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_name=region) 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 = ( f"interviews/{interview_id}/" f"recording_{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', }, ExpiresIn=expiry ) 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 = f"interviews/{interview_id}/" response = self.s3.list_objects_v2( Bucket=self.bucket, Prefix=prefix ) 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}, ExpiresIn=expiry ) 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( Bucket=self.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。
