SSD Nodes Learn Hosting plans →
Przewodniki Matt ConnorAutor: Matt Connor

Własny serwer wideokonferencyjny na VPS: poradnik

Jak obliczyć wymagane pasmo dla Jitsi, BigBlueButton oraz Galène. Analiza zużycia RAM, otwartych portów UDP oraz problemów z NAT przy hostowaniu własnych wideokonferencji.

Własny serwer wideokonferencyjny na VPS to problem z przepustowością

Własne rozwiązanie do wideokonferencji na małych serwerach zawodzi z jednego powodu i prawie nigdy nie jest to sam proces instalacji. Każde nowoczesne narzędzie wykorzystuje komponent SFU (Selective Forwarding Unit). Pobiera on jeden strumień wideo od każdego uczestnika i przesyła jego kopię do wszystkich pozostałych, przez co ruch wychodzący z serwera rośnie kwadratowo wraz z liczbą osób. Dokumentacja Jitsi sugeruje 2 GB pamięci RAM dla serwerów testowych lub bardzo małych spotkań. Nie obsłuży to dużych zebrań, które planujesz.

Dlatego wykonaj pracę w następującej kolejności. Policz uczestników, oblicz wymagane megabity, a następnie wybierz serwer. Instalacja to dwadzieścia minut kopiowania i wklejania poleceń. To łącze wychodzące decyduje o tym, czy ktokolwiek będzie w stanie Cię usłyszeć.

Dlaczego zapotrzebowanie na pasmo rośnie wraz z kwadratem liczby uczestników?

Należy zacząć od topologii mesh. Każda przeglądarka koduje obraz z kamery i wysyła kopię bezpośrednio do każdej innej przeglądarki; żaden serwer mediów nie przetwarza wideo. Połączenie mesh dla dwóch osób wymaga serwera sygnalizacyjnego oraz przekaźnika TURN w sytuacjach, gdy przeglądarki nie mogą nawiązać bezpośredniego połączenia. Dlatego utrzymanie połączeń jeden na jeden jest niemal bezpłatne. Topologia mesh przestaje być wydajna przy czterech lub pięciu osobach, ponieważ laptop w sieci domowej musi jednocześnie wysyłać cztery lub pięć oddzielnych kopii własnego obrazu.

SFU działa inaczej. Każda przeglądarka wysyła jedną kopię do serwera. Serwer odczytuje nagłówki RTP (real-time transport protocol) i przesyła pakiety do pozostałych uczestników bez dekodowania wideo. Na tym polega cała metoda; dlatego SFU charakteryzuje się niskim obciążeniem CPU, ale wysokim zapotrzebowaniem na sieć.

Starszym rozwiązaniem jest MCU (multipoint control unit). Dekoduje on każdy przychodzący strumień, łączy je w jeden obraz i ponownie go koduje. Pasmo wyjściowe jest minimalne, ale koszt CPU ogromny. Obecnie niemal żadne rozwiązanie wideo nie korzysta z MCU i żaden element tego przewodnika go nie uwzględnia.

Oto obliczenia dla SFU. Załóżmy, że każda osoba wysyła wideo z prędkością 1.2 Mbps i nikt nie wyłącza kamery. Serwer odbiera N razy 1.2 Mbps, co jest wartością liniową i bezpieczną. Serwer wysyła N razy (N minus 1) razy 1.2 Mbps, ponieważ każda z N osób musi odebrać pozostałe N minus 1 strumieni. Ta druga wartość decyduje o powodzeniu lub porażce projektu.

WykresSFU outbound traffic, arithmetic model at 1.2 Mbps per sender
Dane, na których opiera się ten wykres
[
  {
    "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
  }
]

Powyższe wiersze to obliczenia matematyczne, a nie pomiary konkretnego serwera. Kolumna miesięczna zakłada dwadzieścia godzin połączeń w miesiącu. Należy zacząć od ostatniego wiersza. Pięćdziesiąt osób z włączonymi kamerami wymaga 2,940 Mbps stałego ruchu wychodzącego z pojedynczej maszyny. Trzydzieści osób wymaga 1,044 Mbps. Cztery osoby wymagają 14.4 Mbps, co obsłuży każdy VPS bez zauważalnego obciążenia. Pomiędzy wierszem dla czterech osób a wierszem dla trzydziestu osób liczba uczestników rośnie siedmioipółkrotnie, podczas gdy ruch wychodzący rośnie ponad siedemdziesięciokrotnie.

Rzeczywiste wdrożenia mieszczą się w tych liczbach i warto wiedzieć dlaczego. Zarówno Jitsi, jak i LiveKit wykorzystują simulcast: nadawca publikuje jednocześnie kilka warstw jakości, a SFU przekazuje niższą warstwę osobom, które nie mają danego uczestnika na ekranie. Jitsi posiada również ustawienie last-N, które przesyła wideo tylko dla osób, które ostatnio mówiły. Oba rozwiązania znacząco oszczędzają pasmo. Żadne z nich nie zmienia jednak kształtu krzywej wzrostu i oba przestają pomagać w momencie, gdy wszyscy włączą kamery i przypną widok wszystkich uczestników.

Co faktycznie zapewnia łącze VPS?

Strona z ofertą planu podaje "port 1 Gbps". Jest to prędkość wirtualnej karty sieciowej, a nie gwarancja przepustowości kolejnego przeskoku. Łącze jest współdzielone z innymi użytkownikami na tym samym hoście fizycznym, więc stała przepustowość w godzinach szczytu jest niższa niż prędkość portu, a połączenie konferencyjne stanowi właśnie takie stałe obciążenie. Większość planów zawiera również miesięczny limit transferu, po przekroczeniu którego prędkość jest ograniczana lub naliczane są dodatkowe opłaty.

Ten limit to punkt, w którym pojawiają się koszty na fakturze. Dwadzieścia godzin połączenia dla trzydziestu osób w ciągu miesiąca generuje ruch wychodzący z serwera na poziomie 9.4 TB, przy 469.8 GB na godzinę. Dwadzieścia godzin połączenia dla pięćdziesięciu osób generuje 26.5 TB. Przed sprawdzeniem ilości pamięci RAM należy zweryfikować limit transferu, a jeśli strona z ofertą jest w tej kwestii niejasna, ta niejasność stanowi odpowiedź samą w sobie. Prawidłowe czytanie tanich ofert VPS ma w przypadku tego obciążenia większe znaczenie niż w niemal każdym innym.

Jitsi Meet: domyślny wybór i wymagania

Jitsi Meet to rozwiązanie, od którego większość użytkowników powinna rozpocząć pracę. Instalacja odbywa się z oficjalnego repozytorium Debian projektu, konfiguracja nginx oraz certyfikatu przebiega automatycznie podczas instalacji, a videobridge (JVB) korzysta z pojedynczego portu UDP, co ogranicza liczbę reguł firewalla. Według stanu na październik 2026, podręcznik wskazuje jako wspierane systemy Debian 12 (Bookworm) lub nowszy oraz Ubuntu 24.04 (Noble Numbat) lub nowszy, przy użyciu OpenJDK 17.

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-meet

Instalator prosi o podanie nazwy hosta, a następnie oferuje wybór certyfikatu. Należy wybrać opcję Let's Encrypt i podać nazwę domeny, która wskazuje na publiczny adres IP serwera. Certyfikat jest wydawany w oparciu o wyzwanie HTTP, więc nazwa wskazująca na inny adres spowoduje niepowodzenie na tym etapie.

Następnie należy otworzyć porty. Poniżej znajdują się porty udokumentowane w podręczniku, z SSH na pierwszym miejscu, aby ufw enable nie spowodowało utraty dostępu:

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 enable

Porty TCP 80 oraz 443 obsługują aplikację webową i umożliwiają odnawianie certyfikatu. Port UDP 10000 przesyła dźwięk oraz obraz dla każdego połączenia przechodzącego przez bridge i jest to port najczęściej pomijany. Port TCP 5349 należy do serwera coturn, który pakiet Jitsi instaluje wraz z bridge'em; stanowi on ścieżkę zapasową dla użytkowników, których sieć blokuje ruch UDP. Port UDP 3478 to port STUN serwera coturn, który podręcznik oznacza jako opcjonalny, ponieważ Jitsi korzysta z niego tylko po zmianie w config.js.

sudo systemctl status jitsi-videobridge2
sudo ss -ulnp | grep 10000

Pierwsze polecenie powinno potwierdzić, że usługa jest aktywna. Drugie powinno wykazać, że bridge nasłuchuje na porcie UDP 10000. Jeśli wynik jest pusty, oznacza to, że bridge nie uruchomił się, a /var/log/jitsi/jvb.log wskaże przyczynę.

W kwestii doboru zasobów, podręcznik Jitsi publikuje własne wytyczne, podczas gdy BigBlueButton wymaga znacznie większych zasobów:

WykresSizing each project publishes for one production server
Dane, na których opiera się ten wykres
[
  {
    "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
  }
]

Podręcznik Jitsi zazwyczaj sugeruje 8 GB pamięci RAM i wskazuje, że 4 dedykowane rdzenie mogą wystarczyć dla podstawowego serwera. Określa 1,000 Mbps przepustowości sieci jako wartość często wystarczającą dla serwera przeznaczonego dla znajomych lub małej organizacji, sugeruje 10 Gbps dla profesjonalnych zastosowań i zaznacza, że małe spotkania mogą działać przy 4 GB, a serwery testowe przy 2 GB. Jeden szczegół z tej strony jest istotny: Prosody, serwer XMPP obsługujący sygnalizację, może wykorzystać tylko jeden rdzeń. Dodatkowe rdzenie wspomagają bridge, ale nie wpływają na wydajność sygnalizacji.

Dlaczego wszyscy dołączają do rozmowy, ale nikt nie widzi obrazu?

Jest to typowa awaria Jitsi na serwerze VPS. Lista uczestników zapełnia się, czat działa, a wszystkie kafelki wideo pozostają czarne. Videobridge ogłasza adresy wykryte na własnych interfejsach oraz każdy publiczny adres, jaki uda mu się odnaleźć. Świeża instalacja pakietu wskazuje na serwer STUN zarządzany przez Jitsi w celu przeprowadzenia tego wykrywania, a podręcznik podaje, że bridge za NAT powinien skonfigurować się automatycznie podczas startu. Gdy wykrywanie zawiedzie, na przykład z powodu zablokowania ruchu wychodzącego do wspomnianego serwera STUN, bridge działający na adresie prywatnym ogłasza tylko ten adres. W rezultacie każdy klient próbuje wysłać media na adres typu 10.0.0.5, a pakiety trafiają w próżnię. Objawem opisanym w podręczniku dla tej sytuacji są rozmowy działające poprawnie przy dwóch osobach, które przerywają po dołączeniu trzeciej, ponieważ dwie osoby korzystają z trybu peer-to-peer i nie łączą się z bridgem.

Gdy automatyczne wykrywanie nie wystarcza, należy samodzielnie wskazać bridgowi oba adresy. Należy dodać statyczne mapowanie w /etc/jitsi/videobridge/jvb.conf:

ice4j {
  harvest {
    mapping {
      static-mappings = [
        {
          local-address = "10.0.0.5"
          public-address = "203.0.113.10"
        }
      ]
    }
  }
}

Zrestartuj usługę za pomocą sudo systemctl restart jitsi-videobridge2. Adres lokalny pobierz z ip -4 addr show, a adres publiczny z panelu sterowania dostawcy. Starsze poradniki zalecają ustawienie tych samych parametrów w /etc/jitsi/videobridge/sip-communicator.properties za pomocą kluczy org.ice4j.ice.harvest.NAT_HARVESTER_LOCAL_ADDRESS oraz org.ice4j.ice.harvest.NAT_HARVESTER_PUBLIC_ADDRESS. Metoda ta nadal działa, jednak nowe instalacje powinny korzystać z powyższego bloku mapowania.

Drugą przyczyną jest nieskonfigurowany firewall. Większość dostawców utrzymuje sieciowy firewall w panelu sterowania, niezależny od ufw na maszynie; port UDP 10000 musi być otwarty w obu miejscach. Aby sprawdzić, która warstwa odrzuca pakiety, uruchom sudo tcpdump -ni any udp port 10000 na serwerze w momencie, gdy ktoś dołącza z zewnątrz. Brak jakichkolwiek pakietów oznacza, że nic nie dociera do maszyny, więc blokada znajduje się przed systemem operacyjnym. Jeśli pakiety docierają, a kafelki pozostają czarne, oznacza to, że bridge odpowiada adresem, do którego klient nie ma dostępu, czyli problem leży w mapowaniu. Jeśli nie masz pewności co do konfiguracji samego ufw, reguły ufw faktycznie wymagane na VPS wyjaśniają kolejność reguł, która często sprawia użytkownikom trudności.

BigBlueButton: ciężki, wymagający i przejmujący cały serwer

BigBlueButton jest zaprojektowany pod kątem nauczania. Posiada tablicę, pokoje podgrup, ankiety oraz obszar prezentacji, a mechanizm nagrywania jest kluczową funkcją, a nie dodatkiem. Jest to również zdecydowanie najcięższa z omawianych opcji i nie jest to pakiet, który można dodać do istniejącego serwera.

Aktualnym wydaniem jest BigBlueButton 4.0. Wersja 4.0.0 została wydana jako stabilna 14 października 2026; wersja 4.0.1, wydana 29 października 2026, jest obecnie oznaczona jako Latest w serwisie GitHub, a przewodnik instalacji projektu odnosi się teraz do wersji 4.0. Wymaga on systemu Ubuntu 24.04, wybieranego flagą noble-400, a skrypt instalacyjny odmawia uruchomienia na jakimkolwiek innym wydaniu. Nie istnieje ścieżka aktualizacji w miejscu z wersji 3.0 na Ubuntu 22.04: projekt zaleca przygotowanie czystego serwera z systemem 24.04. Deklarowane wymagania produkcyjne to 16 GB pamięci z włączonym swapem, 8 rdzeni CPU o wysokiej wydajności jednowątkowej, 250 Mbps symetrycznego łącza oraz 500 GB miejsca na dysku w przypadku przechowywania nagrań (50 GB, jeśli zostaną wyłączone). Przewodnik dla wersji 4.0 wymaga również najnowszego Docker, który utrzymuje konwersję dokumentów LibreOffice w piaskownicy, co według ostrzeżeń projektu może wykluczać niektóre środowiska wirtualizowane, oraz posiadania adresu IPv4 i IPv6. Wymagane porty to TCP 80 i 443, TCP oraz UDP 3478 dla wbudowanego serwera TURN, a także zakres UDP od 16384 do 32768.

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 -g

Przykłady dostarczone przez projekt przesyłają skrypt bezpośrednio do bash. Należy go najpierw pobrać i przeczytać, ponieważ skrypt samodzielnie konfiguruje witrynę nginx, instaluje Docker oraz własny stos multimedialny i audio, wskazuje apt na wersjonowane repozytorium pakietów projektu oraz przejmuje nazwę hosta. Jest to założenie projektowe, a nie wada: BigBlueButton oczekuje pełnej kontroli nad maszyną. Skrypt domyślnie instaluje zaporę ufw (należy przekazać -W, aby zrezygnować; stara flaga -w jest nadal akceptowana, ale nie wykonuje żadnej akcji), domyślne reguły zezwalają na SSH wyłącznie na porcie 22, a instalacja przerywa się, jeśli sshd nasłuchuje na innym porcie. -s to nazwa hosta, która musi już wskazywać na publiczny adres tego serwera, -e to adres e-mail rejestrowany w Let's Encrypt, a -g dodaje interfejs Greenlight. Przewodnik dla wersji 4.0 wymaga również, aby porty TCP 80 i 443 nie były już zajęte przez inny serwer WWW lub reverse proxy, więc jeśli ta sama maszyna kończy połączenia TLS dla innych usług, należy zapewnić BigBlueButton osobny serwer, zamiast próbować umieszczać go za używaną już konfiguracją reverse proxy nginx.

Należy uważnie porównać oba wiersze w tej tabeli. BigBlueButton wymaga dwukrotnie więcej pamięci i rdzeni niż sugeruje Jitsi, przy jednoczesnym zapotrzebowaniu na jedną czwartą przepustowości. Obie wartości nie są mierzone w ten sam sposób i zakładają różne rozmiary pokoi, dlatego należy traktować je jako punkty wyjścia dla każdego projektu, a nie jako porównanie bezpośrednie. Różnica w zapotrzebowaniu na CPU jest rzeczywista i wynika ze wszystkich zadań, które wykonuje BigBlueButton poza przesyłaniem wideo.

Galène: niewielka opcja

Galène to kompaktowy serwer SFU napisany w języku Go. Kompiluje się do pojedynczego pliku binarnego, zawiera własny klient webowy oraz serwer TURN, dzięki czemu nie wymaga utrzymywania serwera XMPP, środowiska uruchomieniowego Java ani aplikacji Rails. Jeśli potrzebujesz niezawodnych połączeń dla dziesięciu osób na skromnym serwerze, wypróbuj to rozwiązanie, zanim stwierdzisz, że potrzebujesz mocniejszego sprzętu.

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 groups

Pakiet golang-go w systemie Ubuntu 24.04 zawiera Go 1.22, a plik go.mod w Galène wymaga obecnie Go 1.24. Jeśli go build zgłasza, że moduł wymaga nowszej wersji Go, zainstaluj aktualny zestaw narzędzi z go.dev zamiast walczyć z pakietem dystrybucyjnym.

Grupa w terminologii Galène oznacza pokój, a grupa jest plikiem JSON:

echo '{"users": {"vimes": {"password":"sybil", "permissions":"op"}}}' > groups/night-watch.json
./galene &

Otwórz https://your.server:8443/group/night-watch/ i zaloguj się jako vimes. Te dane uwierzytelniające pochodzą bezpośrednio z pliku README projektu, więc zmień je, zanim port stanie się dostępny z zewnątrz. W przypadku rzeczywistego wdrożenia instrukcja instalacji projektu zaleca użycie dedykowanego użytkownika galene, z plikiem binarnym oraz katalogami static, data i groups w jego katalogu domowym. Zatrzymaj testową kopię uruchomioną za pomocą ./galene &, a następnie wykonaj poniższe polecenie z katalogu, w którym przeprowadzono kompilację:

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/galene

Projekt dokumentuje następującą jednostkę systemd dla tego procesu:

[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.target

Wykorzystywane porty to TCP 8443 dla interfejsu webowego, TCP i UDP 1194 dla wbudowanego serwera TURN oraz zakres wysokich portów UDP dla mediów. Instrukcja instalacji zaleca szeroki zakres, rzędu kilkudziesięciu tysięcy portów, więc zarezerwuj szeroki zakres i utwórz dla niego jedną regułę firewalla:

./galene -udp-range 30000-65000

Opcja -turn jest kluczowa w przypadku VPS. -turn ':1194' nasłuchuje na wszystkich publicznych adresach IPv4. -turn '203.0.113.1:1194' informuje Galène o adresie, który faktycznie zobaczą klienci, co jest niezbędne, gdy własny adres maszyny jest prywatny. -turn '' wyłącza wbudowany serwer, co pozwala wskazać zewnętrzny serwer poprzez data/ice-servers.json. Wartością domyślną jest auto, która zachowuje się jak :1194, gdy nie istnieje ice-servers.json.

Możesz umieścić nginx przed interfejsem webowym, ustawiając proxyURL w data/config.json i przekazując lokalizację /ws z nagłówkami aktualizacji WebSocket. Pamiętaj, co to obejmuje: klienci nadal otwierają bezpośrednie przepływy UDP i bezpośrednie połączenia TCP do portu TURN, więc reverse proxy obsługuje tylko stronę i sygnalizację. Media nigdy przez nie nie przechodzą.

Plik README projektu Galène wskazuje na bardzo umiarkowane zapotrzebowanie na zasoby serwera, a strona domowa projektu podaje przybliżone liczby: około 20 uczestników w jednym spotkaniu na jednym rdzeniu, 40 na czterech rdzeniach, w porównaniu do około 300 na rdzeń w przypadku wykładu, ponieważ obciążenie spotkania rośnie wraz z kwadratem liczby uczestników. Powyższe obliczenia przepustowości pozostają w pełni aktualne. Oszczędzasz pamięć oraz unikasz złożoności wszystkich elementów, które nie są częścią SFU.

Owncast: model jeden do wielu, w którym przepustowość rośnie liniowo

Wiele wymagań dotyczących "wideokonferencji" w rzeczywistości sprowadza się do jednej osoby prezentującej treści dla odbiorców, którzy komunikują się za pomocą czatu. Jeśli taki jest Twój przypadek, SFU jest niewłaściwym narzędziem, a ekonomia rozwiązania zmienia się całkowicie. Owncast przyjmuje strumień RTMP z OBS lub podobnego enkodera i udostępnia go przez HLS za pośrednictwem standardowego HTTPS. Przepustowość na widza rośnie liniowo, a nie kwadratowo, a ponieważ wyjście składa się ze zwykłych segmentów HTTP, można przenieść je za pamięć obiektową lub CDN, eliminując koszty przesyłu po stronie źródła.

curl -sL https://owncast.online/install.sh -o install-owncast.sh
less install-owncast.sh
bash install-owncast.sh

Dokumentacja projektu zaleca, aby nie uruchamiać go jako root oraz sprawdzać każdy zdalny skrypt przed jego wykonaniem, dlatego pobieranie jest oddzielnym krokiem powyżej. Instalator pobiera bieżące wydanie oraz binarny plik ffmpeg, jeśli nie jest on jeszcze zainstalowany. Uruchom ./owncast z katalogu instalacyjnego i otwórz panel administracyjny pod adresem /admin na porcie 8080. Domyślny login to użytkownik admin z hasłem abc123. Domyślny klucz strumienia to również abc123, ale jest to osobne ustawienie, więc zmień oba, zanim skierujesz domenę na serwer.

Z konstrukcji HLS wynikają dwie konsekwencje. Widzowie mają kilkusekundowe lub kilkuminutowe opóźnienie względem transmisji na żywo, ponieważ HLS przesyła całe segmenty, więc nie ma możliwości prowadzenia rozmowy w czasie rzeczywistym. W ścieżce nie występuje UDP ani TURN, dzięki czemu rozwiązanie działa w sieciach, w których połączenie WebRTC w ogóle nie może zostać nawiązane.

Owncast jest również jedynym narzędziem w tym zestawieniu, które celowo transkoduje strumień. Każda włączona jakość wyjściowa to kolejne kodowanie przychodzącego strumienia przez ffmpeg, działające przez cały czas trwania transmisji. Na małym VPS oferuj jedną lub dwie jakości.

Uruchomienie Element Call na własnym serwerze Matrix

Jeśli korzystasz już z serwera Matrix, obsługa wideo stanowi rozszerzenie, a nie osobny produkt do utrzymania. Nadal jednak wymaga to więcej niż jednego pakietu. Element Call wymaga dwóch komponentów działających za serwerem domowym (homeserver). Pierwszym z nich jest LiveKit SFU, który odpowiada za przesyłanie strumieni multimedialnych. Drugim jest usługa autoryzacji MatrixRTC, element-hq/lk-jwt-service, która wystawia podpisany token JWT (JSON web token), przedstawiany przez użytkownika Matrix w usłudze LiveKit SFU. Obecne wersje są przeznaczone do działania jako usługa aplikacji (application service) na serwerze domowym, która pośredniczy w dostępie do punktów końcowych LiveKit zarówno w API klienckim, jak i federacyjnym. Starszy tryb samodzielny, w którym klienci komunikowali się z usługą bezpośrednio, jest nadal wspierany, ale uznany za przestarzały. W obu przypadkach projekt zaleca stosowanie przed nimi odwrotnego proxy TLS, a Twój .well-known/matrix/client musi wskazywać na nie klientom.

Porty udokumentowane dla LiveKit:

  • TCP 7880 dla API oraz klienta WebSocket, za proxy z terminacją TLS
  • TCP 7881 dla ICE over TCP, używany, gdy klient nie może nawiązać połączenia przez UDP
  • UDP 50000 do 60000 dla multimediów, gdzie każdy uczestnik rozmowy wykorzystuje dwa porty
  • UDP 3478 oraz TCP 5349, jeśli włączysz wbudowany serwer TURN; port 5349 musi zostać przeniesiony na 443, chyba że przed nim znajduje się load balancer

Dwa porty na uczestnika brzmią groźnie, ale w praktyce tak nie jest. Zakres 10000 portów wystarcza dla tysięcy uczestników, a przepustowość łącza wyczerpie się znacznie wcześniej niż dostępny zakres portów. Należy otworzyć cały zakres, ponieważ częściowo otwarty zakres powoduje, że połączenie działa u niektórych użytkowników, a u innych nie, co jest najtrudniejszym do zdiagnozowania rodzajem awarii. Konfiguracja po stronie serwera domowego jest osobnym zadaniem, opisanym w uruchamianiu serwera domowego Synapse na VPS.

Dlaczego jedna osoba nigdy nie może się połączyć? TURN i sieci blokujące UDP

Najpierw trochę słownictwa, użytego po razie. ICE (interactive connectivity establishment) to proces, którego używają dwa punkty końcowe WebRTC, aby znaleźć działającą ścieżkę między nimi. STUN (session traversal utilities for NAT) to niewielka usługa, która informuje klienta, jak wygląda jego własny adres publiczny z zewnątrz. TURN (traversal using relays around NAT) to przekaźnik: gdy nie istnieje bezpośrednia ścieżka, obie strony wysyłają swoje media do serwera TURN, który je przekazuje.

Potrzebujesz TURN dla uczestników, których sieci nie możesz zobaczyć. Jeden z nich może znajdować się w sieci korporacyjnej lub uczelnianej, gdzie ruch wychodzący UDP jest całkowicie blokowany. Inny może znajdować się za NAT-em klasy operatorskiej (carrier-grade NAT), który przydziela inny port źródłowy dla każdego miejsca docelowego; nazywa się to symetrycznym NAT-em i sprawia, że adres zgłoszony przez STUN staje się bezużyteczny.

Objaw jest specyficzny. Większość osób dołącza i wszystko działa. Jedna osoba widzi listę uczestników, widzi czat, ale otrzymuje czarny kafelek i ikonę ładowania. Jej przeglądarka zebrała kandydatów, żadna z par nie zadziałała, a ICE zakończył się stanem błędu. W Chrome, narzędzie chrome://webrtc-internals otwarte podczas próby połączenia pokazuje pary kandydatów i ten błąd. Poproś tę osobę o ponowienie próby z telefonu korzystającego z danych mobilnych. Jeśli tam działa, przyczyną jest sieć, a rozwiązaniem jest TURN.

TURN przez TCP na porcie 443 lub 5349 to mechanizm awaryjny, który działa niemal wszędzie, ponieważ sieć blokująca TLS na 443 zablokowałaby również dostęp do sieci WWW. Pakiet Jitsi instaluje i konfiguruje coturn automatycznie, co jest powodem, dla którego udokumentowane reguły firewalla obejmują UDP 3478 i TCP 5349. Galène ma wbudowany TURN na porcie 1194. LiveKit posiada wbudowany serwer TURN, który włącza się w konfiguracji. Jeśli uruchamiasz coturn samodzielnie:

sudo apt install -y coturn
sudo systemctl enable --now coturn
listening-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-peers

Te ustawienia umieszcza się w /etc/turnserver.conf. Ustawienia wchodzą w życie po uruchomieniu sudo systemctl restart coturn, a każda późniejsza edycja pliku wymaga tego samego restartu.

Teraz koszt, o którym nikt nie pisze. Przekaźnik przenosi pełne media każdego przekazywanego uczestnika w obu kierunkach. Gdy coturn współdzieli serwer z SFU, większość tego ruchu przechodzi przez interfejs loopback i obciąża CPU zamiast łącza wychodzącego, a słuchacz TLS szyfruje każdy pakiet po raz drugi, dodatkowo do DTLS, który media już posiadają. Gdy przenosisz TURN na własną maszynę, ta maszyna potrzebuje własnego planu przepustowości, zaplanowanego w ten sam sposób co dla SFU. Ponadto TURN przez TCP zamienia media czasu rzeczywistego w niezawodny strumień, więc utracony pakiet jest retransmitowany zamiast pomijany, a przekazywany uczestnik na łączu o wysokiej utracie pakietów gromadzi opóźnienie zamiast krótkich zakłóceń. Przekaźnik to rozwiązanie awaryjne, które zapewnia połączenie, przy jakości, którą bezpośrednia ścieżka by przewyższyła.

Kiedy SFU wykonuje transkodowanie i jaki jest tego koszt?

SFU przesyła pakiety i nigdy nie dekoduje wideo, dlatego cztery rdzenie procesora mogą obsłużyć pokój, który teoretycznie wydaje się niemożliwy do obsłużenia. Dwie funkcje naruszają tę zasadę i obie zaskakują użytkowników, którzy włączyli je za pomocą pola wyboru.

Pierwszą z nich jest nagrywanie. Jitsi nagrywa przy użyciu Jibri, a dokumentacja Jibri dokładnie opisuje sposób działania: uruchamia instancję Chrome renderowaną w wirtualnym buforze ramki (framebuffer), a następnie przechwytuje i koduje wyjście za pomocą ffmpeg. Jest to pełna przeglądarka renderująca całe spotkanie oraz enkoder wideo, działające w sposób ciągły przez cały czas trwania połączenia. Ta sama dokumentacja stwierdza, że na pojedynczym Jibri obsługiwane jest tylko jedno nagrywanie jednocześnie oraz że Jibri powinno działać na oddzielnej maszynie lub maszynie wirtualnej, na której żadne inne aplikacje nie korzystają z urządzeń wyświetlających ani audio. Nagrywanie to osobny serwer, a nie tylko pole wyboru.

Drugą funkcją jest telefoniczne połączenie przychodzące (dial-in). Mostkowanie linii telefonicznej z konferencją oznacza konwersję dźwięku Opus 48 kHz na format akceptowany przez sieć telefoniczną, zazwyczaj G.711 8 kHz, w obu kierunkach i w sposób ciągły przez cały czas trwania połączenia. Transkodowanie audio jest znacznie tańsze niż transkodowanie wideo, ale odbywa się dla każdej sesji połączenia i nigdy nie jest wstrzymywane, więc koszt rośnie wraz z liczbą dzwoniących. Jeśli wymagany jest numer do połączeń przychodzących, samodzielnie hostowany serwer VoIP jest komponentem, który wykonuje tę pracę i z tego samego powodu co Jibri, powinien znajdować się na oddzielnej maszynie.

Jak dużej maszyny faktycznie potrzeba?

Dla dwóch osób wystarczy niemal dowolny serwer. Jitsi domyślnie włącza tryb peer-to-peer, gdy w konferencji uczestniczą dokładnie dwie osoby. W tym trybie konferencja przestaje przesyłać dane przez videobridge i wykorzystuje połączenie bezpośrednie lub przekaźnik TURN, jeśli połączenie bezpośrednie nie jest możliwe. Dołączenie trzeciej osoby powoduje powrót do pracy przez bridge. Ta oszczędność ogranicza ruch mediów, jednak dokumentacja Jitsi nadal zaleca 2 GB RAM dla serwerów testowych lub bardzo małych spotkań.

Dla maksymalnie dziesięciu osób z włączonymi kamerami, 67.2 Mb/s przy ośmiu uczestnikach mieści się w przepustowości łącza typowego VPS. Dokumentacja Jitsi wskazuje, że małe spotkania wymagają 4 GB RAM. Należy monitorować licznik transferu, a nie wykres obciążenia CPU.

Dla trzydziestu osób najgorszy scenariusz to 1,044 Mb/s ciągłego transferu, co przy dwudziestu godzinach pracy daje 9.4 TB. Przy tej skali koszt transferu jest ważniejszy niż koszt samej maszyny. Należy włączyć funkcję last-N, aby bridge przekazywał dane tylko od ostatnich mówców, ustawić domyślne wyłączenie kamer dla uczestników oraz umieścić SFU w lokalizacji z limitem transferu, który pokryje wyliczone zapotrzebowanie.

Powyżej tej liczby jeden VPS przestaje być odpowiednim rozwiązaniem. Jeśli wydarzenie ma charakter transmisji, lepiej użyć Owncast wraz z CDN, co kosztuje ułamek tej kwoty. W przeciwnym razie konieczne jest użycie wielu instancji videobridge za jedną warstwą sygnalizacyjną, co stanowi znacznie bardziej złożony projekt.

Ostatnia uwaga dotycząca routingu. Większość zespołów potrzebuje czatu przez znacznie większą liczbę godzin dziennie niż wideo, a czat jest tani w utrzymaniu i łatwy w obsłudze. Uruchomienie własnej alternatywy dla Slack do codziennej komunikacji i utrzymywanie serwera konferencyjnego wyłącznie do zaplanowanych rozmów to rozwiązanie, które pozwala zmieścić się w budżecie małego VPS.

FAQ

Dlaczego użytkownicy mogą dołączyć do spotkania Jitsi, ale nie widzą ani nie słyszą się nawzajem?

Czat oraz lista uczestników przesyłane są kanałem sygnalizacyjnym, który wykorzystuje TCP na porcie 443, natomiast audio i wideo korzystają z UDP 10000 do videobridge. Jeśli lista uczestników się zapełnia, a wszystkie kafelki pozostają czarne, oznacza to, że ścieżka mediów jest przerwana, podczas gdy ścieżka sygnalizacyjna działa poprawnie. Sprawdź port UDP 10000 w obu zaporach sieciowych: tej na serwerze oraz zewnętrznej zaporze w panelu sterowania dostawcy. Następnie zweryfikuj, czy bridge rozpoznaje swój publiczny adres: jeśli automatyczne wykrywanie nie zadziałało na maszynie wirtualnej z prywatnym adresem i przypisanym adresem publicznym, dodaj statyczne mapowanie w ice4j.harvest.mapping w pliku /etc/jitsi/videobridge/jvb.conf i zrestartuj jitsi-videobridge2. Uruchomienie sudo tcpdump -ni any udp port 10000 w trakcie dołączania użytkownika pozwoli ustalić przyczynę, ponieważ brak jakichkolwiek pakietów oznacza, że blokada znajduje się przed systemem operacyjnym.

Jaką przepustowość zużywa wideokonferencja na 30 osób?

W najgorszym scenariuszu, gdy każdy ma włączoną kamerę, a SFU przesyła strumień pełnej jakości do każdego uczestnika, z serwera wychodzi około 1,044 Mbps, co przekłada się na 469.8 GB na godzinę. Jest to wynik obliczeń dla N razy (N minus 1) strumieni po 1.2 Mbps każdy, a nie pomiar rzeczywistej konfiguracji. Mechanizmy simulcast oraz ustawienie last-N znacząco redukują to zużycie w typowych warunkach, ponieważ większość uczestników nie jest wyświetlana na ekranie w danym momencie. Należy jednak planować zasoby pod kątem najgorszego scenariusza, ponieważ spotkania typu all-hands często powodują jednoczesne włączenie kamer przez wszystkich uczestników.

Czy mogę uruchomić Jitsi Meet na VPS z 1 GB RAM?

Minimalne zalecenie w podręczniku to 2 GB dla serwerów testowych lub bardzo małych spotkań. Prosody, videobridge oraz środowisko uruchomieniowe Java wymagają pamięci; standardowa rekomendacja w podręczniku to 8 GB, a ograniczenia przepustowości staną się problemem szybciej niż brak pamięci RAM. Jeśli dysponujesz jedynie maszyną z 1 GB RAM, Galène będzie lepszym wyborem niż Jitsi.

Czy nadal potrzebuję serwera TURN, jeśli mój VPS ma publiczny adres IP?

Tak. Problem, który rozwiązuje TURN, występuje po drugiej stronie połączenia. Uczestnik znajdujący się w sieci korporacyjnej blokującej ruch wychodzący UDP lub za NAT-em klasy operatorskiej, który przypisuje inny port źródłowy dla każdego miejsca docelowego, nie będzie w stanie nawiązać bezpośredniego połączenia mediów, niezależnie od tego, jak publiczny jest adres Twojego serwera. TURN przez TCP na porcie 443 lub 5349 zapewnia im przekaźnik, który dla ich zapory sieciowej wygląda jak zwykły ruch internetowy. Instalator pakietowy Jitsi domyślnie konfiguruje w tym celu coturn, dlatego udokumentowane reguły zapory sieciowej otwierają porty UDP 3478 oraz TCP 5349.

Dlaczego BigBlueButton wymaga znacznie mocniejszego sprzętu niż Jitsi Meet?

Ponieważ wykonuje znacznie więcej zadań niż tylko przekazywanie wideo. Opublikowane wymagania produkcyjne to 16 GB pamięci RAM oraz 8 rdzeni procesora, w porównaniu do 8 GB i 4 rdzeni w podręczniku Jitsi. BigBlueButton uruchamia pełny stos konferencji audio, współdzieloną tablicę i warstwę prezentacji, potok nagrywania i przetwarzania końcowego oraz interfejs webowy z kontami użytkowników, wszystko na tej samej maszynie. Projekt ma również sztywne wymagania co do platformy: obecne wydanie, 4.0, instaluje się wyłącznie na Ubuntu 24.04, wymaga Docker oraz adresu IPv4 i IPv6, a aktualizacja z wersji 3.0 nie może zostać przeprowadzona w miejscu. Obie wartości pochodzą z dokumentacji poszczególnych projektów i stanowią punkty wyjścia, a nie pomiary Twojego obciążenia.

Czy ten artykuł był przydatny?

#jitsi#webrtc#video-conferencing#self-hosting#bandwidth