企业官网建设流程全解析

简介：这是一份基于Netty实现的轻量级RTMP服务器开源项目，面向Java后端开发者、流媒体初学者及实时音视频服务实践者，解决从零构建RTMP推拉流服务器的核心技术落地问题。资源共50个文件，含16个Java源码（涵盖Netty服务启动、RTMP握手解析、Chunk解复用、AMF消息处理等核心逻辑）、19个编译后class文件、9个XML配置与依赖管理文件，以及README文档和IDE配置文件，整体仅59KB，结构精简、模块职责清晰，便于快速理解协议层与框架层协同机制。已有767人学习下载，适合用于深入掌握RTMP协议交互流程、Netty事件驱动编程模型，以及FFmpeg推流联调验证。读者可直接运行服务端，结合FFmpeg命令完成推流测试，并通过源码逐层分析连接建立、音视频包解析、会话管理等关键环节，获得可调试、可扩展的RTMP服务开发范例。

1. 为什么你本地跑通的 RTMP 推流，一上生产就卡顿、断连、花屏？——这不是网络问题，是 Netty 层没扛住粘包和心跳

你用 FFmpeg 推流到rtmp://localhost:1935/live/stream能播，但换到局域网另一台机器就黑屏；用 OBS 推流 10 分钟后自动断开，日志里只有一行Channel inactive；更玄的是，同一份推流配置，在 Windows 上稳如泰山，Linux 上每 37 秒必丢一次 GOP。这些不是“玄学”，而是rtmpServer-master_nettyrtmp这类基于 Netty 实现的轻量级 RTMP 服务在真实场景中暴露出的典型失稳现象。它不依赖 Nginx-RTMP 或 SRS 那样的重型中间件，靠纯 Java + Netty 构建协议栈，优势是代码透明、可定制强、嵌入成本低——特别适合 IoT 设备端嵌入、教育录播系统二次开发、或作为微服务架构中的流媒体网关模块。但代价是：Netty 的 ChannelHandler 链必须亲手处理 RTMP 协议握手、Chunk Stream 复用、AMF0/AMF3 解析、时间戳校准、以及最关键的——TCP 层粘包与半包。很多开发者卡在“能跑通”就停步，结果上线后被并发推流压垮、被弱网环境反向击穿、被安卓端低版本 MediaCodec 推出的非标 FLV Tag 搞崩溃。这篇笔记，就是帮你把rtmpServer-master从“玩具级 demo”拉回“可交付服务”的实操路径。

2. 从源码结构到启动流程：看清rtmpServer-master_nettyrtmp真正的骨架

这个项目名里的nettyrtmp不是噱头，它本质是一个Netty 4.x 驱动的 RTMP 协议解析器 + 内存级流管理器，而非完整 CDN 或转码服务。它的价值不在功能堆砌，而在协议层的可控性——你能直接修改RtmpDecoder中的decode()方法来兼容某款国产 IPC 的私有 Header，也能在RtmpSession里注入自定义鉴权逻辑。先厘清它到底由哪几块组成，再决定改哪里、不动哪里。

2.1 源码目录的真实分工（以主流 fork 版本为准）

提示：不要迷信 GitHub 上 star 数最高的分支。实际生产中，我们选的是 commit 在2022-08-15后、明确标注support-h265且pom.xml中 Netty 版本为4.1.92.Final的 fork。旧版4.1.43存在ByteBuf内存泄漏风险，已在该 commit 中修复。

2.2 启动入口：RtmpServerApplication的三步初始化链

它不走 Spring Boot AutoConfiguration，而是手动构建 NettyServerBootstrap。关键在于initPipeline()中的 Handler 注册顺序——这直接决定粘包是否被正确切分：

// RtmpServerApplication.java private void initPipeline(ChannelPipeline pipeline) { // Step 1: 必须最先加——解决 TCP 粘包！ pipeline.addLast("frameDecoder", new LengthFieldBasedFrameDecoder( 10 * 1024 * 1024, // max frame length: 10MB（覆盖大关键帧） 0, // length field offset 4, // length field length -4, // length adjustment 0 // initial bytes to strip )); // Step 2: RTMP 协议解码器（依赖上一步已切好的完整 chunk） pipeline.addLast("rtmpDecoder", new RtmpDecoder()); // Step 3: 业务处理器（连接、流、心跳） pipeline.addLast("connectionHandler", new RtmpConnectionHandler()); pipeline.addLast("streamHandler", new RtmpStreamHandler()); }

为什么LengthFieldBasedFrameDecoder是生死线？
RTMP 协议本身不带长度头，但 Netty 要求每个ByteBuf必须代表一个完整 RTMP Message（即一个 Chunk Stream 的完整 payload）。而真实网络中，TCP 层会把多个小 chunk 合并发送（粘包），或把一个大 chunk 拆成多段（拆包）。LengthFieldBasedFrameDecoder就是靠读取每个 chunk 的message length字段（RTMP Header 后第 4 字节起的 3 字节）来切分。如果这里配错，后续所有解码都会错位——表现为AMF decode error、invalid timestamp、或直接ChannelInactiveException。

2.3 默认流地址规则与测试验证闭环

它不生成rtmp://xxx/live/xxx这种固定路径，而是按app+name两级动态注册。推流地址格式为：
rtmp://<host>:<port>/<app-name>/<stream-name>
例如：rtmp://192.168.1.100:1935/live/camera01

• <app-name>：对应application.conf中rtmp.app.name（默认live），也是流存储的命名空间
• <stream-name>：客户端指定，服务端不做校验，直接注册为StreamKey

验证是否真正跑通，不能只看 FFmpeg 命令返回success，要三步确认：

1. 连接层：telnet 192.168.1.100 1935能通，说明 TCP 监听正常；
2. 协议层：Wireshark 抓包，过滤rtmp && ip.addr==192.168.1.100，看到connect→createStream→publish完整握手；
3. 数据层：用 VLC 打开rtmp://192.168.1.100:1935/live/camera01，播放 5 分钟无卡顿、无花屏、时间戳连续（VLC 右下角显示FPS: 25.0且不跳变）。

3. 推流稳定性攻坚：Netty 粘包处理、心跳保活与安卓端兼容三板斧

推流中断不是偶然，是 TCP 连接在无数据时被中间设备（路由器、防火墙、NAT）静默回收。rtmpServer-master默认的心跳机制极其简陋——只在RtmpConnectionHandler中响应客户端发来的ping，却不主动探测。而安卓端（尤其 Android 8+）的 MediaCodec 推流常因省电策略导致onVideoFrameAvailable回调延迟，造成心跳超时。这三件事必须一起调。

3.1 粘包处理：从LengthFieldBasedFrameDecoder到RtmpChunkDecoder的双保险

上面提到的LengthFieldBasedFrameDecoder是第一道防线，但它只保证“字节流被切成 chunk”，不保证“chunk 被正确组装成 message”。RTMP 的 Chunk Stream 机制允许一个 message 被拆成多个 chunk 发送，RtmpDecoder必须缓存未完成的 chunk 并等待chunk type为0（full message）或1（first chunk）的标志位。常见错误是：

• 未设置chunkSize全局变量（默认 128 字节），导致大 I 帧被过度切分；
• RtmpChunkDecoder中未处理timestamp delta跨 chunk 累加，造成音视频不同步。

实操修正：在RtmpDecoder.java中强化 chunk 组装逻辑

// RtmpDecoder.java private void decodeChunk(ByteBuf in, List<Object> out) { // ... 解析 chunk basic header ... if (chunkType == 0) { // full message // 直接解码 RtmpMessage msg = decodeMessage(in); out.add(msg); } else if (chunkType == 1 || chunkType == 2) { // first or middle chunk // 缓存到 currentChunkBuffer，并记录 expectedLength if (currentChunkBuffer == null) { currentChunkBuffer = Unpooled.buffer(expectedLength); } currentChunkBuffer.writeBytes(in.readBytes(in.readableBytes())); // 关键：检查是否收齐 if (currentChunkBuffer.readableBytes() >= expectedLength) { RtmpMessage msg = decodeMessage(currentChunkBuffer); out.add(msg); currentChunkBuffer.release(); currentChunkBuffer = null; } } }

参数说明：

• expectedLength来自 chunk header 中的message length字段，必须在chunkType == 0或==1时准确读取；
• Unpooled.buffer()创建堆外内存缓冲区，避免频繁 GC；
• currentChunkBuffer.release()必须显式释放，否则内存泄漏（这是rtmpServer-master旧版高频 Bug）。

3.2 心跳保活：双向探测 + 可配置超时阈值

默认实现只响应ping，但安卓端可能因后台限制不发ping。我们必须：

1. 服务端主动writeAndFlush(new RtmpPingMessage())；
2. 客户端连接后启动IdleStateHandler；
3. 超时后执行closeOnIdle()而非粗暴channel.close()。

在RtmpConnectionHandler.java中注入心跳逻辑：

// initPipeline 中添加 pipeline.addLast("idleStateHandler", new IdleStateHandler( 30, // readerIdleTimeSeconds：30秒没收到数据则触发 IDLE_STATE_EVENT 0, // writerIdleTimeSeconds：不主动发心跳时不启用 0 // allIdleTimeSeconds )); pipeline.addLast("heartbeatHandler", new HeartbeatHandler()); // HeartbeatHandler.java public class HeartbeatHandler extends ChannelInboundHandlerAdapter { @Override public void userEventTriggered(ChannelHandlerContext ctx, Object evt) throws Exception { if (evt instanceof IdleStateEvent) { IdleStateEvent event = (IdleStateEvent) evt; if (event.state() == IdleState.READER_IDLE) { // 主动发 ping 探测 ctx.writeAndFlush(new RtmpPingMessage()); // 同时启动超时计时器（防 ping 丢失） ctx.channel().attr(HEARTBEAT_TIMEOUT).set(System.currentTimeMillis()); } } } }

配套配置项（application.conf）：

rtmp.heartbeat { interval = 25s # 心跳间隔，必须 < readerIdleTimeSeconds timeout = 45s # 连续2次ping无响应则断连 enable = true }

3.3 安卓端兼容：绕过MediaCodec输出的非标 FLV Tag

安卓MediaCodec输出的 H.264 Annex B 数据，常在 SPS/PPS 前插入0x00000001起始码，但RtmpMessageDecoder默认按标准 FLV Tag 解析（Tag Header 后直接是 NALU）。若不解析起始码，会导致AVCDecoderConfigurationRecord解析失败，进而无法生成正确的onMetaData。

解决方案：在RtmpMessageDecoder.java中预处理 NALU：

private byte[] normalizeH264Nalu(byte[] raw) { ByteBuffer bb = ByteBuffer.wrap(raw); // 检查是否以 0x00000001 开头 if (bb.remaining() >= 4 && bb.get(0) == 0 && bb.get(1) == 0 && bb.get(2) == 0 && bb.get(3) == 1) { // 跳过起始码，提取真实 NALU byte[] nalu = new byte[bb.remaining() - 4]; bb.position(4); bb.get(nalu); return nalu; } return raw; // 已是标准格式 }

注意：此逻辑必须放在decodeVideoData()中，且仅对AVC NALU类型生效（tagType == 9 && avcPacketType == 1）。对音频 AAC 数据无效。

4. 避坑指南：生产环境踩过的 5 个血泪坑，每个都让服务停摆超 2 小时

别等线上报警才翻日志。这 5 个坑，是我们用 3 台边缘盒子、7 种安卓机型、21 天压力测试撞出来的。它们不写在 README 里，但每个都足以让rtmpServer-master在凌晨 3 点崩给你看。

4.1 现象：推流 1 分钟后ChannelInactiveException，日志只显示connection reset by peer

原因：Linux kernel 的tcp_fin_timeout默认 60 秒，而rtmpServer-master的StreamStorage默认streamTimeout = 30s。当推流端（如 IPC）因网络抖动暂停发送超过 30 秒，服务端主动 close channel，但 TCP FIN 包未被 ACK，导致内核重传 FIN 失败后强制 reset。
解决：

• 调大application.conf中rtmp.stream.timeout = 90s；
• 同步调整 Linux 参数：echo 120 > /proc/sys/net/ipv4/tcp_fin_timeout；
• 关键：在RtmpStreamHandler.channelInactive()中添加ctx.close()前的日志打点，确认是服务端主动关闭还是对端异常断开。

4.2 现象：多路推流时 CPU 暴涨至 95%，top显示java进程占满单核

原因：MemoryStreamStorage使用ConcurrentLinkedQueue存储待消费的RtmpMessage，但RtmpStreamHandler的read()方法未做批处理，每次只取 1 条 message 进行编码转发，导致高频锁竞争。
解决：

• 改造MemoryStreamStorage.poll()为批量获取：

public List<RtmpMessage> pollBatch(int maxCount) { List<RtmpMessage> batch = new ArrayList<>(maxCount); for (int i = 0; i < maxCount && !queue.isEmpty(); i++) { RtmpMessage msg = queue.poll(); if (msg != null) batch.add(msg); } return batch; }

• 在RtmpStreamHandler中调用pollBatch(32)替代单条poll()；
• 设置 JVM 参数-XX:+UseG1GC -XX:MaxGCPauseMillis=200，避免 GC 导致消息积压。

4.3 现象：VLC 播放首帧黑屏 3 秒，之后正常

原因：RtmpServer-master默认不发送onMetaData，而 VLC 依赖此信息初始化解码器。缺少duration、width、height、framerate等字段，导致解码器等待超时。
解决：

• 在RtmpStreamHandler.publishStart()后，立即构造并发送onMetaData：

AmfObject metaData = new AmfObject(); metaData.put("duration", 0.0); // live stream metaData.put("width", 1280.0); metaData.put("height", 720.0); metaData.put("framerate", 25.0); metaData.put("videocodecid", "avc1"); metaData.put("audiocodecid", "mp4a"); // ... 其他必要字段 ctx.writeAndFlush(new RtmpNotifyMessage("onMetaData", metaData));

• 注意：videocodecid必须与实际推流的 codec id 一致（H.264 为avc1，H.265 为hvc1），否则 VLC 拒绝解码。

4.4 现象：同一stream-name被重复推流，旧流未被踢出，新流无法播放

原因：StreamStorage的registerStream()方法未做冲突检测，直接覆盖ConcurrentHashMap中的 key。旧流的ChannelHandlerContext仍持有引用，但RtmpStreamHandler已失去对其控制。
解决：

• 在registerStream()中添加踢出逻辑：

public void registerStream(String streamKey, RtmpStream stream) { RtmpStream old = streams.put(streamKey, stream); if (old != null && old.getChannel() != null && old.getChannel().isActive()) { old.getChannel().close(); // 主动关闭旧连接 logger.warn("Stream {} replaced by new connection", streamKey); } }

• 血泪经验：必须close()而非disconnect()，后者不触发channelInactive()事件。

4.5 现象：使用ffmpeg -re -i input.mp4 -f flv rtmp://...推流，服务端日志疯狂打印AMF decode error

原因：FFmpeg 的-re模式会严格按原始帧率发送，但rtmpServer-master的RtmpDecoder对timestamp的单调递增校验过于激进——当输入 MP4 的dts有轻微抖动（如 123456, 123458, 123457），校验失败直接抛异常。
解决：

• 修改RtmpMessageDecoder.decodeTimestamp()，放宽校验：

if (Math.abs(timestamp - lastTimestamp) > 1000) { // 允许 1 秒内跳变 logger.debug("Timestamp jump detected: {} -> {}, ignored", lastTimestamp, timestamp); timestamp = lastTimestamp + 40; // 伪补帧，保持 25fps } lastTimestamp = timestamp;

• 警告：此修改仅用于测试文件推流，生产环境 IPC 推流必须关闭此宽松模式。

5. 性能压测与监控：用 3 个命令摸清你的rtmpServer-master真实吞吐边界

能跑通不等于能扛住。真正的交付标准是：在目标硬件（如 Intel NUC i3 + 8GB RAM）上，稳定支撑 200 路 720p@25fps H.264 推流，CPU < 70%，内存 < 3GB，无丢帧。以下方法不依赖 Grafana 或 Prometheus，用原生命令就能拿到可信数据。

5.1 实时连接数与流数监控：netstat+jstack黄金组合

不要信application.conf里的max.connections，要看真实占用：

# 查看 ESTABLISHED 连接数（排除 TIME_WAIT） netstat -an | grep :1935 | grep ESTABLISHED | wc -l # 查看每个连接对应的 Java 线程（确认是否线程池耗尽） jstack $(pgrep -f "RtmpServerApplication") | grep "nioEventLoopGroup" | wc -l # 查看当前注册的流数量（直接读内存状态） jmap -histo $(pgrep -f "RtmpServerApplication") | grep "RtmpStream"

解读：

• 若netstat结果接近max.connections，但jmap显示RtmpStream实例远少于连接数，说明大量连接未完成 publish，卡在 handshake 阶段——检查RtmpHandshakeHandler是否阻塞；
• 若nioEventLoopGroup线程数达2 * CPU cores，且jstack中大量线程处于RUNNABLE状态，说明 Netty EventLoop 过载，需调大bossGroup和workerGroup线程数（application.conf中netty.boss.threads = 2,netty.worker.threads = 16）。

5.2 帧率与丢包率抓取：Wireshark 过滤 + Python 脚本分析

用 Wireshark 抓rtmp流，导出为rtmp.pcapng，然后用脚本统计关键指标：

# analyze_rtmp.py import pyshark cap = pyshark.FileCapture('rtmp.pcapng', display_filter='rtmp.msg_type == 9') # video data timestamps = [] for pkt in cap: try: ts = int(pkt.rtmp.timestamp) timestamps.append(ts) except: continue # 计算 FPS（每秒帧数） import numpy as np diffs = np.diff(timestamps) fps = 1000 / np.mean(diffs[diffs > 0]) # ms to sec loss_rate = 1 - len(timestamps) / (max(timestamps) - min(timestamps)) * 1000 / 40 # 40ms per frame @25fps print(f"Average FPS: {fps:.1f}, Loss Rate: {loss_rate:.2f}%")

参数说明：

• rtmp.msg_type == 9过滤视频帧（10 为音频）；
• 40ms是 25fps 的理论帧间隔，loss_rate计算基于时间窗口内应有帧数 vs 实际帧数；
• 若loss_rate > 2%，优先检查MemoryStreamStorage的queue.size()是否持续 > 1000 —— 这意味着消费者（拉流端）跟不上生产者（推流端）。

5.3 内存泄漏定位：jmap+jhat三步法

rtmpServer-master最隐蔽的坑是ByteBuf泄漏。症状：运行 24 小时后Used Heap从 500MB 涨到 2.8GB，Full GC 频繁。

# 1. 生成堆转储 jmap -dump:format=b,file=heap.hprof $(pgrep -f "RtmpServerApplication") # 2. 启动 jhat 分析（JDK8 自带） jhat -J-Xmx4g heap.hprof # -J-Xmx4g 防止 jhat 自身 OOM # 3. 浏览 http://localhost:7000，搜索 'io.netty.buffer'，重点关注： # - PooledUnsafeDirectByteBuf 实例数是否持续增长 # - 是否存在大量 'io.netty.util.ResourceLeakDetector$DefaultResourceLeak' 报告

根治方案：

• 所有ByteBuf的readBytes()、writeBytes()操作后，必须调用buf.release()；
• 在RtmpDecoder和RtmpEncoder的encode()方法末尾，添加if (buf.refCnt() > 0) buf.release()；
• 终极保险：在 JVM 启动参数中加入-Dio.netty.leakDetection.level=paranoid，让 Netty 在每次ByteBuf未释放时打印完整调用栈。

我坚持在每个ChannelHandler的exceptionCaught()里加一行logger.error("Unexpected exception", cause)，并确保cause.printStackTrace()不被注释掉——因为 90% 的线上故障，第一次报错日志里就藏着答案，只是没人去看。rtmpServer-master不是银弹，但它给你的，是协议栈完全透明的掌控感。当客户说“你们的推流服务器不如 SRS 稳定”时，你不用背锅，可以直接打开RtmpDecoder.java，指着第 137 行说：“这里少了个release()，我 5 分钟修好。” 希望帮到你。

本文还有配套的精品资源，点击获取