SFU Berantai untuk Skala Geografis
Pelajari cara merangkai beberapa SFU di berbagai wilayah untuk menskalakan sesi real-time besar secara global dengan tetap menjaga latensi rendah dan bandwidth terkendali.
SFU Berantai untuk Skala Geografis adalah pelajaran Real-Time Streaming Systems (WebRTC + Live Data) gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Real-Time Streaming Systems (WebRTC + Live Data), dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Real-Time Streaming Systems (WebRTC + Live Data) mencakup 4 pelajaran total.
Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.
The Single SFU Ceiling
A single SFU (Selective Forwarding Unit) forwards each participant's media to others. But one SFU has limits: CPU, network egress, and the latency of being far from some users.
Cascading SFUs link multiple SFUs together to break through that ceiling.
What Cascading Means
Instead of every participant connecting to one central SFU, participants connect to a nearby SFU. Those SFUs then forward streams to each other.
- Local users connect to a local node.
- Nodes exchange only the streams that remote users actually need.
Why Geography Matters
A user in Tokyo connecting to an SFU in Virginia suffers high round-trip latency. With cascading, the Tokyo user hits a Tokyo SFU, which relays over a fast backbone to other regions.
This cuts first-hop latency, the part users feel most.
Bandwidth Savings
Without cascading, a remote region pulls every stream individually across the ocean. With cascading, a stream crosses the expensive inter-region link once, then fans out locally.
Inter-SFU Connections
SFUs connect to each other much like clients do, but optimized for trunk traffic. They negotiate which simulcast layers to relay so a large 4K stream is not blindly copied everywhere.
Subscribing on Demand
A key optimization: an SFU only requests a remote stream when a local participant subscribes to it. If nobody in Tokyo is watching a Berlin speaker, that stream never crosses the link.
// pseudo: relay only what local viewers need
if (localSubscribers(streamId) > 0) {
requestFromPeerSfu(streamId);
} else {
dropRelay(streamId);
}Topology Choices
- Full mesh: every SFU peers with every other. Simple, but N-squared links.
- Hub and spoke: regional SFUs feed a central relay. Fewer links, one extra hop.
- Tree: hierarchical, good for very large broadcasts.
Routing the First Connection
Use geo-DNS or a latency probe so a joining client lands on the closest SFU. The signaling server records which SFU owns each participant for cross-node relay decisions.
Handling Node Failure
If a regional SFU dies, its participants must migrate to a backup node. Health checks plus a participant registry let the system re-home users and re-establish relays quickly.
Simulcast Across Cascades
Combine cascading with simulcast: each publisher sends multiple quality layers. The cascade relays only the layer a remote viewer can use, saving trunk bandwidth on poor links.
When You Need Cascading
- Sessions with hundreds of participants.
- Globally distributed audiences.
- Large webinars and town halls.
For small regional calls, a single SFU is simpler and cheaper.
Quick Check
Test your understanding of cascading SFUs.
Recap
Cascading SFUs chain regional nodes so users connect locally and streams cross inter-region links only when needed. This scales large global sessions while cutting latency and trunk bandwidth.
Belajar Real-Time Streaming Systems (WebRTC + Live Data) dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 12
- Pelajaran
- 48
Pertanyaan yang Sering Diajukan
Apakah pelajaran “SFU Berantai untuk Skala Geografis” gratis?
Ya — teks lengkap “SFU Berantai untuk Skala Geografis” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Real-Time Streaming Systems (WebRTC + Live Data), upgrade ke CoddyKit PRO. Kursus Real-Time Streaming Systems (WebRTC + Live Data) mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “SFU Berantai untuk Skala Geografis”?
Pelajari cara merangkai beberapa SFU di berbagai wilayah untuk menskalakan sesi real-time besar secara global dengan tetap menjaga latensi rendah dan bandwidth terkendali. Kamu berlatih Real-Time Streaming Systems (WebRTC + Live Data) dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Real-Time Streaming Systems (WebRTC + Live Data)?
Tidak diperlukan pengalaman sebelumnya. Real-Time Streaming Systems (WebRTC + Live Data) di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.
Berapa lama pelajaran “SFU Berantai untuk Skala Geografis” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Real-Time Streaming Systems (WebRTC + Live Data) ini?
Ya. Setiap pelajaran Real-Time Streaming Systems (WebRTC + Live Data) menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Arsitektur SFU vs. MCU
- Penyeimbangan Beban Server Pensinyalan
- Layanan STUN/TURN Terdistribusi
- SFU Berantai untuk Skala Geografis