سرورهای جدی 10 گیگابیت بر ثانیه را پیشنهاد میدهد و اشاره میکند که جلسات کوچک با 4 گیگابایت رم و سرورهای آزمایشی با 2 گیگابایت رم نیز کار میکنند. یک نکته در آن صفحه ارزش به خاطر سپردن دارد: Prosody، سرور XMPP که مدیریت سیگنالینگ را بر عهده دارد، تنها میتواند از یک هسته استفاده کند. هستههای اضافی به bridge کمک میکنند اما تأثیری بر سیگنالینگ ندارند.
چرا همه وارد تماس میشوند، اما هیچکس تصویر را نمیبیند؟
این خطای استاندارد Jitsi روی یک VPS است. فهرست شرکتکنندگان پر میشود، چت کار میکند و همه tileهای ویدئو سیاه میمانند. videobridge آدرسهایی را که روی interfaceهای خودش پیدا میکند، بهاضافه هر public address قابلکشف را اعلام میکند. نصب تازهٔ package، برای این discovery آن را به یک STUN server متعلق به Jitsi متصل میکند و handbook میگوید bridge پشت NAT باید هنگام boot خودش را پیکربندی کند. وقتی discovery شکست میخورد، مثلاً چون traffic خروجی به آن STUN server مسدود است، bridge روی یک private address فقط همان آدرس را اعلام میکند. در نتیجه هر client تلاش میکند media را به چیزی مانند 10.0.0.5 بفرستد و packetها به مقصد نمیرسند. symptom ذکرشده در handbook برای این وضعیت، تماسهایی است که با 2 نفر کار میکنند اما با پیوستن نفر سوم شکست میخورند؛ چون 2 نفر از حالت peer to peer استفاده میکنند و اصلاً به bridge متصل نمیشوند.
وقتی discovery کافی نیست، هر دو آدرس را خودتان به bridge اعلام کنید. یک mapping ثابت به /etc/jitsi/videobridge/jvb.conf اضافه کنید:
ice4j {
harvest {
mapping {
static-mappings = [
{
local-address = "10.0.0.5"
public-address = "203.0.113.10"
}
]
}
}
}با sudo systemctl restart jitsi-videobridge2 سرویس را restart کنید. آدرس local را از ip -4 addr show و آدرس public را از control panel ارائهدهنده بگیرید. راهنماهای قدیمیتر همین تنظیم را در /etc/jitsi/videobridge/sip-communicator.properties با کلیدهای org.ice4j.ice.harvest.NAT_HARVESTER_LOCAL_ADDRESS و org.ice4j.ice.harvest.NAT_HARVESTER_PUBLIC_ADDRESS انجام میدهند. این روشها همچنان کار میکنند، اما نصبهای جدید باید از block مربوط به mapping در بالا استفاده کنند.
علت دیگر، firewallای است که آن را پیکربندی نکردهاید. بیشتر ارائهدهندگان یک network firewall در control panel اجرا میکنند که از ufw روی خود server جداست و UDP 10000 باید در هر دو باز باشد. برای فهمیدن اینکه کدام لایه packetها را drop میکند، هنگام ورود یک کاربر از خارج، روی server دستور sudo tcpdump -ni any udp port 10000 را اجرا کنید. اگر هیچ packetی نمیرسد، چیزی به machine نمیرسد؛ بنابراین block در بالادست operating system است. اگر packetها میرسند اما tileها همچنان سیاه میمانند، bridge با آدرسی پاسخ میدهد که client نمیتواند به آن دسترسی پیدا کند؛ بنابراین مشکل از mapping است. اگر درباره خود ufw مطمئن نیستید، قواعد ufw موردنیاز واقعی یک VPS ترتیب ruleهایی را توضیح میدهد که معمولاً باعث اشتباه میشوند.
BigBlueButton: سنگین، دارای ساختار مشخص و نیازمند کل سرور
BigBlueButton برای آموزش طراحی شده است. این سرویس دارای تختهسفید، اتاقهای گروهی، نظرسنجی و فضای ارائه است و خطلوله ضبط آن یک ویژگی اصلی محسوب میشود، نه یک افزونه. این گزینه همچنین با اختلاف زیاد سنگینترین گزینه در این لیست است و بستهای نیست که بتوانید به یک سرور موجود اضافه کنید.
نسخه فعلی BigBlueButton 4.0 است. نسخه 4.0.0 در تاریخ 14 اکتبر 2026 به عنوان نسخه پایدار منتشر شد؛ نسخه 4.0.1 که در 29 اکتبر 2026 عرضه شد، اکنون در GitHub به عنوان Latest علامتگذاری شده است و راهنمای نصب پروژه اکنون راهنمای نسخه 4.0 است. این نسخه به Ubuntu 24.04 نیاز دارد که با فلگ نسخه noble-400 انتخاب میشود و اسکریپت نصب از اجرا روی هر نسخه دیگری خودداری میکند. امکان ارتقای درجا از نسخه 3.0 روی Ubuntu 22.04 وجود ندارد: پروژه توصیه میکند یک سرور 24.04 تمیز راهاندازی کنید. نیازمندیهای اعلامشده برای محیط عملیاتی عبارتند از 16 گیگابایت حافظه با فعال بودن swap، 8 هسته CPU با عملکرد تکرشتهای بالا، 250 مگابیت بر ثانیه پهنای باند متقارن و 500 گیگابایت فضای دیسک در صورت نگهداری ضبطها (50 گیگابایت در صورت غیرفعال کردن آنها). راهنمای نسخه 4.0 همچنین به جدیدترین نسخه Docker نیاز دارد که تبدیل اسناد LibreOffice را در یک sandbox نگه میدارد و پروژه هشدار میدهد که این موضوع ممکن است برخی محیطهای مجازیسازیشده را غیرقابل استفاده کند؛ همچنین به یک آدرس IPv4 و یک آدرس IPv6 نیاز دارد. پورتهای مورد استفاده شامل TCP 80 و 443، پورتهای TCP و UDP 3478 برای سرور داخلی TURN، بهعلاوه محدوده UDP 16384 تا 32768 هستند.
wget -q https://raw.githubusercontent.com/bigbluebutton/bbb-install/v4.0.x-release/bbb-install.sh
less bbb-install.sh
bash bbb-install.sh -v noble-400 -s bbb.example.com -e info@example.com -gنمونههای خود پروژه، اسکریپت را مستقیماً به bash هدایت میکنند. ابتدا آن را دانلود و مطالعه کنید، زیرا اسکریپت پیکربندی سایت nginx خود را مینویسد، Docker و استک رسانه و صوتی اختصاصی خود را نصب میکند، apt را به مخزن بستههای نسخهبندیشده پروژه هدایت میکند و نام میزبان (hostname) را تصاحب میکند. این یک طراحی است، نه یک نقص: BigBlueButton انتظار دارد مالک ماشین باشد. اسکریپت بهطور پیشفرض یک فایروال ufw نصب میکند (برای انصراف، -W را پاس دهید؛ فلگ قدیمی -w همچنان پذیرفته میشود اما کاری انجام نمیدهد)، قوانین پیشفرض آن فقط اجازه SSH روی پورت 22 را میدهند و اگر sshd روی پورت دیگری گوش دهد، نصب متوقف میشود. -s نام میزبان است که باید از قبل به آدرس عمومی این سرور resolve شود، -e آدرسی است که Let's Encrypt ثبت میکند و -g رابط کاربری Greenlight را اضافه میکند. راهنمای نسخه 4.0 همچنین ایجاب میکند که پورتهای TCP 80 و 443 توسط وبسرور یا reverse proxy دیگری اشغال نشده باشند؛ بنابراین اگر همان ماشین TLS را برای سرویسهای دیگر مدیریت میکند، به BigBlueButton سرور اختصاصی بدهید و سعی نکنید آن را پشت پیکربندی nginx reverse proxy که در حال حاضر اجرا میکنید قرار دهید.
دو ردیف موجود در آن جدول را با دقت مقایسه کنید. BigBlueButton دو برابر حافظه و دو برابر هسته پیشنهادی Jitsi را درخواست میکند، در حالی که یکچهارم پهنای باند آن را نیاز دارد. این دو عدد به روش یکسانی اندازهگیری نشدهاند و فرضهای متفاوتی برای اندازه اتاقها دارند، بنابراین هر کدام را به عنوان نقطه شروع پروژه مربوط به خودش در نظر بگیرید، نه یک مقایسه مستقیم. شکاف CPU واقعی است و ناشی از تمام کارهایی است که BigBlueButton علاوه بر انتقال ویدیو انجام میدهد.
Galène: گزینهٔ کوچک
Galène یک SFU کمحجم است که با Go نوشته شده است. این برنامه به یک binary استاتیک منفرد build میشود، web client خودش را دارد و یک TURN server نیز در آن گنجانده شده است؛ بنابراین برای اجرای مداوم آن به XMPP server، Java runtime یا Rails application نیاز ندارید. اگر به یک تماس پایدار با 10 نفر روی یک سرور معمولی نیاز دارید، پیش از آنکه نتیجه بگیرید به سختافزار بیشتری نیاز دارید، این گزینه را امتحان کنید.
sudo apt update && sudo apt install -y git golang-go
git clone https://github.com/jech/galene
cd galene
CGO_ENABLED=0 go build -ldflags='-s -w'
mkdir groupsپکیج golang-go در Ubuntu 24.04، نسخهٔ Go 1.22 است، اما go.mod مربوط به Galène اکنون به Go 1.24 نیاز دارد. اگر go build اعلام کرد که module به نسخهٔ جدیدتری از Go نیاز دارد، بهجای درگیرشدن با پکیج توزیع، یک toolchain فعلی را از go.dev نصب کنید.
در Galène، group همان واژهای است که برای room استفاده میشود و یک group یک فایل JSON است:
echo '{"users": {"vimes": {"password":"sybil", "permissions":"op"}}}' > groups/night-watch.json
./galene &https://your.server:8443/group/night-watch/ را باز کنید و با نام کاربری vimes وارد شوید. این اطلاعات ورود مستقیماً از README پروژه گرفته شدهاند؛ بنابراین پیش از آنکه پورت از هر جای دیگری قابل دسترسی باشد، آنها را تغییر دهید. در یک deployment واقعی، راهنمای نصب پروژه از یک کاربر اختصاصی galene استفاده میکند و binary و دایرکتوریهای static، data و groups را در home آن قرار میدهد. کپی آزمایشی را که با ./galene & اجرا کردهاید متوقف کنید، سپس این دستور را از دایرکتوریای که در آن build انجام دادید، اجرا کنید:
sudo useradd --system --create-home --home-dir /home/galene --shell /usr/sbin/nologin galene
mkdir -p data
sudo cp -r galene static data groups /home/galene/
sudo chown -R galene:galene /home/galeneپروژه این systemd unit را برای آن مستند کرده است:
[Unit]
Description=Galene
After=network.target
[Service]
Type=simple
WorkingDirectory=/home/galene
User=galene
Group=galene
ExecStart=/home/galene/galene
LimitNOFILE=65536
[Install]
WantedBy=multi-user.targetپورتها عبارتاند از TCP 8443 برای web interface، TCP و UDP 1194 برای TURN server داخلی و محدودهای از پورتهای UDP با شمارهٔ بالا برای media. راهنمای نصب این محدوده را بزرگ میخواهد؛ در حد چند دههزار پورت. بنابراین یک محدودهٔ وسیع مشخص کنید و برای آن یک firewall rule بنویسید:
./galene -udp-range 30000-65000گزینهٔ -turn همان گزینهای است که روی VPS اهمیت دارد. -turn ':1194' روی همهٔ آدرسهای عمومی IPv4 گوش میدهد. -turn '203.0.113.1:1194' آدرسی را به Galène اعلام میکند که clientها در عمل آن را میبینند؛ این گزینه زمانی لازم است که آدرس خود ماشین خصوصی باشد. -turn '' server داخلی را غیرفعال میکند تا بتوانید از طریق data/ice-servers.json به یک server خارجی اشاره کنید. مقدار پیشفرض auto است که وقتی ice-servers.json وجود نداشته باشد، مانند :1194 عمل میکند.
میتوانید با تنظیم proxyURL در data/config.json، nginx را جلوی web interface قرار دهید و location مربوط به /ws را با headerهای ارتقای WebSocket proxy کنید. باید بدانید این تنظیم دقیقاً چه چیزی را پوشش میدهد: clientها همچنان flowهای مستقیم UDP و connectionهای مستقیم TCP را به پورت TURN باز میکنند؛ بنابراین reverse proxy فقط page و signalling را مدیریت میکند. Media از آن عبور نمیکند.
README مربوط به Galène میگوید که این برنامه به منابع بسیار محدودی نیاز دارد و صفحهٔ اصلی پروژه نیز اعداد تقریبی ارائه میکند: حدود 20 شرکتکننده در یک meeting روی یک core، 40 نفر روی 4 core، در برابر حدود 300 نفر بهازای هر core برای یک lecture؛ زیرا بار meeting با مربع تعداد افراد رشد میکند. محاسبات bandwidth بالا همچنان بهطور کامل برقرار است. چیزی که صرفهجویی میکنید، memory و اجزای متغیر همهچیز بهجز SFU است.
Owncast: یک به چند، جایی که پهنای باند خطی باقی میماند
بسیاری از نیازهای «کنفرانس ویدیویی» در واقع یک نفر است که برای مخاطبانی که در چت تایپ میکنند، ارائه میدهد. اگر نیاز شما این است، SFU ابزار اشتباهی است و صرفهٔ اقتصادی کاملاً تغییر میکند. Owncast یک استریم RTMP از OBS یا انکودر مشابه دریافت کرده و آن را از طریق HTTPS معمولی به صورت HLS ارائه میدهد. پهنای باند به ازای هر بیننده به جای حالت درجه دوم، خطی است و چون خروجی شامل سگمنتهای HTTP ساده است، میتوانید آن را به پشت یک object storage یا CDN منتقل کنید و هزینهٔ آن را روی سرور مبدأ متوقف کنید.
curl -sL https://owncast.online/install.sh -o install-owncast.sh
less install-owncast.sh
bash install-owncast.shمستندات پروژه توصیه میکند که این برنامه را با کاربر root اجرا نکنید و هر اسکریپت راه دور را پیش از اجرا بررسی کنید؛ به همین دلیل دانلود در مرحلهٔ جداگانهای در بالا قرار گرفته است. نصبکننده، نسخهٔ فعلی (release) و یک باینری ffmpeg را در صورتی که از قبل نداشته باشید، دریافت میکند. دستور ./owncast را از دایرکتوری نصب اجرا کنید و پنل مدیریت را در /admin روی پورت 8080 باز کنید. نام کاربری پیشفرض admin با رمز عبور abc123 است. کلید استریم پیشفرض نیز abc123 است، اما این یک تنظیم جداگانه است، بنابراین پیش از آنکه دامنهای را به سمت سرور هدایت کنید، هر دو را تغییر دهید.
دو نتیجه از طراحی HLS حاصل میشود. بینندگان چند ثانیه یا چند دقیقه از پخش زنده عقبتر هستند، زیرا HLS سگمنتهای کامل را ارسال میکند، بنابراین هیچ گفتگوی دوطرفهای وجود ندارد. همچنین هیچ UDP و هیچ TURN در مسیر وجود ندارد، بنابراین به شبکههایی میرسد که یک تماس WebRTC اصلاً نمیتواند در آنها متصل شود.
Owncast همچنین تنها ابزار در این لیست است که بهطور هدفمند عمل transcoding را انجام میدهد. هر کیفیت خروجی که فعال میکنید، یک انکود ffmpeg دیگر از استریم ورودی است که به اندازهٔ طول پخش اجرا میشود. روی یک VPS کوچک، یک یا دو کیفیت ارائه دهید.
اجرای Element Call روی یک Matrix server که از قبل اجرا میکنید
اگر از قبل Matrix را اجرا میکنید، ویدئو یک قابلیت افزوده است، نه محصول دومی که باید مدیریت شود. با این حال، بیش از یک package لازم است. Element Call به 2 مؤلفه در پشت homeserver شما نیاز دارد. اولی یک LiveKit SFU است که forwarding رسانه را انجام میدهد. دومی سرویس احراز هویت MatrixRTC، یعنی element-hq/lk-jwt-service، است که JWT امضاشده (JSON web token) را صادر میکند؛ کاربر Matrix این JWT را به LiveKit SFU ارائه میدهد. نسخههای فعلی قرار است بهصورت application service روی homeserver شما اجرا شوند و endpointهای LiveKit را در هر دو API مربوط به client و federation proxy کنند. حالت قدیمی standalone که در آن clientها مستقیماً با سرویس ارتباط داشتند، همچنان پشتیبانی میشود، اما deprecated است. در هر دو حالت، پروژه استفاده از یک TLS reverse proxy در جلوی سرویس را توصیه میکند و .well-known/matrix/client شما باید clientها را به آن هدایت کند.
پورتهای مستند LiveKit:
- TCP 7880 برای API و client WebSocket، پشت proxyای که TLS را terminate میکند
- TCP 7881 برای ICE روی TCP، زمانی که client نمیتواند از طریق UDP به بیرون متصل شود
- UDP 50000 تا 60000 برای رسانه؛ هر participant در یک room از 2 پورت استفاده میکند
- UDP 3478 و TCP 5349 در صورت فعالکردن TURN server داخلی؛ پورت 5349 باید به 443 منتقل شود، مگر آنکه یک load balancer در جلوی آن قرار داشته باشد
2 پورت برای هر participant نگرانکننده به نظر میرسد، اما چنین نیست. بازهای با 10,000 پورت هزاران participant را پوشش میدهد و uplink شما مدتها پیش از پرشدن این بازه به ظرفیت خود میرسد. با وجود این، کل بازه را باز کنید، چون بازهای که فقط بخشی از آن باز باشد برای برخی افراد کار نمیکند و برای دیگران کار میکند؛ این بدترین نوع خطا برای عیبیابی است. بخش مربوط به homeserver کار مستقلی است که در اجرای یک Synapse homeserver روی VPS پوشش داده شده است.
چرا یک نفر هرگز نمیتواند متصل شود؟ TURN و شبکههایی که UDP را مسدود میکنند
ابتدا چند اصطلاح را مرور کنیم؛ هرکدام فقط یکبار استفاده میشوند. ICE (interactive connectivity establishment) فرایندی است که دو endpoint مربوط به WebRTC برای یافتن یک مسیر قابل استفاده میان خود طی میکنند. STUN (session traversal utilities for NAT) یک service کوچک است که به client میگوید آدرس عمومی خودش از خارج چگونه دیده میشود. TURN (traversal using relays around NAT) یک relay است: وقتی مسیر مستقیم وجود ندارد، هر دو طرف media خود را به TURN server میفرستند و server آن را forward میکند.
برای شرکتکنندگانی که شبکهٔ آنها را نمیتوانید کنترل کنید، به TURN نیاز دارید. یکی از آنها ممکن است روی شبکهٔ شرکتی یا دانشگاهی باشد که outbound UDP را بهطور کامل مسدود میکند. دیگری ممکن است پشت carrier-grade NAT باشد که برای هر مقصد یک source port متفاوت اختصاص میدهد. به این وضعیت symmetric NAT گفته میشود و باعث میشود آدرسی که STUN گزارش کرده است بیاستفاده باشد.
نشانهٔ این مشکل مشخص است. بیشتر افراد join میشوند و همهچیز درست کار میکند. یک نفر participant list و chat را میبیند، اما tile او سیاه است و spinner نمایش داده میشود. browser او candidateها را جمعآوری کرده است، اما هیچیک از pairها کار نکردهاند و ICE به وضعیت failed رسیده است. در Chrome، با بازکردن chrome://webrtc-internals هنگام تلاش برای اتصال، candidate pairها و این failure را میبینید. از آن شخص بخواهید با تلفنی که از mobile data استفاده میکند دوباره تلاش کند. اگر آنجا کار کرد، علت شبکهٔ اوست و TURN راهحل آن است.
TURN روی TCP در پورت 443 یا 5349، fallbackای است که تقریباً همهجا کار میکند؛ زیرا شبکهای که TLS را روی 443 مسدود کند، web را نیز مسدود کرده است. پکیج Jitsi، coturn را برای شما نصب و پیکربندی میکند و به همین دلیل ruleهای مستندشدهٔ firewall آن شامل UDP 3478 و TCP 5349 است. Galène یک TURN داخلی روی 1194 دارد. LiveKit یک TURN server تعبیهشده دارد که آن را در config فعال میکنید. اگر coturn را خودتان اجرا میکنید:
sudo apt install -y coturn
sudo systemctl enable --now coturnlistening-port=3478
tls-listening-port=5349
fingerprint
use-auth-secret
static-auth-secret=REPLACE_WITH_A_LONG_RANDOM_STRING
realm=turn.example.com
cert=/etc/letsencrypt/live/turn.example.com/fullchain.pem
pkey=/etc/letsencrypt/live/turn.example.com/privkey.pem
min-port=49152
max-port=65535
no-multicast-peersاین تنظیمات در /etc/turnserver.conf قرار میگیرند. تنظیمات شما با اجرای sudo systemctl restart coturn اعمال میشوند و هر ویرایش بعدی فایل نیز به همین restart نیاز دارد.
اکنون به هزینهای میرسیم که معمولاً کسی آن را محاسبه نمیکند. یک relay، تمام media هر participant رلهشده را در هر دو جهت منتقل میکند. وقتی coturn با SFU روی یک سرور قرار دارد، بیشتر این traffic از loopback عبور میکند و بهجای uplink، CPU را مصرف میکند. همچنین TLS listener هر packet را یک بار دیگر، علاوه بر DTLSای که media از قبل دارد، رمزنگاری میکند. وقتی TURN را به ماشین جداگانهای منتقل میکنید، آن ماشین به برنامهٔ bandwidth جداگانهای نیاز دارد که باید مانند bandwidth مربوط به SFU اندازهگیری شود. علاوه بر این، TURN روی TCP، media بلادرنگ را به یک stream قابلاعتماد تبدیل میکند؛ بنابراین packet ازدسترفته بهجای آنکه نادیده گرفته شود، دوباره ارسال میشود و participant رلهشده روی یک link پراتلاف، بهجای یک اختلال کوتاه، با تأخیر انباشته مواجه میشود. Relay یک fallback است که اتصال را برقرار میکند، اما کیفیت آن از چیزی که مسیر مستقیم ارائه میداد پایینتر است.
SFU چه زمانی عملیات transcode را انجام میدهد و هزینه آن چقدر است؟
یک SFU بستهها را فقط فوروارد میکند و هرگز ویدیو را decode نمیکند؛ به همین دلیل است که 4 هسته پردازشی میتوانند اتاقی را مدیریت کنند که روی کاغذ غیرممکن به نظر میرسد. دو قابلیت این ویژگی را نقض میکنند و هر دو، کاربرانی را که با یک تیک ساده آنها را فعال کردهاند، غافلگیر میکنند.
اولین مورد، ضبط (Recording) است. Jitsi با استفاده از Jibri ضبط را انجام میدهد و مستندات خود Jibri دقیقاً توضیح میدهد که چه کاری انجام میدهد: این ابزار یک نمونه از Chrome را در یک framebuffer مجازی رندر کرده و خروجی را با ffmpeg ضبط و encode میکند. این یعنی یک مرورگر کامل که تمام جلسه شما را رندر میکند، به علاوه یک انکودر ویدیویی که در تمام طول تماس بهطور مداوم در حال اجراست. همان مستندات بیان میکنند که در هر لحظه فقط یک ضبط روی یک Jibri پشتیبانی میشود و Jibri باید روی یک ماشین یا ماشین مجازی جداگانه اجرا شود که هیچ برنامه دیگری از نمایشگر یا دستگاههای صوتی آن استفاده نمیکند. ضبط کردن، یک سرور دوم است، نه فقط یک تیک ساده.
دومین مورد، شمارهگیری تلفنی (Telephone dial-in) است. پل زدن یک خط تلفن به داخل کنفرانس به معنای تبدیل Opus با نرخ 48 kHz به فرمتی است که شبکه تلفن میپذیرد (معمولاً G.711 با نرخ 8 kHz)؛ این کار در هر دو جهت و بهطور مداوم برای کل مدت تماس انجام میشود. transcoding صوتی بسیار ارزانتر از transcoding ویدیویی است، اما برای هر شاخه از تماس اجرا میشود و هرگز متوقف نمیشود، بنابراین هزینه آن با تعداد تماسگیرندگان افزایش مییابد. اگر به یک شماره برای تماس تلفنی نیاز دارید، یک سرور VoIP خودمیزبان مؤلفهای است که این کار را انجام میدهد و به همان دلیلی که برای Jibri ذکر شد، باید روی سختافزار اختصاصی خود اجرا شود.
واقعاً به چه ابعادی از سرور نیاز دارید؟
برای دو نفر، تقریباً به هیچ منبع خاصی نیاز نیست. Jitsi بهطور پیشفرض وقتی دقیقاً دو شرکتکننده وجود دارد، حالت peer to peer را فعال میکند. در این حالت، کنفرانس ارسال داده از طریق videobridge را متوقف کرده و از اتصال مستقیم استفاده میکند، یا اگر مسیر مستقیمی وجود نداشته باشد، از یک TURN relay بهره میبرد. پیوستن نفر سوم، وضعیت را دوباره به bridge برمیگرداند. این تغییر باعث صرفهجویی در ترافیک رسانهای میشود، اما راهنمای Jitsi همچنان 2 گیگابایت رم را برای سرورهای تست یا جلسات بسیار کوچک پیشنهاد میدهد.
برای حداکثر حدود ده نفر با دوربینهای روشن، 67.2 مگابیت بر ثانیه برای هشت شرکتکننده، در محدوده توان آپلینک یک VPS معمولی قرار دارد. راهنمای Jitsi میگوید جلسات کوچک با 4 گیگابایت رم بهخوبی اجرا میشوند. بهجای نمودار CPU، شمارنده ترافیک (transfer counter) را زیر نظر بگیرید.
برای سی نفر، بدترین حالت 1,044 مگابیت بر ثانیه ترافیک پایدار است و بیست ساعت از آن معادل 9.4 ترابایت میشود. در این مقیاس، پیش از قیمتگذاری سرور، باید هزینه پهنای باند را محاسبه کنید. قابلیت last-N را فعال کنید تا bridge فقط دادههای سخنرانان اخیر را ارسال کند، حالت پیشفرض برای شرکتکنندگان را دوربین خاموش قرار دهید و SFU را در جایی میزبانی کنید که سقف انتقال داده آن با محاسبات شما همخوانی داشته باشد.
فراتر از این تعداد، یک VPS انتخاب اشتباهی است. یا رویداد شما در واقع یک پخش زنده (broadcast) است که در آن صورت استفاده از Owncast به همراه یک CDN هزینه بسیار کمتری دارد، یا نیاز دارید که بیش از یک videobridge را پشت یک لایه signalling واحد قرار دهید که این پروژه، متفاوت از چیزی است که شروع کردهاید.
یک نکته نهایی در مورد مسیریابی: اکثر تیمها در طول روز به چت بسیار بیشتر از ویدیو نیاز دارند و میزبانی چت ارزان است و نگهداری آن آسان است. راهاندازی یک جایگزین Slack به صورت self-hosted برای ترافیک روزمره و نگهداری یک سرور کنفرانس فقط برای تماسهای برنامهریزیشده، چیدمانی است که با بودجه محدود یک VPS سازگاری دارد.
FAQ
چرا افراد میتوانند به جلسه Jitsi من ملحق شوند اما یکدیگر را نمیبینند یا نمیشنوند؟
چت و لیست شرکتکنندگان از طریق کانال سیگنالینگ منتقل میشوند که از پروتکل TCP روی پورت 443 استفاده میکند، در حالی که صدا و تصویر از پورت UDP 10000 برای اتصال به videobridge استفاده میکنند. اگر لیست شرکتکنندگان پر شود اما تصویر همه سیاه بماند، مسیر رسانه (media path) قطع است در حالی که مسیر سیگنالینگ مشکلی ندارد. پورت UDP 10000 را در هر دو فایروال بررسی کنید: فایروال روی سرور و فایروال شبکه در پنل مدیریت ارائهدهنده سرویس. سپس بررسی کنید که bridge آدرس عمومی خود را میشناسد یا خیر؛ اگر تشخیص خودکار در یک ماشین مجازی با آدرس خصوصی و آدرس عمومی نگاشتشده (mapped) کار نکرد، یک نگاشت ایستا (static mapping) در ice4j.harvest.mapping داخل فایل /etc/jitsi/videobridge/jvb.conf اضافه کنید و jitsi-videobridge2 را restart کنید. اجرای دستور sudo tcpdump -ni any udp port 10000 در حین پیوستن یک نفر به جلسه، به شما میگوید مشکل از کدامیک است، زیرا اگر هیچ بستهای دریافت نشود، یعنی مسدودسازی در لایهای بالاتر از سیستمعامل رخ داده است.
یک تماس ویدیویی 30 نفره چقدر پهنای باند مصرف میکند؟
در بدترین حالت، یعنی زمانی که دوربین همه روشن است و SFU یک لایه با کیفیت کامل را برای همه ارسال میکند، حدود 1,044 مگابیت بر ثانیه از سرور خارج میشود که معادل 469.8 گیگابایت در ساعت است. این یک محاسبه ریاضی از N ضربدر (N منهای 1) استریم با نرخ 1.2 مگابیت بر ثانیه برای هر کدام است، نه اندازهگیری واقعی تنظیمات شما. قابلیت Simulcast و تنظیمات last-N در استفاده عادی این مقدار را بهشدت کاهش میدهند، زیرا در هر لحظه اکثر شرکتکنندگان روی صفحه نمایش حضور ندارند. با این حال، ظرفیت را برای حالتی نزدیک به بدترین سناریو در نظر بگیرید، چرا که بدترین حالت همان جلسات عمومی است که همه همزمان دوربین خود را روشن میکنند.
آیا میتوانم Jitsi Meet را روی یک VPS با 1 گیگابایت رم اجرا کنم؟
کمترین پیشنهاد در راهنما، 2 گیگابایت رم برای سرورهای تست یا جلسات بسیار کوچک است. Prosody، videobridge و Java runtime همگی به حافظه نیاز دارند؛ پیشنهاد معمول راهنما 8 گیگابایت است و محدودیت پهنای باند پیش از محدودیت حافظه خود را نشان خواهد داد. اگر تنها یک سرور 1 گیگابایتی در اختیار دارید، Galène برای این اندازه مناسبتر از Jitsi است.
آیا با وجود داشتن IP عمومی روی VPS، همچنان به سرور TURN نیاز دارم؟
بله. مشکلی که TURN حل میکند در سمت دیگر تماس قرار دارد. شرکتکنندهای که در یک شبکه سازمانی است و ترافیک خروجی UDP را مسدود کرده، یا پشت یک NAT در سطح اپراتور (carrier-grade NAT) قرار دارد که برای هر مقصد یک پورت منبع متفاوت اختصاص میدهد، نمیتواند مسیر مستقیم رسانه ایجاد کند، فارغ از اینکه آدرس سرور شما چقدر عمومی باشد. پروتکل TURN روی TCP و پورتهای 443 یا 5349، یک رله (relay) در اختیار آنها قرار میدهد که برای فایروال آنها شبیه ترافیک عادی وب به نظر میرسد. نصب بستهای Jitsi بهصورت پیشفرض coturn را برای این منظور راهاندازی میکند، به همین دلیل است که قوانین فایروال مستندشده برای آن، پورتهای UDP 3478 و TCP 5349 را باز میگذارند.
چرا BigBlueButton به سختافزار بسیار بیشتری نسبت به Jitsi Meet نیاز دارد؟
زیرا این نرمافزار کاری فراتر از انتقال ویدیو انجام میدهد. نیازمندیهای تولیدی منتشرشده برای آن 16 گیگابایت رم و 8 هسته پردازنده است، در حالی که این مقادیر در راهنمای Jitsi برابر با 8 گیگابایت رم و 4 هسته پردازنده است. BigBlueButton یک پشته کامل کنفرانس صوتی، تختهسفید اشتراکی و لایه ارائه، خط لوله ضبط و پردازش پس از آن، و یک رابط کاربری وب با حسابهای کاربری را همگی روی یک ماشین اجرا میکند. این نرمافزار همچنین در مورد پلتفرم خود سختگیر است: نسخه فعلی یعنی 4.0، فقط روی Ubuntu 24.04 نصب میشود، به Docker و هر دو آدرس IPv4 و IPv6 نیاز دارد و نمیتوان آن را بهصورت درجا (in-place) از نسخه 3.0 ارتقا داد. هر دو مجموعه ارقام از مستندات خود پروژهها استخراج شدهاند و نقاط شروع هستند، نه اندازهگیری دقیق بار کاری شما.