视频面试系统的技术架构WebRTC 信令、媒体流与录制一、深度引言与场景痛点你能听到我说话吗——视频面试的第一关技术面试的前 30 秒有超过一半的概率会用来确认是否能听到、画面是否清晰。虽然 Zoom、腾讯会议等工具已经很成熟但在自建的面试系统中集成视频通话功能时这些成熟的基础能力仍然需要从零实现。视频面试的技术实现涉及三个核心模块信令服务建立连接、媒体流传输音视频通信和录制存储面试复盘。本文将从架构层面拆解这三个模块的实现方案。二、底层机制与原理深度剖析WebRTC 的连接建立过程WebRTC 的连接建立不是简单的A 直连 B。在 NAT 网络环境下两台设备通常无法直接通信需要借助 STUN/TURN 服务器进行 NAT 穿透。三、生产级代码实现与最佳实践信令服务器实现// WebSocket 信令服务器 —— 负责 WebRTC 连接前的信息交换 const WebSocket require(ws); const { v4: uuidv4 } require(uuid); class SignalingServer { constructor(port 8080) { this.wss new WebSocket.Server({ port }); // rooms: { roomId: { participants: [{ws, userId, role}], metadata: {} } } this.rooms new Map(); this.wss.on(connection, (ws) { const userId uuidv4(); ws.userId userId; console.log([信令] 新连接: ${userId}); ws.on(message, (data) { try { const msg JSON.parse(data); this.handleMessage(ws, msg); } catch (e) { ws.send(JSON.stringify({ type: error, message: 消息格式错误需要合法的 JSON })); } }); ws.on(close, () { this.handleDisconnect(ws); }); }); console.log(信令服务器启动在 ws://localhost:${port}); } handleMessage(ws, msg) { switch (msg.type) { case join_room: this.handleJoinRoom(ws, msg); break; case offer: case answer: case ice_candidate: // 信令转发 —— 原封不动转给房间内的其他用户 this.forwardToRoom(ws, msg); break; case leave_room: this.handleLeaveRoom(ws, msg); break; default: ws.send(JSON.stringify({ type: error, message: 未知消息类型: ${msg.type} })); } } handleJoinRoom(ws, msg) { const { roomId, role } msg; // role: candidate | interviewer if (!roomId || !role) { ws.send(JSON.stringify({ type: error, message: join_room 消息必须包含 roomId 和 role })); return; } // 创建或加入房间 if (!this.rooms.has(roomId)) { this.rooms.set(roomId, { participants: [], metadata: { createdAt: Date.now() } }); } const room this.rooms.get(roomId); // 房间人数限制 —— 面试场景只需要 2 人 if (room.participants.length 2) { ws.send(JSON.stringify({ type: error, message: 房间已满最多 2 人 })); return; } room.participants.push({ ws, userId: ws.userId, role }); ws.roomId roomId; ws.role role; // 通知房间内其他人有新用户加入 this.broadcastToRoom(roomId, { type: user_joined, userId: ws.userId, role: role }, ws); ws.send(JSON.stringify({ type: joined, roomId: roomId, userId: ws.userId, participantCount: room.participants.length })); } forwardToRoom(sender, msg) { const room this.rooms.get(sender.roomId); if (!room) return; // 不做任何修改原样转发给房间内其他人 room.participants.forEach(p { if (p.ws ! sender p.ws.readyState WebSocket.OPEN) { p.ws.send(JSON.stringify(msg)); } }); } broadcastToRoom(roomId, msg, excludeWs null) { const room this.rooms.get(roomId); if (!room) return; room.participants.forEach(p { if (p.ws ! excludeWs p.ws.readyState WebSocket.OPEN) { p.ws.send(JSON.stringify(msg)); } }); } handleLeaveRoom(ws, msg) { this.cleanupParticipant(ws); } handleDisconnect(ws) { this.cleanupParticipant(ws); } cleanupParticipant(ws) { if (!ws.roomId) return; const room this.rooms.get(ws.roomId); if (!room) return; // 从房间移除用户 room.participants room.participants.filter(p p.ws ! ws); // 通知房间内其他人 this.broadcastToRoom(ws.roomId, { type: user_left, userId: ws.userId, role: ws.role }); // 如果房间为空清理房间 if (room.participants.length 0) { this.rooms.delete(ws.roomId); console.log([信令] 房间 ${ws.roomId} 已清理); } } }录制与存储# 面试录制管理器 —— 将音视频流保存到对象存储 import boto3 import tempfile from datetime import datetime class RecordingManager: 管理面试录像的录制、存储和检索 由于 WebRTC 是 P2P 的录制有两种方案 1. 服务端录制将媒体流转发到服务器再录制质量好带宽消耗大 2. 客户端录制浏览器端录制后上传延迟低受客户端性能影响 面试场景推荐客户端录制——带宽消耗小且面试通常在稳定的网络环境下进行。 def __init__(self, s3_bucket: str, region: str ap-southeast-1): self.s3 boto3.client(s3, region_nameregion) self.bucket s3_bucket def generate_upload_url(self, interview_id: str, participant: str, expiry: int 3600) - str: 生成预签名上传 URL 客户端拿到这个 URL 后可以直接上传文件到对象存储 不需要经过应用服务器中转节省带宽。 Args: interview_id: 面试 ID participant: 参与者标识candidate/interviewer expiry: URL 有效期秒默认 1 小时 timestamp datetime.now().strftime(%Y%m%d_%H%M%S) key ( finterviews/{interview_id}/ frecording_{participant}_{timestamp}.webm ) # 生成预签名 URL允许客户端直接上传 url self.s3.generate_presigned_url( put_object, Params{ Bucket: self.bucket, Key: key, ContentType: video/webm, }, ExpiresInexpiry ) return url def list_recordings(self, interview_id: str) - list[dict]: 列出某次面试的所有录制文件 prefix finterviews/{interview_id}/ response self.s3.list_objects_v2( Bucketself.bucket, Prefixprefix ) recordings [] for obj in response.get(Contents, []): recordings.append({ key: obj[Key], size_bytes: obj[Size], last_modified: obj[LastModified].isoformat(), download_url: self.generate_download_url(obj[Key]) }) return recordings def generate_download_url(self, key: str, expiry: int 86400) - str: 生成预签名下载 URL return self.s3.generate_presigned_url( get_object, Params{Bucket: self.bucket, Key: key}, ExpiresInexpiry ) def delete_recording(self, interview_id: str) - int: 删除某次面试的所有录制文件 recordings self.list_recordings(interview_id) if not recordings: return 0 objects [{Key: r[key]} for r in recordings] response self.s3.delete_objects( Bucketself.bucket, Delete{Objects: objects} ) return len(response.get(Deleted, []))四、边界分析与架构权衡STUN vs TURN场景方案效果双方都有公网 IP直接 P2P最佳一方在 NAT 后STUN大部分情况能穿透双方都在对称 NAT 后TURN中继强制中继质量取决于 TURN 服务器建议部署免费的 STUN 服务器如 Google 的 stun.l.google.com:19302再自建一个 TURN 服务器作为兜底。录制方案的选择服务端录制质量稳定但有中转延迟且需要更多的服务器带宽客户端录制无中转延迟但可能受客户端性能影响如 CPU 占用高时帧率下降推荐方案使用客户端录制为主服务端同时保存信令数据和关键事件日志。这样即使客户端录制质量不佳也能通过日志还原面试过程。五、总结视频面试的技术实现本质上是 WebRTC 的三板斧信令、媒体流、录制。这三个模块每个单独拆分都不复杂复杂的是让它们可靠地协同工作。核心经验信令服务器要简单——它只负责转发不负责处理STUN/TURN 是必须的——不要假设用户总在公网环境下录制提供兜底——即使面试顺利录制也能用于后续复盘对于面试场景WebRTC 的一个天然优势是它只涉及 2 个参与者比多人会议简单得多。不需要 MCU 混流不需要复杂的选路算法。这也使得自建视频面试系统的技术难度显著低于自建视频会议系统。