094、视频流实时检测管线：FFmpeg 拉流 + YOLO 推理 + Kafka 结果分发架构

094、视频流实时检测管线：FFmpeg 拉流 + YOLO 推理 + Kafka 结果分发架构

一、从一次线上事故说起

去年冬天凌晨两点，我被电话吵醒——客户现场的视频检测系统全线崩溃。排查后发现，RTSP流在夜间网络抖动时，FFmpeg拉流线程直接卡死，导致整个推理管线阻塞，Kafka生产者队列积压到OOM。更讽刺的是，监控大屏上最后一条检测结果停留在三小时前，而报警日志里全是“Frame dropped”的假象。

这个教训让我意识到：视频流实时检测不是把三个组件拼起来就完事，每个环节的异常处理、缓冲策略、线程模型，任何一个细节没兜住，都会让整个管线变成定时炸弹。今天这篇笔记，就围绕“FFmpeg拉流→YOLO推理→Kafka分发”这条主线，把那些踩过的坑和填坑方案掰开揉碎讲清楚。

二、FFmpeg拉流：别让解码成为瓶颈

2.1 拉流线程必须独立

很多新手喜欢在主线程里直接调用av_read_frame，一旦网络超时，整个程序就卡死。正确的做法是：单独开一个拉流线程，用队列做缓冲。

// 拉流线程：只管往队列里塞帧voidcaptu