RTSP-Streaming ĂĽber VPN mit Auto-Scaling-Restreaming, HLS-Bereitstellung und -Aufzeichnung
Eine Überwachungsplattform musste RTSP-Kamera-Feeds von entfernten Standorten sicher über VPN-Tunnel aufnehmen, sie für webbasierte Anzeige und AI-Verarbeitung restreamen, die Restreaming-Infrastruktur bedarfsabhängig auto-skalieren und Streams zur Archivierung aufzeichnen – und das alles bei geringer Latenz und zuverlässiger Konnektivität unter unvorhersehbaren Netzwerkbedingungen.
Ihr Projekt besprechen
Die Herausforderung
Die Anbindung entfernter IP-Kameras an eine zentralisierte Cloud-Plattform fĂĽhrte zu mehreren Infrastrukturherausforderungen:
- Netzwerksicherheit — RTSP-Streams der Kamera durchquerten das öffentliche Internet, wodurch Video-Feeds ohne Verschlüsselung der Abfangung ausgesetzt waren
- NAT/Firewall-Traversal — Kameras hinter Unternehmens-Firewalls und NAT konnten nicht direkt aus der Cloud erreicht werden
- Restreaming-Overhead — Rohe RTSP-Streams mussten für die browserbasierte Anzeige in webfreundliche Protokolle (HLS) umgewandelt werden, was eine dedizierte Transkodierungsinfrastruktur erforderte
- Variabler Bedarf — Die Nachfrage nach Zuschauer- und AI-Verarbeitung schwankte den ganzen Tag über, aber feste Restreaming-Server konnten nicht skalieren
- Aufzeichnung im großen Maßstab — Die kontinuierliche Aufzeichnung Dutzender Kamerastreams erforderte ein zuverlässiges Speichermanagement mit Aufbewahrungsrichtlinien
- Stream-Zuverlässigkeit — VPN-Tunnel brachen bei Netzwerkinstabilität ab, was eine automatische Wiederverbindung erforderte, ohne die Stream-Kontinuität zu verlieren
- Multi-Protokoll-Bereitstellung — Verschiedene Konsumenten benötigten unterschiedliche Protokolle: RTSP für AI-Worker, HLS für Web-Zuschauer und aufgezeichnete Segmente zur Archivierung
Unsere Lösung
Wir haben eine VPN-getunnelte RTSP-Streaming-Plattform mit einem VPN-Hub für sichere Kamera-Konnektivität, auto-skalierenden RTSP-Restreaming-Servern für die Multi-Protokoll-Bereitstellung, HLS-Verpackung für die Browser-Wiedergabe und kontinuierlicher Aufzeichnung mit Aufbewahrungsmanagement entwickelt.
Architektur
- VPN Hub: Zentralisierter VPN-Server, der sichere Tunnel zu entfernten Kamerastandorten aufbaut
- RTSP Ingest: Mit VPN verbundene Kameras veröffentlichen RTSP-Streams über verschlüsselte Tunnel
- Restreaming Cluster: Auto-skalierende MediaMTX-Server fĂĽr RTSP-Relay, HLS-Konvertierung und Stream-Verteilung
- HLS Packaging: Echtzeit-RTSP-zu-HLS-Konvertierung fĂĽr die Bereitstellung an Webbrowser
- Recording Service: Kontinuierliche Stream-Aufzeichnung mit segmentbasiertem Speicher und Aufbewahrungsrichtlinien
- Load Balancer: Verteilt Viewer- und AI-Worker-Verbindungen auf Restreaming-Server
- Orchestrator: Ăśberwacht den Bedarf und skaliert den Restreaming-Cluster nach oben oder unten
- Storage: Objektspeicher fĂĽr aufgezeichnete Segmente mit Lifecycle Management
VPN-Tunnel-Architektur
Sichere Kamera-Konnektivität
- Im Cloud bereitgestellter VPN-Hub baut verschlĂĽsselte Tunnel zu jedem entfernten Standort auf
- Kameras an entfernten Standorten streamen RTSP innerhalb des VPN-Tunnels — keine Exposition gegenüber dem öffentlichen Internet
- Jeder Standort erhält einen VPN-Client, der sich mit dem Hub verbindet und ein privates Netzwerk-Overlay erstellt
- Kamera-RTSP-Streams sind für die Cloud-Infrastruktur über private VPN-IP-Adressen zugänglich
- Mehrere Kameras pro Standort teilen sich einen einzigen VPN-Tunnel
NAT/Firewall-Traversal
- VPN-Clients initiieren ausgehende Verbindungen vom Kamerastandort (keine eingehenden Firewall-Regeln erforderlich)
- Hub akzeptiert eingehende Verbindungen und erstellt bidirektionale Tunnel
- Cloud-Dienste greifen über das VPN-Netzwerk auf Kamera-RTSP-Feeds zu, als wären sie lokal
Zuverlässigkeit
- Automatische Tunnel-Wiederverbindung bei Netzwerkunterbrechungen
- Keepalive-Probes erkennen und beheben stille Fehler
- Mehrere Tunnelprotokolle werden für die Kompatibilität mit restriktiven Netzwerken unterstützt
- Zustandsüberwachung pro Tunnel mit Alarmierung bei längeren Trennungen
Auto-Scaling Restreaming
RTSP Relay
Restreaming-Server rufen Kamera-RTSP-Feeds aus dem VPN-Netzwerk ab und stellen sie nachgelagerten Konsumenten zur VerfĂĽgung:
- AI-Worker verbinden sich ĂĽber RTSP fĂĽr latenzarme, bildgenaue Verarbeitung
- Mehrere Konsumenten können auf denselben Kamerastream zugreifen, ohne die Kamera zusätzlich zu belasten
- Stream-Multiplexing reduziert die Bandbreite vom Kamerastandort (ein Abruf, viele Konsumenten)
HLS-Konvertierung
FĂĽr die webbasierte Anzeige konvertieren Restreaming-Server RTSP in Echtzeit in HLS:
- Segmentbasierte Verpackung fĂĽr HTTP-Bereitstellung ĂĽber Standard-Web-Infrastruktur
- UnterstĂĽtzung adaptiver Bitraten fĂĽr unterschiedliche Netzwerkbedingungen der Zuschauer
- CDN-kompatible Ausgabe fĂĽr Edge-Cache-basierte Bereitstellung
- Low-Latency HLS-Konfiguration fĂĽr nahezu Echtzeit-Anzeige
Auto-Scaling
Der Restreaming-Cluster skaliert basierend auf dem Bedarf:
- Scale Up — Wenn Viewer-/AI-Verbindungen pro Server einen Schwellenwert überschreiten oder die CPU-Auslastung hoch ist
- Scale Down — Wenn die Auslastung über einen längeren Zeitraum unter einen Schwellenwert fällt
- Neue Server ziehen Kamera-Feeds aus dem VPN-Netzwerk und registrieren sich beim Load Balancer
- Graceful Shutdown beendet Verbindungen, bevor Server entfernt werden (Zuschauer verbinden sich automatisch ĂĽber stabile URLs wieder)
Aufzeichnungspipeline
Kontinuierliche Aufzeichnung
- Restreaming-Server oder dedizierte Recording-Worker erfassen RTSP-Streams als segmentierte Dateien
- Segmente werden in konfigurierbaren Intervallen für überschaubare Dateigrößen geschrieben
- Jedes Segment ist mit Kamera-ID, Zeitstempel und Dauer-Metadaten versehen
Speichermanagement
- Segmente werden fĂĽr die dauerhafte Archivierung in den Object Storage hochgeladen
- Aufbewahrungsrichtlinien löschen Segmente, die älter als der konfigurierte Aufbewahrungszeitraum sind, automatisch
- Storage Lifecycle Rules verschieben ältere Segmente vor der Löschung in günstigere Speicher-Tiers
- Speicherquoten pro Kamera und pro Standort verhindern ausufernde Kosten
Wiedergabe
- Aufgezeichnete Segmente sind über zeitbasierte Abfragen zugänglich (Kamera + Zeitbereich)
- HLS-Manifest wird on-the-fly fĂĽr die browserbasierte Wiedergabe von aufgezeichnetem Material generiert
- Suchen und Scrubben durch die aufgezeichnete Timeline mit Segment-Level-Granularität
Multi-Protokoll-Bereitstellung
| Konsument | Protokoll | Latenz | Anwendungsfall |
|----------|----------|---------|---------------|
| AI Workers | RTSP | Gering (~500ms) | Echtzeit-Objekterkennung, Analysen |
| Web Viewers | HLS | Mittel (2-6s) | Browserbasiertes Live-Monitoring |
| Mobile Apps | HLS | Mittel (2-6s) | Fernüberwachung auf Mobilgeräten |
| Archivierung | Aufgezeichnete Segmente | N/A | VorfallsprĂĽfung, Compliance, Forensik |
Monitoring & Zuverlässigkeit
Stream-Zustand
- Kamerabasierte Stream-StatusĂĽberwachung (verbunden, puffert, getrennt)
- VPN-Tunnel-Zustand pro Standort (Latenz, Paketverlust, Betriebszeit)
- Restreaming-Server-Metriken (CPU, Bandbreite, Verbindungsanzahl)
- Zustand der Aufzeichnungspipeline (Segment-Schreibrate, Speichernutzung, Upload-Status)
Alarmierung
- Kamera-Trennungsalarme mit Standortidentifikation
- VPN-Tunnel-Fehlermeldungen
- Kapazitätswarnungen des Restreaming-Clusters
- Speicherquoten- und Aufbewahrungsalarme
- Aufzeichnungslücken, erkannt durch Segment-Kontinuitätsprüfungen
Hauptmerkmale
- VPN-gesicherter Ingest — Verschlüsselte Tunnel schützen RTSP-Streams von entfernten Kameras
- NAT/Firewall-Traversal — Ausgehende VPN-Verbindungen umgehen restriktive Netzwerkkonfigurationen
- Auto-Scaling Restreaming — Cluster skaliert mit Viewer- und AI-Nachfrage
- HLS-Konvertierung — Echtzeit-RTSP-zu-HLS für browserbasierte Anzeige
- RTSP Relay — Latenzarmer Stream-Zugriff für AI-Verarbeitungs-Worker
- Kontinuierliche Aufzeichnung — Segmentbasierte Aufzeichnung mit Aufbewahrungsmanagement
- Multi-Protokoll — RTSP, HLS und aufgezeichnete Segmente aus einem einzigen Ingest
- Automatische Wiederverbindung — VPN-Tunnel und Stream-Verbindungen erholen sich von Unterbrechungen
- Storage Lifecycle — Gestufter Speicher mit automatischer Durchsetzung der Aufbewahrung
- Stream-Multiplexing — Ein Kamera-Abruf bedient mehrere Konsumenten ohne zusätzliche Kamerabelastung
Ergebnisse
Technologie-Stack
caseStudyDetail.more Fallstudien
Entdecken Sie mehr unserer technischen Implementierungen
Kickly: KI-gestĂĽtzte Projektplattform fĂĽr Startups
Kickly ist eine KI-gestützte Projektmanagementplattform, die für Startups entwickelt wurde – und intelligente Aufgabenautomatisierung, Teamkollaboration und Echtzeit-Fortschrittsverfolgung in einem Produkt vereint.
KI-gestĂĽtzte Rechnungsverarbeitung mit OCR und QuickBooks-Integration
Ein mittelständisches Unternehmen, das monatlich Hunderte von Lieferantenrechnungen verarbeitete, musste die manuelle Dateneingabe eliminieren, indem es Rechnungsdaten automatisch mithilfe von AI/OCR extrahierte und diese direkt mit QuickBooks für die Buchhaltung und Zahlungsverfolgung synchronisierte.
Bereit, Ihr Unternehmen zu transformieren?
Lassen Sie uns besprechen, wie wir ähnliche Lösungen für Ihre Herausforderungen anwenden können.